从检查表到聚类：AGI评估的稳态视角

当代AGI评估报告多领域能力轮廓，但通常赋予对称权重且依赖快照分数。这导致两个问题：(i)等权重处理将所有领域视为同样重要，而人类智力研究表明不同；(ii)快照测试无法区分持久能力与在延迟或压力下崩溃的脆弱性能。我认为，人类乃至机器的通用智力更应作为稳态属性聚类来理解：一组能力及维持这些能力在扰动下共存的机制。据此，AGI评估应按领域的因果中心性（对聚类稳定性贡献）加权，并要求跨会话的持久性证据。我提出两种兼容测试的扩展方案：引入CHC衍生权重的中心性先验得分及透明敏感性分析，以及区分轮廓持久性、持久学习与错误纠正的聚类稳定性指数体系。这些 Addition既保留多领域广度，又降低脆弱性和作弊风险。最后给出可测试的预测与无需架构访问的黑盒测试协议。