趣味性作为未来压缩进步的归纳启发式

通往递归自改进系统的关键瓶颈之一是“趣味性”挑战，即前瞻性地识别哪些任务或数据蕴含未来进步潜力。本文形式化定义趣味性为未来压缩进步的归纳启发式，并利用柯尔莫哥洛夫复杂度和算法统计工具研究其可预测性。通过分析不同先验下的复杂度 - 运行时剖面，证明了过去进步信号未来发现的归纳属性在理论与实证上均可行。研究证实预期未来进步指数级依赖于最近突破的时间，且算法先验比长度先验更乐观，能带来二次方增长的预期发现。