量子科技中心_量科网

该团队提出了一种将算法随机性与可交换置信度相结合的理论框架，以解决概率哲学和科学哲学中的基础性问题。为展示其效能，该研究团队演示了如何通过该框架无循环地推导“核心原则”——即理性置信度应与已知客观概率相匹配的规范。该推导整合了德菲内蒂的可交换性理论、马丁-洛夫随机性、刘易斯与斯凯姆斯的概率-置信度规范，以及统计约束法则（arXiv:2303.1411）。将历史约束于算法随机序列的法则，与编码归纳对称性的可交换置信度天然契合。借助德菲内蒂表示定理，该团队证明这种契合可直接推出该框架的核心原则。研究者将证明推广至部分可交换性，并提供了在无限极限下趋零的有限历史边界。核心原则由此显现为法则性约束与归纳学习相一致的数学结果。这项工作揭示了算法随机性与可交换性如何阐明关于概率、频率和理性信念的基础性问题。