G85：AGI 能力—证据地图：把“通用”拆回可测问题

内容类型：知识整合教材（不代表已完成）
日期：2027-05-17
阶段：P3 · AGI Foundations 90
总路线：Day 265
周次节奏：知识整合 · 周一全景图
状态：教材已备；学习未完成

一句话定义

AGI 能力—证据地图把 generality、performance、learning efficiency、planning、memory、adaptation、autonomy 与 risk 画成独立但相互依赖的轴，并为每个节点标注可支持证据和外推禁区。

学习目标

1. 用多维 capability profile 代替“是否 AGI”的二元标签。
2. 区分任务表现、跨任务覆盖、新任务适应、长期行动、自主权限与部署风险。
3. 在概念图上同时标机制依赖、测量混杂、证据标签和 P4 变化。

核心知识

Performance 是在给定任务与预算上的质量；generality 是跨任务分布和结构变化的覆盖；learning efficiency 是适应新任务所需样本、反馈和计算；planning/memory 描述跨时间利用状态与预测；autonomy 描述系统在多大程度上自行设定子目标、调用工具和持续行动；risk 取决于能力、权限、环境影响和控制。一个模型可以高 performance 但低 generality，也可低 autonomy 却因被接入高权限执行器而高风险。

Skill 指一个已定义任务映射，intelligence 更关心在新问题上获得技能的效率与先验。Benchmark 广度不自动等于 generality：任务可能共享模板、训练数据或语言脚手架；长上下文演示也可能把适应工作交给人类。地图需把 pretraining、prompt、retrieval、tool、human scaffold 与 test-time compute 作为资源输入，避免把外部系统贡献全部归给模型。

机制节点可包括 search、verifier、world model、memory、continual update 和 social learning，但它们只是实现候选。会搜索不等于会建立正确目标，会记忆不等于能更新信念，会跨任务得分不等于具身 grounding。每条机制边要写失败：verifier 偏差、rollout error、memory contamination、catastrophic forgetting、协调失效。

证据用 R/E/C/H/S。R 仅指本人按固定范围复现；E 是外部实证；C 表示冲突或指标依赖；H 是可证伪但未运行；S 是远期推测。教材与计划本身不产生 R。地图上空白不是缺陷，而是显示当前没有足够证据。

机制与推导

能力 profile 可写为条件函数而非标量：

Capability = f(task_distribution, prior_data, adaptation_budget, tools, time, human_scaffold)

若坚持向量，可用：

P=[perf_IID, perf_OOD, sample_efficiency, compute_efficiency, horizon, calibration, autonomy_scope]

风险另写：Risk=f(P, permission, exposure, reversibility, control_coverage)，不能把能力向量加权后直接称风险。

概念图有三类边：mechanism edge（memory 支持 partial observability 下的 belief）、measurement edge（exact match 把连续改进转成阈值跃迁）、control edge（permission 限制 autonomy 的后果）。每条边附一个 intervention：移除 memory、改变 metric、收紧 permission 后，哪些观察应变化。无法写干预的边先标为叙事连接。

P4 桥接应标“变量换义”：文本 history 变成带时间戳传感器序列，action token 变成连续控制，tool permission 变成 actuator/workspace 约束，world model error 通过动力学累积为物理偏差。

最小练习或观察步骤

1. 画八个能力轴，每轴写定义、一个指标、一个混杂和一个不能推出的结论。
2. 加入 search、verifier、world model、memory、continual、control 六个机制节点，只画有因果含义的边。
3. 给五条边各写一个最小干预，并标证据为 R/E/C/H/S。
4. 用两种假想系统比较 profile：固定 benchmark 高分模型与低分但能少样本适应的 agent；不强行决定谁“更 AGI”。
5. 用不同颜色标出 P4 会改变的节点，并写连续时间/物理后果如何改变测量。

常见误区与边界

• 把多个轴平均成一个 AGI 分数，隐藏价值权重与补偿关系。
• 任务数量多就称 generality，未检查共享模板、污染和脚手架。
• 将规划、工具调用或长程 demo 单独升级为 AGI 证据。
• 把 autonomy 当模型固有属性，忽略部署权限由系统赋予。
• 地图完整就称掌握；它只是当前问题结构，不是能力证明。

研究/系统场景连接

金融 Agent 可在问答任务表现强，却对新政策适应慢；也可能建议能力一般但被授予交易权限后风险高。能力与权限必须分别建模。Web3 签名使动作不可逆，更强调 human confirmation。P4 中同一 profile 需增加 state-estimation uncertainty、control frequency、tracking error、collision severity 与 emergency-stop coverage。

自检问题

1. Generality 与 learning efficiency 怎样在同一系统中方向相反？
2. Autonomy 为什么不是仅由模型参数决定？
3. 哪类边没有干预时只能算叙事连接？
4. P4 会使哪个能力指标最先失真？

专业课程对齐

• Levels of AGI：用 performance、generality 与 autonomy 的操作化框架校准多维地图，不采纳为单一标准或时间表。
• On the Measure of Intelligence：聚焦 skill-acquisition efficiency、任务先验与泛化难度，检查 benchmark 数量为何不足。
• A Generalist Agent — Gato：将多模态多任务表现作为外部案例，区分 generalist behavior 与无限定 general intelligence。

深入学习提示

地图上每增加一个“智能”词，就要求写一个对照系统和一个反例。若两个系统在该定义下无法排序，保留多维 profile；不可比本身可能比武断总分更接近事实。

学后填写区

• 八轴 capability profile：
• 五条因果边与干预：
• 证据标签分布：
• 最大测量混杂：
• P4 变量换义：