一种具有因果保证的高效小型智能体评估计算理论
人工智能
2025-05-19 v5 机器学习
统计理论
机器学习
统计理论
摘要
为降低智能体实验评估的成本,我们引入了针对小型智能体(mini agents)的评估计算理论:构建评估模型以加速评估过程。我们证明了针对无穷多智能体的给定评估模型的广义误差与广义因果效应误差的上界。我们还证明了由预测得到的从已部署智能体到评估指标的因果效应估计的效率性与一致性。为学习评估模型,我们提出了一种元学习器以处理异质智能体空间问题。与现有评估方法相比,我们的(条件)评估模型在 12 个场景(包括个体医疗、科学仿真、社会实验、商业活动与量子交易)中,将评估误差降低了 24.1% 至 99.0%。相较于实验或仿真,每个对象的评估时间减少了 3 至 7 个数量级。
引用
@article{arxiv.2503.21138,
title = {A Computational Theory for Efficient Mini Agent Evaluation with Causal Guarantees},
author = {Hedong Yan},
journal= {arXiv preprint arXiv:2503.21138},
year = {2025}
}