选择少数鲁棒算法或调度往往需要在众多不利情景下评估所有候选，尽管代理只需找出获胜者。预测器可以给出可能的获胜者，却无法排除未评估情景中的意外。我们提出 Certified Adaptive Selection (CAS)，它在剩余不确定性不足以改变结果时立即返回精确的 top‑$k$ 集合。CAS 对期望短缺（Expected Shortfall, ES）保持严格的下界和上界，ES 是最坏情景下的平均损失。停止判定比较当前可接受的最差已选候选与可接受的最佳未选候选；在信息互不相交的笛卡尔区间中，这一单刀测试既是必要也是充分的。预测的作用仅在于决定下一个评估的情景，永不授权决策本身。对于单位成本的精确 ES 查询，我们在多项式时间内计算出事后能够证明已作决定的最少评估次数。基于预测的代理 CAS‑PG 对任意预测器（包括对抗性预测器）都保持精确。实验在两个公开的算法选择矩阵上，CAS‑PG 只用了 630/3150 和 981/2200 次回放查询，即分别为事后最小次数的 $1.14$ 和 $1.18$ 倍。若仅使用对话记录而无历史结果，其变体分别需要 $1.28$ 和 $1.37$ 倍，仍优于已测试的非预测认证策略。另有一种无需预测的 CAS 策略在合成能源调度任务中避免了 $93.0\%$ 的精确追溯求解。一个证书即可支撑多种获取策略，并可独立证明风险/成本扩展：预测改变工作量，而非被证明的选择。
点评