Goodhart 抗性

深度分析

封閉審計框架中的簽名壓縮進步：理論證明與實驗驗證

研究指出，若以固定封閉審計損失作為壓縮進步的簽名獎勵，累積獎勵會精確等於審計損失的端點下降，因而在有限審計樣本下仍保有2Δₙ的容錯上限。此結果證明壓縮進步在適當測量框架下具備Goodhart抗性。相較於預測誤差好奇心，此法避免噪聲電視問題，提供可靠的持續學習度量，預期影響AI自我改進與安全設計方向。