Parent-Guided Adaptive Reliability（PGAR）：面向稳定可信 AI 的行为元学习框架

Anshum Rankawat

Parent-Guided Adaptive Reliability（PGAR）：面向稳定可信 AI 的行为元学习框架

机器学习 2026-01-13 v1 人工智能

作者: Anshum Rankawat

摘要

Parent-Guided Adaptive Reliability（PGAR）是一个轻量级行为元学习框架，在标准学习器之上添加一个超级监督“父层”，以提高稳定性、校准性和在干扰下的恢复能力。PGAR 计算三个 reflex 级信号（事件检测、过度自信校正和恢复记忆），并融合为 [0,1] 范围内的受限可靠性指数。该指数持续调节学习器的有效学习率，在不稳定时减少更新幅度，随可靠性改善而恢复。我们提供了一个基于 Lyapunov 的论证草案，建立了在温和假设（光滑损失、下降方向、受限 reflex 输出）下的可靠性动力学的有界适应性。经典学习任务的经验评估显示，PGAR 在校准、损失方差和恢复速度方面均优于标准优化器，同时保持计算简单性。PGAR 可作为现有优化和学习管线的即插即用可靠性层，支持安全相关场景中可解释的可靠性轨迹。

关键词

元学习可靠性行为适应 Lyapunov 稳定性校准

引用

@article{arxiv.2601.06167,
  title  = {Parent-Guided Adaptive Reliability (PGAR): A Behavioural Meta-Learning Framework for Stable and Trustworthy AI},
  author = {Anshum Rankawat},
  journal= {arXiv preprint arXiv:2601.06167},
  year   = {2026}
}

备注

9 pages, 8 figures, 2 tables. Submitted to IEEE Transactions on Artificial Intelligence

Parent-Guided Adaptive Reliability（PGAR）：面向稳定可信 AI 的行为元学习框架

摘要

关键词

引用

备注

相关论文