PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2605.27381v4cs.CC

자기 개선 에이전트의 상대적 계산가능성 이론

A Relative-Computability Theory of Self-Improving Agents

자기 개선 에이전트는 지원 교사를 언제 안전하게 제거할 수 있는지 알지 못한 채 절차를 습득할 수 있다. 본 연구는 진화하는 에이전트의 오라클 상대적 모델을 명시적인 습득 계약과 완료 계약으로 확장하여, 해결기를 학습하는 것과 그 독립성을 인증하는 것을 분리한다. 알려진 유한 차원 불리언 특징 언어에 대해, 질의 이력은 그 특징 생성공간에 속하는 답을 정확히 결정한다. 보호된(guarded) 프로토콜은 질의 제안자의 수정을 허용하면서도 최적의 교사 호출 횟수로 완료를 보장하며, 주어진 분리 명세는 유한 족으로의 확장을 제공한다. 그 결과로 얻는 해결기는 교사 없이 모든 입력에 답하며 기준 계산가능성 층에 머문다. 핵심적인 장애물은 완료 명세를 제공하는 문제에 있다. 즉, 이미 한 개의 특징 차원이나 두 개의 후보 기술에서조차, 임의의 전체 프로그램으로부터 유효한 생성공간이나 분리 명세를 균일하게 추출할 수 있는 기준 효과적 절차는 존재하지 않는다. 고전적인 상대 계산 및 극한 수정(limiting-revision) 결과는 실질적 개선에 상한을 부과하지 않으면서 이러한 주장들의 위치를 규정한다. 통제된 실험은 정확한 교사 제거와 저위험 중단을 구별하고, 더 강력한 탐욕 기준선에 대비하여 적응의 이점과 비용을 측정한다. 이 프레임워크는 역량을 습득하고, 인증하고, 배포하는 데 필요한 정보를 명시적으로 드러낸다.

arXiv:2609.11326v2cs.LO

자기 수정 하에서의 라이스 정리: 고양 연산자와 정규형

Rice's Theorem under Self-Modification: Elevation Operators and a Normal Form

우리는 자기 수정(self-modifying) 계산 시스템이 안전성 속성을 다음 단계에서 보존하는지(보존, preservation), 그리고 전체 진화 과정에 걸쳐 보존하는지(지속, persistence)를 알고리즘적으로 인증할 수 있는지를 묻는다. 자기 수정의 한 단계는 프로그램 인덱스에 대한 전체 계산 가능 변환 $\Phi$이며, 보존은 고양된(elevated) 속성 $\Lambda_\Phi(P)=\{x\in P:\Phi(x)\in P\}$로 표현된다. $\Phi$가 외연적(extensional)이면 $\Lambda_\Phi(P)$는 행동적(behavioural) 속성이 되어 라이스 정리가 적용된다. $\Phi$가 코드를 읽는 경우 $\Lambda_\Phi(P)$는 더 이상 행동적이지 않지만, 균일 교란(uniform disruption, $K$를 인코딩하는 비활성 래퍼) 하에서는 라이스 정리를 증명하는 s-m-n 환원이 단일한 행동적 파이버(fibre) 내부에서 작동하며, $\Lambda_\Phi(P)$는 정지 문제의 차수(halting degree)를 물려받는다. 이는 두 가지 스케일에서 나타나는 라이스 정리의 하나의 풀백(pullback)이다. 한 단계의 차수는 $P$의 차수를 넘지 않으며, 지속은 $\Phi$가 외연적인 경우에도 $\Sigma^0_1$ 속성에 대해 $\Pi^0_2$-완전(complete)일 수 있다. 이어서 우리는 재작성(rewriting), 감독(supervision), 시스템 비교에 공통된 메커니즘을 분리해 내는데, 이것이 의미론적 고양 연산자(semantic elevation operator)이다. 이 연산자는 기저 시스템을 감싸고, $K$에 고정된 하나의 유한한 사건, 즉 속성으로의 진입 또는 이탈에 반응한다. 이 부류에서 고양된 속성은 트리거와 극성(polarity)만으로 결정되는 $P\cap S_a$ 또는 $P\setminus S_a$이며, $K$ 또는 그 여집합을 물려받고, 안전 영역은 재귀적으로 열거 가능하지 않다. 라이스-샤피로(Rice-Shapiro) 정리는 극성을 제한한다. 즉 유한 트리거는 $\Sigma^0_1$ 속성에만 진입할 수 있고 $\Pi^0_1$ 속성에서만 이탈할 수 있다. 네 가지 축(기능적, 연역적, 참조 대상에 대한 적합성, 모니터링)은 검증된 사례이며, 감독자의 탑(tower)을 쌓아도 이 장벽은 낮아지지 않는다. 또한 이 부류 밖에 있는 $K$-난해(K-hard) 내포적(intensional) 연산자를 제시하고, 미해결 특성화 문제를 명시한다.