Naukowcy z arXiv opracowali teorię weryfikacji dla systemów agentic AI, które mogą się samodzielnie ulepszać przez wydłużenie procesu wyszukiwania, otrzymanie dodatkowego wsparcia lub zmianę metody proponowania i weryfikacji wyników. Ich praca formalizuje te mechanizmy poprzez koncepcję bounded verification z ukrytą terminalną losowością, definiując etapy o określonych transkryptach, ograniczeniach wielomianowych i zmiennych protokołach weryfikacji.
Za pomocą ścisłej analizy matematycznej zespół wykazał, że niezależna amplifikacja większościowa zachowuje określone klasy języków w obu wariantach - native reach i closure frontier. Jednak egzystencjalna akceptacja nad losowymi sekwencjami może prowadzić do zaakceptowania nieprawidłowych wyników. W szczególnym przypadku dokładnej weryfikacji bez losowości badacze udowodnili placement i completeness results. Klasy randomizowanych weryfikatorów spełniają relację Σk(P) ⊆ Σk(RV) ⊆ Σk+1(P).
Praca ma znaczenie dla zrozumienia teoretycznych limitów samouprawiającego się AI. Wynika z niej, że rekurencyjne self-improvement, gdy ma ustalone granice, wspólny interpreter i protokół weryfikacji, pozostaje w tej samej klasie weryfikacyjnej. To sugeruje, że nawet systemy zdolne do ciągłego ulepszania nie mogą arbitralnie przeskakiwać poza swoją początkową klasę złożoności obliczeniowej bez zewnętrznych zmian w mechanizmach wsparcia.