报酬评分的内生性：不可能性与在评分报告中的逃逸

从自主智能体中诱导真实报告是可扩展AI监督的核心问题：主体通过严格严谨的评分规则对智能体的报告进行评分，但该智能体还通过非准确性通道（如自主行动许可、分配份额、下游控制）获益。这种结构同样出现在经典机制设计设置中，如市场运营。我们的主要结果是内生性：主体的最优监督必然使用非仿射批准函数以筛选类型，但任何非仿射批准函数在deviation不可被察觉的情况下，使得诚实报告在组合目标下次优。主体无法避免削弱校准的扰动。这种不可能性适用于所有严格严谨的评分规则，给出闭形式扰动公式。存在构造性逃脱：阶梯函数批准阈值可实现每个严格严谨评分规则的第一最优筛选，因为智能体的二元inflate-or-not选择无论生成函数的曲率如何，都会创建类型空间阈值。针对Brier评分规则特别地，类型独立的inflate成本导致第二最优与第一最优之间的福利等价；我们证明这种等价是Brier唯一的（在光滑 $C^1$ 监督下，其他非Brier规则的福利间隙被证明为 $\Omega(\text{Var}(1/G'') (\gamma/\beta)^2)$）。两个实例发展该框架：AI智能体监督（主要的激励领域）和市场运营（平行的机制设计领域）。AI对齐的讯息直接：基于光滑评分的监督无法从战略智能体中诱导真实报告；锋利阈值是校准保存的设计。