论文
Verification and Self-Improvement in Agentic AI: Foundations and Limits
发表于arXiv的学术论文，从计算复杂度理论角度分析智能体AI自我改进的验证机制，提出有界验证框架，探讨性能提升与能力提升的本质区别
时间轴 (近 90 天)
10月9日
该论文的核心主张是性能提升不等于能力提升，必须将每类改进机制分开分析并配以明确的验证义务
待验证50%
10月9日
论文将智能体AI的自我改进声明锚定到正确性、可接受的证据、验证资源、选择误差四类可审计义务上
待验证50%
10月9日
该论文是高度理论化工作，结论严重依赖复杂度假设，离工程实践尚有距离
待验证50%