NeFut Logo NeFut
EN 管理员登录

[AI学术] 受治理的推理:基于策略的前提授权超越相关性

发布于:2026-09-28 22:00 最后更新:2026-09-30 01:41
#algorithm #AI #Machine Learning

本文提出受治理的推理(Governed Deduction, GD)框架,以区分“相关性”与“授权”两类前提使用约束。核心定义为局部转移准入谓词 admit(p, τ, S),表示在状态 S 下转移 τ 是否允许使用前提 p。我们基于 RBAC 扩展的 Spider 基准,构造了 4,461 对匹配的授权样本,其中同一查询前提和策略状态分别支持被允许和被拒绝的转移。

在实验中,联合线性控制器在持出集上达到 99.19% 的准确率,但仅使用转移信息的控制器却实现 100%,暴露出角色名称的快捷路径。通过冻结、标签无关的局部角色置换消除该快捷路径后,前提/状态仅用、转移仅用以及联合线性控制器在 1,856 条持出边上均仅得到 50% 的准确率,而符号化策略 oracle 仍保持 100%。

这一负向发现表明,尽管基准实现了超越相关性的策略授权,但冻结的线性表示未能捕获其关系。因此,在评估学习到的策略敏感推理时,匹配的单向控制和泄漏审计是必不可少的。

点评

原文链接: https://arxiv.org/abs/2609.31029

[h] 返回首页