نشرت Anthropic بحثًا حول الاستدلال القابل للإثبات للنماذج اللغوية الكبيرة، وفقًا لتغطية تتبعها الاستوديو. هذا الاتجاه مهم لهندسة الوكلاء لأن التزام الإثبات أثرٌ مختلف عن التقييم: حدٌّ يُعلن مسبقًا ويُتحقق منه مقابل النموذج، بدلًا من درجة تُحسب بعد وقوع الأمر. وإذا صحّ ذلك، فقد تُكتب ضمانات الوكلاء المنشورة كقيود قابلة للتحقق بدلًا من مجموعات اختبار قائمة على العتبات.
الصورة ليست محسومة. فثمة ورقة منفصلة من SUSTech ترى أنه لا توجد خوارزمية قادرة على إثبات أن وكلاء الذكاء الاصطناعي يحافظون على أهدافهم، ما يضع حدًّا لما يمكن لأي طبقة إثبات أن تعد به بشأن الالتزام بالأهداف. وقراءة النتيجتين معًا تشير إلى انقسام بين خصائص قد تصبح قابلة للإثبات وخصائص تبقى غير قابلة للحسم في الحالة العامة. وعلى الفرق التي تحدد ضمانات الوكلاء أن تبيّن الفئة التي يقع فيها كل متطلب.
كما حذّرت Anthropic من أنها قريبة من قدرة التحسين الذاتي التكراري. ويلاحظ الاستوديو أن التغطية لا تقدّم الأساس التقني لهذا التحذير، ولا نطاق نتائج الاستدلال القابل للإثبات، ولا فئات النماذج والافتراضات المعنية. الواضح أن طبقة المواصفات لأنظمة الوكلاء تُجذب في اتجاهين في آن واحد: نحو الحدود الصورية، ونحو الإقرار الصريح بما لا يمكن إثباته. ويتابع الاستوديو هذين المسارين كمدخلات لكيفية هيكلة التقييم والضمان لعمليات نشر الوكلاء.