从提案到验证效果：Praxa，用于受控 AI 代理执行的证据绑定工具

arXiv:2610.00015v1 公告类型：新 摘要：大语言模型代理可以提议并执行操作，但提议、授权、调度、验证的外部效果和服务推广是不同的主张。我们提出了 Praxa，这是一种代理工具，它通过确定性准入、代理执行、外部回读、协调和审查提升来明确代表这些状态。我们报告了四个证据通道。首先，作者在固定修订版上运行的存储库本地审计通过了 1,027/1,027 个单元测试和 89/89 个 Workerd 测试，检测了所有 363 个预期源文件，并满足了四个覆盖范围；原始的每次测试成绩单和独立复制不可用。其次，在提供商支持的 Terminal-Bench Core 0.1.1 试点中，涉及 12 个策划任务，基线和可靠性层臂均通过了 17/36 的严格试验。可靠性层使用了 37.49% 的输入和 50.73% 的输出令牌，因此该试点不支持优越性。第三，在调试后、二阶协调代理开发比较中，基线和源编写的候选者各自完成了 180/180 次试验，具有相同的测量精度、完全密封的崩溃恢复和零受保护违规。候选人使用的令牌减少了 37.11%，估计端点成本降低了 33.84%，步骤减少了 11.63%；这并不能改善质量、延迟或生产行为。第四，部署的源/配置证据显示有限的反射、召回核算、内存编译和工具健康路径，但没有生产成果提升。 Praxa 的支持贡献是一个有证据支持的架构，它使权威到效果的转换变得明确且可测试。目前的证据并未建立对抗性安全、生产安全、一般专家优势、自主递归优化或用户利益。