Resumo Técnico: A Verificação Local Não Pode Detectar a Não-Transportabilidade

Declaração do Problema

Sistemas de IA agêntica transportam conclusões cada vez mais entre diversos contextos biológicos, clínicos e comerciais. As arquiteturas de estado da arte atuais (ex: Medea) baseiam-se na verificação local: checar em cada etapa se as entidades são representáveis, se os parâmetros são compatíveis e se os outputs são coerentes com o plano. Essas verificações são "locais" no sentido de que são suportadas em partes limitadas do espaço de contexto (contextos únicos, pares ou trios).

O artigo identifica uma incompletude estrutural nesta abordagem. Embora as verificações locais possam detectar tipos específicos de erros, elas são cegas para a não-transportabilidade estrutural. Isso se manifesta como uma situação em que um agente passa em todas as verificações de consistência local, mas produz uma conclusão que depende do caminho de raciocínio tomado. Este fenômeno é formalmente análogo à "inconsistência de loop" em meta-análises de rede, onde evidências diretas e indiretas em torno de um ciclo fechado são individualmente sólidas, mas conjuntamente incoerentes.

Metodologia

Estrutura Teórica

O autor modela o problema utilizando topologia algébrica e teoria de feixes (sheaf theory):

1. Sítio de Contexto: O espaço de situações relevantes para decisão $X$ é coberto por um conjunto finito de contextos $\mathcal{U} = \{U_i\}$. O nervura (nerve) $N(\mathcal{U})$ é construído onde vértices são contextos, arestas representam sobreposições (evidência de ponte) e triângulos representam sobreposens de triplas.
2. Cochain de Evidência: A evidência é modelada como uma 1-cochain de valores reais $\omega \in C^1(N(\mathcal{U}); \mathbb{R})$, atribuindo um contraste medido a cada sobreposição.
3. Transporte Agêntico como Integração de Caminho: Um agente transportando uma afirmação do âncora $a$ para o alvo $t$ realiza integração de caminho: $\hat{\theta}_t = \theta_a + \langle \omega, \gamma \rangle$, onde $\gamma$ é o caminho na nervura.
4. Decomposição de Hodge: O espaço de 1-cochains é decomposto ortogonalmente em três componentes:
   • Gradiente ($g = \delta_0 \beta$): Desvios de instrumentos por contexto. Removíveis por recalibração.
   • Curl ($c \in \text{im}(\delta_1)^\top$): Inconsistências locais detectáveis em sobreposições de triplas (não-zero $\delta_1 c$).
   • Harmônico ($h \in H^1$): A componente no núcleo de ambos $\delta_1$ e $\delta_0^\top$. Isso representa a primeira classe de cohomologia de Čech $[\omega] \in H^1$.

Principais Resultados Teóricos

• Independência de Caminho: A estimativa transportada é independente do caminho se, e somente se, a cochain de evidência for exata ($\omega \in \text{im } \delta_0$).
• Holonomia: O desacordo entre dois caminhos de raciocínio é exatamente a holonomia da classe de cohomologia $[\omega]$.
• Cegueira da Verificação Local: Qualquer verificação de consistência suportada em símplices (arestas, triângulos) não pode distinguir entre uma cochain exata e uma perturbada por uma componente harmônica. Como as componentes harmônicas satisfazem $\delta_1 h = 0$, elas passam em todas as verificações de sobreposição de triplas, mas geram desacordo não-zero entre caminhos.
• Mecanismo de Obstrução: A componente harmônica surge da modificação de efeito combinada com a composição populacional específica de cada sobreposição (paradoxo de Simpson em uma rede). Se a modificação de efeito estiver ausente, a energia harmônica desaparece para a precisão de máquina.

Método Proposto: Ks.etra

O autor propõe o Ks.etra (Ksetra), um procedimento que:

1. Constrói o sítio de contexto e monta a cochain de evidência.
2. Decompõe $\omega$ em partes de gradiente, curl e harmônica via mínimos quadrados.
3. Triagem:
   • Gradiente Dominante $\to$ Recalibrar instrumentos.
   • Curl Dominante $\to$ Re-medir ou re-executar a deliberação (inconsistência local).
   • Harmônico Dominante $\to$ Obstrução estrutural; a cobertura deve ser refinada (estratificação).
4. Gating (Portão): O sistema abstém-se de tomar uma decisão se a energia harmônica $\|\omega_h\|$ exceder um limiar. Ao se abster, ele emite o ciclo específico que carrega a maior holonomia como uma instrução de coleta de dados.

Resultados

Estudos de Simulação

O autor conduziu simulações em dois domínios:

1. RWE de Farmacêutica: Contextos definidos por (estágio de CKD $\times$ cenário de cuidado). O espaço de atributos é contratável; $H^1$ surge apenas de lacunas de evidência.
2. Crédito ao Consumidor: Contextos definidos por (região $\times$ regime macroeconômico). O eixo do regime é cíclico (expansão $\to$ recuperação), criando uma obstrução topológica por construção.

Principais Descobertas:

• Poder Preditivo: No modelo mecanístico onde a holonomia emerge da modificação de efeito, tanto a energia harmônica quanto a de curl são comparavelmente preditivas do erro irredutível do estimador ótimo (Spearman $\rho \approx 0.37$ para harmônica e $0.33$ para curl). Essa correlação surge porque uma causa latente única (modificação de efeito) gera ambas as componentes. No entanto, a energia harmônica retém valor preditivo independente após o condicionamento nas outras componentes (part $\rho \approx 0.19$), enquanto o curl não. A distinção operacional entre as duas é definida pelo seu remédio (re-medição para o curl vs. refinamento para o harmônico), não apenas pelo seu valor preditivo.
• Dependência de Caminho: Tanto a componente harmônica quanto a de curl predizem a dependência de caminho (dispersão entre caminhos de raciocínio), mas apenas a harmônica prediciona o piso de erro de forma independente das outras componentes.
• Performance: O Ks.etra (gating baseado na energia harmônica) supera um baseline de "Residual-gated" (gating baseado no conflito total) na Área Sob a Curva de Risco-Cobertura (AURC), reduzindo-a em 0.029 (farmacêutica) e 0.039 (crédito).
• Custo de Drift: O "coarsening silencioso" (colapsar contextos sem verificação) incurre em erro significativo mesmo em sistemas perfeitos.

Caso de Teste de Finanças (FX e IFRS 9)

• Teste F Exato: O autor deriva um teste F exato para a existência de uma afirmação global, particionando os graus de liberdade em calibração, coerência local e transporte. O teste é corretamente dimensionado sob ruído isotrópico.
• Arbitragem de FX: Em um complexo de 15 moedas construído com restrições de executabilidade, a componente harmônica detecta "arbitragem de loop" (P&L em ciclos não preenchidos por triângulos executáveis) que os testes padrão de arbitragem triangular (curl) perdem.
• IFRS 9: Aplicado a um inventário de modelos de PD sobre um espaço de regime cíclico, o método identifica 17 loops independentes capazes de carregar histórias incoerentes indetectáveis por validação de pares ou triplas.

Significância e Alegações

O artigo apresenta um resultado negativo como sua principal contribuição: Nenhuma família de verificações de consistência suportada em símplices pode detectar a obstrução harmônica. Isso implica que as estratégias atuais de verificação agêntica, independentemente da qualidade de implementação, possuem um ponto cego fundamental.

Significância:

1. Teórica: Identifica a inconsistência de loop na síntese de evidências como a primeira cohomologia de um sítio de contexto, estendendo o conceito de redes de tratamento para coberturas de contexto arbitrárias.
2. Operacional: Reenquadra a abstenção de um score de confiança heurístico para uma quantidade cohomológica. Uma classe harmônica não-zero não é apenas um aviso; é uma instrução específica para refinar a cobertura (estratificar mais profundamente) em vez de coletar mais evidências na mesma granularidade. A distinção entre as componentes de curl e harmônica é definida pelo seu remédio (re-medição vs. refinamento), não apenas pelo seu valor preditivo.
3. Econômica: O método oferece um mapeamento transparente da geometria de risco seletivo para resultados de portfólio, mostrando que o gating cohomológico é economicamente viável apenas onde o custo de um compromisso errado excede materialmente o ganho de um correto (ex: decisões terapêuticas e de crédito regulamentadas).

Limitações e Modéstia:

• O artigo afirma explicitamente que não contém validação de dados reais. As simulações são validações controladas da teoria.
• O mecanismo de geração harmônica (modificação de efeito) é modelado, não observado em traços de agentes do mundo real.
• O autor reconhece que erros correlacionados através de sobreposições e a elicitação da fatoração de contexto correta são problemas abertos não resolvidos aqui.
• A contribuição é formulada como uma identificação teórica de um ponto cego e uma proposta de remédio, com o chamado para validação de dados reais (ex: usando meta-análises publicadas ou os benchmarks de levedura do Medea) como o próximo passo necessário para mover os resultados para fora da simulação.