SGM: Статистическая машина управления рисками для рекурсивной саморедактирования

arXiv:2510.1032v2 Annuales Type: заменить перекрестное резюме: Рекурсивная саморедакция становится все более центральным элементом в системе AutoML, поиска нейронной архитектуры и адаптивной оптимизации, однако ни одна из существующих рамок не обеспечивает безопасного внесения таких изменений. Машины Godel обеспечивают принципиальную защиту, требуя формальных доказательств улучшения перед переписанием кода; однако такие доказательства недоступны в стохастических и высокомерных параметрах. Мы введем систему статистической годельной техники (SGM), которая является первым уровнем статистической безопасности для рекурсивного редактирования. SGM заменяет требования, основанные на доказательствах, статистическими тестами достоверности (электронные значения, границы Hoeffding), допуская модификацию только в том случае, когда превосходство сертифицировано на выбранном уровне доверия, и одновременно распределяя глобальный бюджет ошибок для увязки совокупного риска между циклами. Мы также предлагаем подтвердить гармонические расходы (CTHS), которые индексируют затраты не раундов, а событий подтверждения, сосредоточив бюджет погрешности на перспективных редактированиях при предвидении.