面向AI中介的确定性动作级证明
摘要
开发了一种针对AI中介的确定性动作级证明架构,并在与微软工程团队的讨论中得到了验证。作者正在为该软件架构寻找投资者或合作伙伴。
我开发了一种软件架构,旨在为AI中介保护提供确定性动作级证明、执行时重新验证以及独立于日志的证据。问题已从AI能否提供正确答案或回应,转变为能否信任AI并验证其行为。该架构近期在微软工程团队的一次技术交流中被讨论——该团队正是2026年4月2日发布的微软AI代理治理工具包的构建者。与一位首席工程经理和一位高级软件工程师的讨论,帮助验证了该架构,并指出了当前AI治理护栏中的空白。我正在寻找潜在的投资者、授权方或合作伙伴;仅接受认真咨询。必要时可提供与微软互动的相关文档。我自2025年起持续从事此项工作。
相似文章
治理行动,而非智能体:将机构认证作为自主AI系统的治理模型
本文提出了一种基于机构认证的自主AI智能体治理模型,其中行动通过独立认证的证据进行治理,而非监控智能体推理。该模型通过概念验证实现进行了形式化,适用于临床处方和软件部署等高风险行动。
CAVA:面向智能体AI系统运行时治理的规范动作验证与证明
本文提出了规范动作验证与证明(CAVA),这是一种运行时语义层,将异构智能体活动转换为用于治理的规范运行时动作对象,从而在多样化的AI执行环境中实现一致的审批绑定、凭证可再现性和策略执行。
面向企业AI智能体的部署前保障:基于本体论的仿真与信任认证
研究人员提出了一种基于本体论的企业AI智能体部署前验证框架,结合了智能体操作包络、自动化场景生成以及可机器验证的信任证书与分级部署判定。在四个受监管行业开展的试点研究共生成1,800个测试场景,结果显示基于本体论的生成方法在监管覆盖率上显著优于基于角色的基线方法。
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。
面向受监管行业的智能体AI的不同方法 - 问题探讨
总结了一种确定性的、基于约束的方法,用于在受监管金融领域构建AI智能体,其中LLM仅生成散文,数字通过加密方式密封,并通过分层结构确保可审计性。