面向机构人工智能的受治理推理

针对监管合规等机构决策场景，通用代理架构存在隐性错误风险。本文提出“认知核心”，一种受治理的决策基底，包含九类 typed 认知原语及四层治理模型，将人工审查作为执行前提而非事后检查，并内置防篡改审计账本。实验表明，该系统在预先授权申诉评估中准确率达 91%，且消除了所有隐性错误。文章引入“可治理性”作为核心评估指标，强调系统识别何时不应自主行动的能力，并通过配置驱动模型降低部署门槛。