确定性地平线：将不可能结果作为可信赖人工智能系统的设计规范

arXiv:2605.23024v1 公告类型：新 摘要：大型语言模型现在可以编写软件、起草法律文件并生成临床记录，但从图灵和阿罗到“没有免费午餐定理”的基本限制决定了计算的功能。本文将这种出于好奇心的不可能结果转化为设计规则。其旗舰结果证明了仅由架构设定的准确性上限：超过了关键的推理深度，无论在任何适配器等级、样本大小或损失函数下，再多的训练也无法改变它。该确定性范围可在部署之前根据层数和嵌入宽度进行计算，在 12 个变压器架构中的十九到三十一个之间进行测量，并且对最佳长度迹线的微调可恢复到四个百分点以下。该机制是残余流的容量不变性，并且信息论转换产生超越地平线的超指数精度衰减。针对恒定深度素数模电路的模幂运算的无条件电路复杂度下界补充了这一结果。同样的论点在各个子领域中得到了重新诠释：任何错误指定的模型下的偏好学习都会在样本复杂性上不连续地跳跃；多阶段检索管道至少需要与阶段一样多的独立指标；对于具有即时依赖估值的代理来说，标准的真实拍卖会失败；神经推理的零知识验证为每个非线性激活支付一百一十到一百九十次的测量开销。这些一起形成了十六个规范的目录，每个配对都有一个可计算的边界、一个量化的违规成本和一个建设性的设计规则：两个组合被证明，一个配对是诚实的障碍，四个配对保持开放。不可能规范方法是为可信赖的人工智能可能需要的生成研究项目提供的。人工智能的每一个基本限制也是一个设计规则。