自由生成，谨慎行动：用于递归 LLM-Agent 树的渐进式风险归属

递归 LLM 代理可以通过生成专门分支来扩展其搜索。一些分支随后会请求发送数据或部署代码的工具。一个分支应在何时获得行动权限？我们区分沙箱式生成，在这种情况下外部控制会阻止所指定的损害；以及能力激活，在这种情况下，被选中的分支跨过不可逆行动边界。渐进式风险归属（PRV）将轨迹级风险预算作为托管资金保留，并在分支被激活时进行扣减。我们证明了适应性生成树的任意时刻损害上界。分支结果可能彼此依赖，但每个局部证书都需要在完整的激活前历史条件下保持有效，包括用于选择请求的信息。当激活门、分支计费和计算约束保持固定时，延迟归属保留了在不可撤销的生成计费下可用的每一种策略。边际风险估计在分支选择后仍可能失效。在一个风格化的分支模型中，随着授权再生产数 $\mathcal{R}_A$ 穿越 1，轨迹损害发生变化。当局部风险 $p$ 逼近 0 时，轨迹损害在临界点以下与 $p$ 成正比，在临界点处与 $\sqrt{p}$ 成正比，在临界点以上则保留一个正下界。一个有限类型占用模型给出了风险和计算的影子价格。对于每单位风险的边际价值递减的嵌套扇出模式，这些价格产生一个阈值规则。分支计算和一个分样本实验展示了这些结果。这些合成研究并未估计已部署代理的安全性。该分析提出了一条设计规则：在沙箱中广泛搜索，并谨慎授予递归权限，同时设置明确的风险收费。