伦理超速(EHV):一种可证明确定性的、基于治理的即时编译器架构,用于自主系统

Hugging Face Daily Papers 论文

摘要

本文介绍了一种名为“伦理超速”(EHV)的架构框架,该框架结合了无冲突复制数据类型和可信执行环境,能够在自主系统中实现亚毫秒级的形式化验证,将治理延迟从天级降至常数时间。

随着自主系统在关键监管基础设施中的规模化部署,缺乏机制化、硬件根植的高频策略更新执行机制构成了基本的安全缺口。我们提出了一种名为“伦理超速”(EHV)的新型架构框架,用于在运行时对AI治理策略进行形式化验证。与引入14-30天延迟的事后审计框架(ISO/IEC 42001、NIST AI RMF)不同,EHV通过基于治理的即时编译器,将策略执行点重新定位到推理流程中。通过集成无冲突复制数据类型用于策略同步,以及在可信执行环境内使用基于纪元的证明缓存,EHV实现了亚毫秒级的形式化确定性。我们通过TLA+形式化验证证明,在系统的有界操作状态空间中,不合规的智能体行为在计算上是不可达的。我们证明了O(1)运行时执行能够消除部署速度与治理完整性之间的传统权衡,将治理延迟从O(天)降至O(1)。
查看原文
查看缓存全文

缓存时间: 2026/05/21 06:20

论文页面 - Ethical Hyper-Velocity (EHV):一种可证明确定性的、治理感知的即时编译器架构,适用于智能体系统

来源:https://huggingface.co/papers/2605.17909

摘要

一种名为 Ethical Hyper-Velocity (EHV) 的新型架构框架,通过集成无冲突复制数据类型和可信执行环境,在亚毫秒级实施策略执行,实现了 AI 治理策略的实时形式化验证。

随着自主智能体系统在受监管的关键基础设施中大规模部署,缺乏针对高频策略更新的、基于硬件的机制化执行构成了根本性的安全漏洞。我们提出了 Ethical Hyper-Velocity (https://huggingface.co/papers?q=Ethical%20Hyper-Velocity) (EHV),这是一种全新的架构框架,用于在运行时对 AI 治理策略进行形式化验证。与延迟为 14–30 天的回顾性审计框架(ISO/IEC 42001、NIST AI RMF)不同,EHV 将策略执行点 (https://huggingface.co/papers?q=Policy%20Enforcement%20Point) (PEP) 重新定位到推理管线内部,通过一种治理感知的即时 (JIT) 编译器实现。通过集成用于策略同步的无冲突复制数据类型 (https://huggingface.co/papers?q=Conflict-free%20Replicated%20Data%20Types) (CRDT) 以及在可信执行环境 (https://huggingface.co/papers?q=Trusted%20Execution%20Environments) (TEE) 内的基于周期的证明缓存 (https://huggingface.co/papers?q=Epoch-based%20Attestation%20Caching),EHV 实现了亚毫秒级形式确定性 (https://huggingface.co/papers?q=Formal%20Determinism) (SMFD)。我们通过 TLA+ 形式化验证 (https://huggingface.co/papers?q=TLA%2B%20formal%20verification) 证明了,在系统的有界运行状态空间 (https://huggingface.co/papers?q=bounded%20operating%20state%20space) 内,不规范的智能体行为在计算上是不可达的。我们证明 O(1) 运行时执行可以消除部署速度与治理完整性之间的传统权衡,将治理延迟从 O(天) 降至 O(1)。

查看 arXiv 页面 (https://arxiv.org/abs/2605.17909)查看 PDF (https://arxiv.org/pdf/2605.17909)项目页面 (https://www.riddhimohan.com/blog/ethical-hyper-velocity-ehv-compiling-governance-into-ai-inference-stack)GitHub0 (https://github.com/riddhimohansharma/ehv-runtime)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.17909)

在你的智能体中获取这篇论文:

hf papers read 2605\.17909

没有最新 CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2605.17909,即可从此页面链接。

引用本论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2605.17909,即可从此页面链接。

引用本论文的 Space0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2605.17909,即可从此页面链接。

包含本论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 中,即可从此页面链接。

相似文章