概率推論

速報

新框架利用分佈式魯棒最佳化加強 AI 代理人安全政策驗證

在數位環境日益複雜的情境下，確保 AI 代理人的安全已成為迫切需求。傳統的執行時監控多以 Datalog 形式的確定性政策為基礎，無法處理具備失敗機率的模糊判斷或狀態轉換。研究團隊提出一套基於分佈式魯棒最佳化的驗證框架，能在不假設預測子獨立性的前提下，計算政策違規機率的上界。