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
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。
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
受监管环境中代理工作流的AI治理:生产环境中真正有效的方法是什么?
关于在高度监管环境中设计AI代理系统的讨论,重点关注误报挑战以及如何在不增加认知负荷的情况下向用户呈现模型置信度。
可验证的智能体基础设施:面向主权AI系统的基于证明的授权机制
本文提出了一种分布式信任框架(DTF),用于自主AI代理系统中的可验证、基于证明的授权,通过要求提供理由证明和共识执行来应对以身份为中心的权限所带来的风险。
设计治理:构建面向组织学习与可扩展自主性的代理型人工智能
本文通过对一家大型IT服务公司2025年开发和部署代理型AI系统的定性案例研究,提炼出七条经验,旨在将治理嵌入系统架构与运营中,以平衡自主性与问责制。
运行时治理:2026年AI代理缺失的一环
文章讨论了AI代理运行时治理的必要性,以平衡自主性与合规性,并介绍了SAFi——一个开源框架,可实时执行策略并审计操作。
本体知识块:可执行合规性与基于配置文件的验证用于可信AI系统
本文介绍了本体知识块(OKBs),这是一种可编程治理基础设施,将监管义务编译为机器可检查的约束条件,用于可信AI系统,并在HPC资源分配中进行了原型评估。