Nous：在数据源校准前学习与认证记忆决策

研究提出 Nous 框架，证明基于信念的智能体记忆无需先完成数据源校准即可学习并认证决策改进。在隐马尔可夫模型族中，学习与认证决策仅需 O(l^-2) 记录量，比固定精度源估计所需的 Theta(l^-4) 实现二次方级减少。在 45,000 个历史和 MiniGrid 环境 9,000 个回合测试中，新证书分别接受了 9/9 相对常数基线及 4/9 相对 last-write-wins 的改进。