摘要：将运行时框架作为唯一可变表面：信贷流水线中 LLM 智能体的合规约束自我演化，并附带一个经过度量的准入闸门
自我改进的 LLM 智能体可以适应规则变化后的信贷流水线，但一个重写自身的智能体会破坏监督者所审查的产物：一项具名变更、一次有记录的测试、一次批准。我们认为，只有当自我演化被限制在运行时框架（指令文本、工具调用逻辑和原语组合）之内，而模型权重保持固定时，它才是可审查的，这样每一次适应都是一个带有原因和附带测试的 diff。我们给出了一个建立在该边界之上的双环引擎，其中有一个准入闸门会在部署前写入哈希链式记录，并且我们在仿真中度量了该闸门，使用的是模拟智能体和种子搜索提议器，而非语言模型。在三个严重级别下的三个监督重解释族中，每个族 10 个种子，带闸门的环路在 7,449 个候选变更中接纳了 144 个，其中没有一个在留出历史上使错误恶化，并且在每一个低和中等严重级别的单元中，将假阳性率恢复到 oracle 水平，同时没有提高漏报标志。当闸门被替换为无界系统所采用的检查（近期轨迹中可见的错误更少）时，同样的环路接纳了 309 个有害变更，并在 90 次运行中的 49 次里使漏报标志高于 10%：假阳性下降是因为筛选被放松了。在偏移前标签上评估时，闸门拒绝了每一个候选，因此一次重解释必须被编码为一条重新标注历史的规则。参数性和范围性偏移被局部修复，结构性偏移只能通过原语替换来修复；在最高结构严重级别下，闸门固定的容差在一半种子中阻止了正确的替换。我们将这些机制映射到 EU AI Act 中关于高风险信用评分的条款，并指出 2026 年 4 月的美国模型风险指南将智能体式 AI 排除在其范围之外。