Look-ahead bias (결정 시점 이후의 정보를 사용하여 해당 시점의 결정을 내리는 것)는 백테스트(backtest)나 머신러닝(machine-learning) 평가가 실제 배포 시 실망을 안겨줄 시스템을 실제보다 좋게 보이게 만드는 가장 지배적인 방식입니다. 이 분야는 구조별 특정 레시피와 경험적 탐지기(empirical detectors)를 통해 이를 관리하지만, 이는 채널별로만 유효할 뿐이며 탐지되지 않았다고 해서 아무것도 보증하지 못합니다. 우리는 Look-ahead-freedom이 변장된 형식적 속성(formal property)임을 보여줍니다. 즉, 특정 시점(epoch)을 고정했을 때, 미래가 현재에 영향을 미치지 않아야 한다는 요구 사항은 시간 인덱스 정보 격자(time-indexed information lattice)에 대한 시간적 비간섭(temporal non-interference)입니다. 이러한 식별을 통해 우리는 데이터의 가용성(availability)과 참조 시간(reference time)을 분리하는 파이프라인 계산법(pipeline calculus)을 개발하고, 이 문제의 경계를 확립합니다. 가용성이 데이터 값에 의존할 수 있는 경우, Look-ahead-freedom은 결정 불가능(undecidable)하며 (실제로 Pi-0-1-hard임), 정보 유출(leakage)은 재귀적으로 열거 가능(recursively enumerable)하지만 자유(freedom)는 그렇지 않습니다. 값에 독립적인 파편(value-independent fragment)(윈도잉(windowing), 리샘플링(resampling), 조인(joins), 시점 및 빈티지 읽기(point-in-time and vintage reads), 에이전트 기반 검색(agentic retrieval)을 포함)에 대해서는 선형 시간 내에 결정 가능하고 건전한 타입 및 효과 시스템(type-and-effect system)을 제공합니다. 하나의 결과물이 이 이론을 입증합니다: 검사(check)는 선형적으로 확장되며, 독립적인 오라클(oracle)은 승인된 모든 파이프라인에서 유출이 없음을 증명하고, 검사기는 차분(differential) 및 타일링(tiling) 탐지기가 놓치는 모든 심어진 유출을 잡아냅니다.