Adaptive AI Delegation under Uncertainty: A Bayesian Governance Policy for Sequential Decision Authority
创建于 更新于
摘要
本研究将 AI 治理问题从单纯预测转向对权威分配的动态优化，提出一个以贝叶斯为基础的治理感知POMDP框架，用以在证据质量、不确定性和机构目标演变时，持续动态调整 AI 推荐的决策权限。通过合成压力测试、预测精度验证和历史市场回放，验证该治理策略在不同 AI 质量情境下的鲁棒性、可解释性与可操作性，且在与五种基准治理机制对比中展现出更强的一般化能力和稳健性。 [page::0]
