提出自我改进智能体相对可计算性理论

Chien-Ping Lu 在 arXiv（cs.AI）提出一个相对可计算性框架，用可变的求解器、评估器和改进者建模智能体的自我改进，并区分有限行为证据与计算能力的严格上升，后者由条件判据刻画。 基于论文摘要：对已知的有限维特征语言，该框架精确刻画查询历史能确定哪些答案，得到教师查询的紧界，并给出允许修订查询提议者的终止协议；学习后的求解器可在所有输入上摆脱教师，同时仍处于同一可计算层。 论文同时指出一个限制：从任意有效特征程序一致地构造所需的特征跨度规格，已与相对停机问题同样困难。

AI 根据报道生成 · 24 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。