负责任的代理 AI 要求显式来源

代理 AI 正在跨越 diverse real-world 领域，如软件工程，但 public trust（公众信任）未能跟上。中心原因在于，尽管责任广受讨论，但仍是主观且不可强制的概念，因当前代理框架未产生可量化、可追溯且可干预的 provenance 以在 harm（伤害）从由 single party（单方）设计的 compositions（构件）中出现时进行分配。我们认为所缺失的不是更好的 benchmark 级别评估，而是 **explicit provenance**（显式来源），这正是使责任可计算且可操作的唯一依据。我们沿四个轴推进这一议程：通过识别 sociotechnical 维度上的责任缺口，阐明 **why** 如此 provenance 是结构性必需性；通过因果归因函数和 responsibility tensor（责任张量）形式化 **what** 必须编码；讨论 **how** 如何在四个 lifecycle 层面上实现可计算性，并通过 preliminary 实验表明 provenance 可在不可逆 harm（伤害）积累前被 online 估计和干预；以及审查 **who** 承担责任——通过具体的 agentic incident（代理事件）进行说明。显式 provenance 并非可有可无的精炼，而是负责任代理 AI 的必要条件，its ecosystem 中的任何 stakeholder（利益相关者）都不能将其视为可选。