《制度窗口:合同法如何约束生成式AI下人类后备能力的责任信号》复现包(v1.3.1.1)
核心概要
该复现包为Bauer(2026)的论文提供完整可验证材料:论文研究当生成式AI使产出本身不再具有信息量时,责任承诺何时仍能证明提供方保留了人类后备能力,并用四项法律原语把公布的责任上限与约定赔偿条款映射为留存风险,给出低类型在零处混同、中间类型在锚定于F的日程上分离、高类型可能在顶棚处混同的消息集合{0}∪[F,C],以及在法律移除零风险区间时分离从最低类型开始的结果。
深度剖析
论文提出用四项法律原语(诉讼可行性、惩罚原则、向国家或赔偿池的转移、对合同上限的强制性限制)把公布的责任上限与约定赔偿条款映射为提供方的留存风险,从而刻画责任承诺的信号含义。 相对于把责任承诺视为直接信号的做法,这里把法律制度的过滤作用显式建模,说明同一份承诺在不同法律环境下对应不同的留存风险。 属于理论建模工作,原文以模型核心与精确的消息拓扑构造呈现,未报告实证估计。
在正向像连通且低于阈值的承诺仍可被接受时,留存风险的消息集合为{0}∪[F,C]:低类型在零处混同,中间类型在锚定于F的日程上分离,高类型可能在顶棚处混同;当法律移除零风险区间时,分离从最低类型开始。 给出了承诺可被接受与否如何改变均衡消息结构的条件性结论,区分了零风险区间存在与不存在两种制度情形。 由模型推导得出,复现包通过验收脚本重新推导五个职业乘十二种配置的完整网格,并检查均衡与边界条件(含达到边界的平局处理)以及完全、内部、顶棚混同与结构性零四种情形的分离。
复现包提供职业与司法辖区校准向量及其法律与实证来源、覆盖88个职业扰动与46个司法辖区扰动的稳健性引擎、Saltelli全局敏感性分析、图形代码、交互式职业乘司法辖区模拟器及其JavaScript/Python交叉校验,以及把每个报告对象对应到生成脚本的SCRIPT_TO_TABLE.md。 把论文的模型、校准、稳健性与敏感性分析连同可执行代码一并交付,使报告对象可追溯到具体生产者。 验收脚本code/verify_all.py只有在所有报告量复现时才以0退出,包括逐条报告的稳健性覆盖187/200个声明单元、因空洞遇到候选路径而未获支持并另行证明的三个英格兰规则单元、所披露的占优概率临界值,以及针对基础种子与第二种子的敏感性区块;模拟器的JavaScript核心为独立实现,在65个量上复现该包,包括全部六十个中心单元的分离区间与五个职业的h_min。
版本1.3.1取代1.2.0:执法参与中的占优概率成为公开的模块参数(默认0.50,中心数值不变),在附录B中披露并作为独立稳健性族进行压力测试并报告临界值;敏感性段落改为以种子区间而非单点排序表述;奥地利案例权威得到更正;模拟器更新到当前构造。 把原先隐含的占优概率显式化并纳入稳健性检验,同时把敏感性结论从点排序改为区间表述。 由版本说明与验收脚本对临界值和两种子敏感性区块的复现检查支持。
启示与展望
该复现包面向希望检验或扩展该模型的读者:可用于在五个职业与十二种配置的网格上重跑均衡与边界条件,用88个职业扰动与46个司法辖区扰动检验声明稳健性,用Saltelli分析考察敏感性,并通过交互式模拟器探索职业乘司法辖区的组合。参数按已发表证据作序数放置而非估计,司法辖区向量为风格化基准而非实测制度,因此结果适用于该模型设定下的制度比较,而非对具体辖区的实测预测。
读者仍会关注:序数放置的参数在多大程度上决定消息集合与分离日程的定性结论;风格化辖区基准与实测制度之间的差距如何影响临界值;占优概率作为公开模块参数后,其临界值在不同设定下的稳定性;以及敏感性结论以种子区间表述时,区间宽度对解读的影响。此外,本次读取为摘要级范围,图形4、5、6以PDF形式随包提供但不由该包重新生成,若需核对图中细节应查阅随包文件。
