提出一种基于测度论的马尔可夫框架,用于在代理式AI部署前评估其工作流轨迹的统计可信性与人工监督成本,定义了状态盲区质量、状态-动作盲区质量、基于熵的人机协同升级门及期望监督成本恒等式,并在采购到付款日志上验证了细化状态表示会显著提升盲区质量,揭示了局部动作合理性与全局轨迹可靠性之间的‘随机性鸿沟’。
机构:UMBC, MIT
来源:arXiv 2603.24582 | AI4Papers 论文推荐平台