Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
범용 에이전트가 직면하는 세계 모델의 파편화 문제를 해결하기 위해 '구조적 인증(Structural Certification)' 프레임워크를 제안합니다. 표준적인 최악의 경우 분석의 한계를 극복하고, 특정 전이를 국소화하여 에이전트의 성능을 보증하는 알고리즘을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기거대 세계(big-world) 체제에서 에이전트는 보편적으로 능력을 갖출 수 없으며, 그 능력은 필연적으로 조각난 세계 모델(world model in pieces)에 걸쳐 전문화됩니다. 결과적으로, 표준적인 균일 보증(standard uniform guarantees)은 핵심적인 병목 구간에 대한 이해와 무관한 실패를 구분하지 못합니다. 우리는 먼저 범용 에이전트가 보편적이지 않음을 증명함으로써 이러한 한계를 공식화하며, 이로 인해 표준적인 최악의 경우 분석(worst-case analysis)이 유익한 정보를 제공하지 못함을 보여줍니다. 이를 극복하기 위해, 우리는 유계된 목표 조건부 성능(bounded goal-conditioned performance)을 에이전트의 내부 세계 모델에 대한 요소별 보증(entry-wise guarantees)으로 매핑하는 전이 국소적 프레임워크(transition-local framework)인 구조적 인증(structural certification)을 도입합니다. 우리의 주요 기여는 구성적(constructive)입니다. 우리는 심층적 구성 목표(deep compositional goals)를 사용하여 특정 전이(transitions)를 필터링하는 알고리즘을 제공하며, 이러한 목표를 가진 범용 에이전트가 $\mathcal{O}(1/n) + \mathcal{O}(\delta)$ 오차 범위를 갖는 구조적 세계 모델을 가짐을 증명합니다. 반대로, 이 경계는 작은 $\delta$ 체제에서 타이트(tight)하며, 그 존재는 우리의 인증에 의해 명시적으로 보장됩니다. 이러한 결과는 장기 계획(long-horizon planning)이 신뢰할 수 있는 특정 전이를 국소화함으로써 범용 에이전트의 인증 가능한 배포를 가능하게 합니다.