AI 服务的随时合约

arXiv:2610.22781v1 公告类型：cross 摘要：AI 服务容易产生道德风险，因为模型提供商可能在不被察觉的情况下，将请求转发给更便宜、质量更低的模型，而模型输出固有的随机性又使这种降级难以检测。合同理论通过设计奖励高质量输出并防止策略性收费过高的支付规则来应对道德风险。然而，现有框架假设交互持续固定时长，而 AI 服务通常通过订阅和按使用量付费的 API 提供，用户可以根据观察到的性能随时终止服务。我们表明，这种灵活性可能破坏标准合同，使其容易遭到提供商或用户一方的滥用。为此，我们扩展合同理论，以考虑未知的退出规则。我们将该问题形式化为委托—代理博弈，并证明在这一设定下，预算最优合同与基于似然比 e-values 的随时有效假设检验成正比。我们给出了一种计算随时合约的高效算法，并展示了在模型未知时如何使用 betting e-processes 对其进行近似。最后，我们在合成数据和已部署 LLM 的数据上评估了我们的研究结果。