- Preuve
- Pilote public d'usage d'autorité : divulgation en 14/14 et 12/12 tests de suppression; auto-démotion en 9/9 et 8/8 essais; 0 inversion firebreak observée; test Codex séparé avec 6/19 affaiblissements d'assurance
- Preuve
- Dépôt public reproductible
- Frontière des capacités et des preuves
- Preuve de pilote; les échecs rares demandent des échantillons plus grands.
Les agents IA exécutent déjà des chaînes de travail, allouent des ressources et coordonnent d'autres agents. Ce projet évalue s'ils respectent l'autorité déléguée : agir dans le mandat et accepter les responsabilités valides.
- Preuve
- 120 épisodes; perte par confiance 0,176 contre hasard 0,191
- Preuve
- Banc d'évaluation public reproductible
- Frontière des capacités et des preuves
- Le banc teste l'allocation dans un environnement financier compact; d'autres contextes exigent validation séparée.
Dans un banc d'évaluation de 120 épisodes pour allouer la supervision, l'allocation par confiance atteint une perte 0,176 contre 0,191 pour une allocation aléatoire, un écart trop faible pour servir de signal de triage.
- Preuve
- 86,6 % de précision contextuelle après réécriture de requêtes et réordonnancement; correspondance exacte en baisse sur la partition complète de 918 requêtes
- Preuve
- Banc d'essai public d'évaluation
- Frontière des capacités et des preuves
- L'ancrage s'améliore tandis que la correspondance exacte déterministe baisse; le résultat est un arbitrage.
Banc d'essai comparant des chaînes RAG de base et réordonnées avec métriques RAGAS et SQuAD sur Mini Wikipedia. La chaîne réordonnée atteint 86,6 % de précision contextuelle, mais perd en correspondance exacte.
- Preuve
- ROC AUC 0,757 sur plus de 185 000 projets réservés au test
- Preuve
- Dépôt public d'analyse
- Frontière des capacités et des preuves
- Le modèle sert d'aide au triage; un système de décision de financement exigerait validation supplémentaire.
Modèle qui identifie les demandes DonorsChoose les plus à risque de rester sans financement, afin de diriger l'attention limitée des réviseurs vers les écoles sous-dotées. L'audit d'équité reporte des taux d'erreur inégaux par niveau de pauvreté scolaire.
- Preuve
- Six auto-vérifications de frontière contrôlent la CI : déterminisme, un plancher de texte distinct k=5, un authorizer SQL en lecture seule, du caviardage au repos, un audit chaîné par hash et un extrait sans table privée
- Preuve
- Dépôt public et reproductible
- Frontière des capacités et des preuves
- Les contrôles restent structurels plutôt que sémantiques ; le caviardage par motifs manque le texte auto-identifiant inédit, et le plancher compte du texte distinct plutôt que des personnes.
Un prototype sans dépendances publie de la structure à partir d'un jeu de données de texte libre en SQLite sans exposer les lignes brutes ni les tables de base privées. Le caviardage par motifs nettoie le texte avant stockage, un plancher de texte distinct de k=5 contrôle chaque sujet public et cellule agrégée, et l'authorizer de SQLite refuse les écritures, les tables privées et les colonnes sensibles à chaque requête.
- Preuve
- Autorisation, contraintes, vérification et reçus pour le travail exécuté par agents
- Preuve
- Système de fondateur, affirmations publiques bornées
- Frontière des capacités et des preuves
- Les visuels publics expliquent le modèle système; les affirmations de produit en production exigent des paquets de preuve séparés.
NUDG est un projet du CMU AI Venture Studio pour contrôler l'usage de ressources réelles par les agents. Il remplace l'accès large par proposition, autorisation, exécution, vérification et reçus.