论文位置：面向网络-物理系统的可证明状态完整性 —— 为解决塑性-稳定性悖论为模块主权而言
人工智能
2026-01-30 v1 机器学习
摘要
机器学习社区通过通用基础模型取得了在时间序列和物理动力学上的显著成功，主要通过规模和专用架构克服了平滑或缓变区间的早期近似瓶颈。然而，将这些单一模型部署到受非平稳生命周期动力学和严格可靠性要求支配的安全关键网络-物理系统 (CPS) 中，暴露了持续的挑战。最近的证据表明，对时间序列基础模型进行微调会导致灾难性遗忘，导致对先前区间的性能下降。标准模型仍然存在残余频谱偏置，平滑化特征于初发故障相关的高频不连续性，而其不透明性阻碍了满足安全标准（如 ISO 26262、IEC 61508）所需的形式化验证和可追溯性。本position论文认为，塑性-稳定性悖论无法通过全局参数更新（无论是离线微调还是在线适应）完全解决。相反，我们主张模块主权范式：一组�凑、冻结的、针对特定区间的专家组成的库，通过不确定性感知融合进行组合，我们称之为"HYDRA"（层次化不确定性感知动力学快速适应系统）。该范式确保了区间条件的有效性，对 aleatoric 与 epistemic 不确定性实现了严格的解耦，并提供模块化可审计性，为跨越 CPS 生命周期的可证明鲁棒状态完整性提供了路径。
引用
@article{arxiv.2601.21249,
title = {Position: Certifiable State Integrity in Cyber-Physical Systems -- Why Modular Sovereignty Solves the Plasticity-Stability Paradox},
author = {Enzo Nicolás Spotorno and Antônio Augusto Medeiros Fröhlich},
journal= {arXiv preprint arXiv:2601.21249},
year = {2026}
}
备注
14 pages, (8 main text, 6 references and appendices), 2 figures