干预复杂度作为标准奖励与智能的度量

Legg-Hutter 普遍智能度量提供了对一般智能的严格标量评估，将所有可计算环境下的预期奖励加权求和，权重由简单性决定。然而，该度量预设了外部指定的奖励函数，引出一个问题：奖励原语本质上是任意的，还是存在标准选择？我们提出一种新度量——干扰复杂度 (intervention complexity)，其具有五种自然属性：环境导因性、普遍性、最小性、灵敏性与成就偏好。给定资源函数 rho 编码一种归纳偏好（如程序长度、执行时间或能耗），rho-干扰复杂度是一种普遍奖励。结果产生一族由资源偏好索引的标准奖励，为 Legg-Hutter 框架提供原则性完善，无需外部规范性输入。我们进一步提出一种二维智能特征描述：代理人能力（相对于 oracle 最优的表现）与学习效率（能力随经验提升的速度）。分离定理表明，资源偏好的选择决定该度量的可计算性：动作计数 IC 可在多项式时间内可计算，而无 oracle 访问的程序长度 IC 是不可计算的，oracle 与裸 IC 之间的差距恰好量化了学习的信息论内容。我们讨论了对超级智能以及预训练通用代理的意义。