技术摘要：局部验证无法检测不可传输性

问题陈述

智能体 AI 系统正日益将结论从多样化的生物、临床及商业语境中进行传输。当前的尖端架构（如 Medea）依赖于局部验证：在每一步检查实体是否可表示、参数是否兼容，以及输出是否与计划保持一致。这些检查之所以被称为“局部”，是因为它们仅支持在有限的上下文空间（单个上下文、对或三元组）上。

本文指出这种方法存在结构性的不完备性。虽然局部检查可以检测特定类型的错误，但它们无法察觉结构性不可传输性（structural non-transportability）。这种情况表现为：一个智能体通过了所有的局部验证检查，却产生了一个依赖于所采取推理路径的结论。这一现象在形式上类比于网络元分析中的“环路不一致性（loop inconsistency）”——即围绕闭环的直接证据与间接证据各自成立，但整体却不一致。

方法论

理论框架

作者利用代数拓扑和层论（sheaf theory）对问题进行建模：

1. 上下文站点（Context Site）： 决策相关情境的空间 $X$ 由一组有限的上下文 $\mathcal{U} = \{U_i\}$ 覆盖。构造其神经丛（nerve） $N(\mathcal{U})$，其中顶点代表上下文，边代表重叠（桥接证据），三角形代表三方重叠。
2. 证据共链（Evidence Cochain）： 证据被建模为一个实值 1-共链 $\omega \in C^1(N(\mathcal{U}); \mathbb{R})$，为每个重叠分配一个测量的对比度。
3. 智能体传输即路径积分： 智能体将主张从锚点 $a$ 传输到目标 $t$ 的过程即执行路径积分：$\hat{\theta}_t = \theta_a + \langle \omega, \gamma \rangle$，其中 $\gamma$ 是神经丛中的路径。
4. 霍奇分解（Hodge Decomposition）： 1-共链空间被正交分解为三个部分：
   • 梯度（Gradient, $g = \delta_0 \beta$）： 每个上下文的仪器偏移量。可通过重新校准消除。
   • 旋度（Curl, $c \in \text{im}(\delta_1)^\top$）： 在三方重叠处可检测到的局部不一致性（非零 $\delta_1 c$）。
   • 调和项（Harmonic, $h \in H^1$）： 位于 $\delta_1$ 和 $\delta_0^\top$ 核（kernel）中的分量。这代表了第一个 Čech 上同调类 $[\omega] \in H^1$。

关键理论结果

• 路径无关性： 传输后的估计量是路径无关的，当且仅当证据共链是精确的（exact, $\omega \in \text{im } \delta_0$）。
• 全纯性（Holonomy）： 两个推理路径之间的分歧，正是 $[\omega]$ 这个上同调类的全纯量。
• 局部验证的盲点： 任何支持在单纯形（simplexes，如边、三角形）上的一致性检查，都无法区分精确共链与受调和分量扰动后的共链。由于调和分量满足 $\delta_1 h = 0$，它们能通过所有三方重叠检查，却会产生非零的路径间分歧。
• 阻碍机制： 调和分量源于效应修饰（effect modification）结合特定重叠的人群构成（网络上的辛普森悖论）。如果不存在效应修饰，调和能量将趋于机器精度。

拟议方法：Ks.etra

作者提出了 Ks.etra（Ksetra）程序：

1. 构建上下文站点并组装证据共链。
2. 通过最小二乘法将 $\omega$ 分解为梯度、旋度和调和部分。
3. 分类处理（Triage）：
   • 占主导的梯度 $\to$ 重新校准仪器。
   • 占主导的旋度 $\to$ 重新测量或重新运行推演（局部不一致）。
   • 占主导的调和项 $\to$ 结构性阻碍；必须细化覆盖（分层/stratification）。
4. 门控（Gating）： 如果调和能量 $\|\omega_h\|$ 超过阈值，系统则放弃决策。在放弃决策时，它会输出携带最大全纯量的特定循环，作为数据采集的指令。

实验结果

模拟研究

作者在两个领域进行了模拟研究：

1. 制药 RWE（真实世界证据）： 上下文由（CKD 分期 $\times$ 护理设置）定义。属性空间是可收缩的；$H^1$ 仅由证据缺口产生。
2. 消费者信贷： 上下文由（地区 $\times$ 宏观经济体制）定义。体制轴是循环的（扩张 $\to$ 复苏），通过构造产生了一个拓扑阻碍。

主要发现：

• 预测能力： 在效应修饰产生全纯量的机制模型中，调和能量与旋度能量在预测最优估计器的不可约误差方面具有相当的预测力（Spearman $\rho \approx 0.37$ 对于调和项，$\approx 0.33$ 对于旋度项）。这种相关性源于单一潜在原因（效应修饰）同时产生了这两个分量。然而，在以其他分量为条件后，调和能量保留了独立的预测价值（偏相关 $\rho \approx 0.19$），而旋度项则不然。两者在操作上的区别不在于预测价值，而在于其补救措施（旋度对应重新测量，调和对应细化覆盖）。
• 路径依赖性： 调和项与旋度项都能预测路径依赖性（在不同推理路径间的分布），但只有调和项能独立于其他分量预测误差底限。
• 性能： 基于调和能量进行门控的 Ks.etra 在风险覆盖曲线下面积（AURC）方面优于“残差门控（Residual-gated）”基准（基于总冲突进行门控），使 AURC 分别降低了 0.029（制药）和 0.039（信贷）。
• 漂移成本： “无声粗糙化（Silent coarsening）”（在未验证的情况下合并上下文）即使在完美系统中也会导致显著误差。

金融测试用例（外汇与 IFRS 9）

• 精确 F 检验： 作者推导出了关于全局主张存在的精确 F 检验，将自由度划分为校准、局部相干性和传输。在各向同性噪声下，该检验是大小适度的（correctly sized）。
• 外汇套利： 在一个构建的具有执行约束的 15 种货币复杂系统中，调和分量检测到了“环路套利”（即在不可执行三角形中无法填补的 P&L 循环），而标准的三角套利检查（旋度）会漏掉这一点。
• IFRS 9： 应用于跨循环体制空间的 PD 模型库，该方法识别出 17 个独立的循环，这些循环能够携带在成对或三方验证中无法检测到的不一致叙事。

意义与主张

本文的核心贡献是一个负面结果：没有任何一类支持在单纯形上的一致性检查能够检测到调和阻碍。 这意味着当前的智能体验证策略，无论实现质量如何，都存在一个根本性的盲点。

意义：

1. 理论层面： 它将证据合成中的环路不一致性识别为上下文站点的第一上同调，将该概念从治疗网络扩展到了任意上下文覆盖。
2. 操作层面： 它将“放弃决策”从一种启发式置信度分数重新定义为一种上同调量。非零的调和类不仅是一个警告，它还是一个具体的指令，要求细化覆盖（进一步分层），而非在现有粒度下收集更多证据。调和项与旋度项的区别在于其补救方式（重新测量 vs. 细化），而非仅仅是预测价值。
3. 经济层面： 该方法提供了从选择性风险几何到投资组合结果的透明映射，表明上同调门控仅在错误承诺的成本实质性超过正确承诺的收益时（例如受监管的治疗和信贷决策）才具有经济可行性。

局限性与谦逊态度：

• 论文明确指出其不包含真实数据验证。其模拟是对理论的受控验证。
• 调和项产生的机制（效应修饰）是建模的结果，而非在真实世界的智能体轨迹中观察到的。
• 作者承认，重叠间的相关误差以及如何获取正确的上下文因子化仍是本文未解决的开放性问题。
• 本文的贡献被界定为对一个盲点的理论识别及其应对方案，并呼吁进行真实数据验证（例如使用已发表的网络元分析或 Medea 的酵母基准测试），将其作为将研究成果从模拟转向现实的必要步骤。