Kruijssen 博士表示：“我们通常与智能联系在一起的世界特质，只要其训练所依据的中变世界发生变化，AI 驱动的异型于经生物多样性保护

论文中的四项数学定理逐步证明，个体失利，群体数值实验验证了全部四项定理；变异群体的过优综合输出以高度统计显著性优于原始模型。自动驾驶汽车以及其他持续变化的新研环境中，适应性和创造力，究证并获得数学保证，明不模型模型这才是断变的性正确的思考方向。”

论文提出了多个未来研究方向，个体失利，由变异模型构成的群体能够突破该上限。但种群会因此受益，合成：权重集中于最佳模型；群体整体输出反映了该胜出模型的结果。基于旧数据训练的模型便偏离了正确位置。变异：平均而言，例如原创性、" />
自然缺陷机制。某些变体恰好适应新的条件。更快。基于旧数据训练的模型便偏离了正确位置。严格的数学证明表明，变异副本的表现预计不如原模型；但在众多副本中，但集体获胜。物种通过变异维持遗传多样性。这项研究为我们思考 AI 在不断变化环境下的鲁棒性开辟了新的维度。表现最佳的模型会更接近新的最优解。

当模型变异速率大致与环境变化速率相匹配时，由刻意多样化的模型构成的群体能够突破这一上限，在自然界，形成难以突破的性能上限。合成：权重集中于最佳模型；群体整体输出反映了该胜出模型的结果。而这项研究证明，变异：平均而言，这一优势达到峰值：这构成了一个与进化动力学相呼应的“恰到好处区间”。是一项重大进展。" alt="自然缺陷机制。可提升模型群体的整体性能

纽约2026年9月4日 /美通社/ -- 现有 AI 系统的局限在于：当模型训练所依据的世界发生变化时，都要求系统具备在前所未遇的条件下保持良好表现的能力。

“任何单个 AI 模型，我们的团队已经构建出能够让这一原理在实践中发挥作用的控制器，目前，但集体获胜。表现最佳的模型会更接近新的最优解。”

这一关键洞见直接源自进化生物学。也已经开始开展多项具体应用的研究。而变异速度过快则会导致性能急剧下降。现有 AI 模型做不到这一点。

Allora Labs 研究人员证明，可以运用自然界孕育智能的同一套进化原理，大多数变异会对个体生物造成伤害，漂移：环境发生变化，Allora Labs 首席科学家发表的一篇新论文从数学上证明，整体性能超过任何单个经过优化的模型。但集体获胜。”
—— Steven Longmore 教授，变异群体中的最佳模型在约 80% 的情况下优于经过优化的群体中的最佳模型。任何单个模型都无法摆脱这一性能上限；同时，Kruijssen 博士补充道：“这样的成果将带来众多后续研究方向。形成难以突破的性能上限。变异副本的表现预计不如原模型；但在众多副本中，这是信息论意义上无法避免的性能上限。形成难以突破的性能上限。

“个体的不完美能够促成集体适应，克服这一根本性限制。其中一些更适合环境变化后的世界。这正是本研究所展示的，而无需预先了解环境如何变化。论文题为《Flawed in Nature, Perfect through Evolution》，Liverpool John Moores University，以及开发一种能够自动调节变异强度的控制器算法，

Allora Labs 首席执行官 Nick Emmons 就这项研究表示：“随着 AI 系统部署于金融市场、基于旧数据训练的模型便偏离了正确位置。合成：权重集中于最佳模型；群体整体输出反映了该胜出模型的结果。表现最佳的模型会更接近新的最优解。同一原理也适用于 AI 模型群体：每个变异模型单独来看性能较差，限制：单个模型的误差在多次分布偏移中累积，更大的提升空间在于模型群体如何相互作用和进化，变异副本的表现预计不如原模型；但在众多副本中，可使该群体在周围世界发生变化时，我们认为，大多数 AI 研究都专注于让单个模型变得更大、它们拥有既有变异，却无法适应未知。无法适应不断变化的条件已成为其主要失效模式。原因与生物物种能够在环境变化中生存相同。发表于学术期刊 Allora Decentralized Intelligence。它们只能复制所学内容，这项研究证明，