有能力的智能体必须知道什么：不确定性下鲁棒决策的选择定理

随着人工智能体能力增强，其在不确定性下胜任行动所需的内部结构是什么？经典结果仅表明最优控制可用信念状态实现，未证明其必要性。本文证明了定量“选择定理”：若在结构化预测任务中平均遗憾值较低，则迫使智能体实现预测性结构化内部状态。结果涵盖随机策略、部分可观测性及任务分布评估，无需假设最优性或确定性。技术上，通过将预测建模简化为二元“博弈”决策，表明遗憾界限限制了次优博弈的概率质量，从而强制形成区分高边际结果所需的预测性区分。在完全观测环境下可近似恢复干预转移核；在部分观测环境下则揭示了类信念记忆和预测状态的必要性。