Duke发布NeST-Bayes多机器人信任推断框架

2026年10月15日，AGI Hunt 报道，Duke 大学团队发布 NeST-Bayes，一个面向多机器人系统（MRS）的神经-符号信任推断框架。该框架可同时推断机器人本身与其所报告假设的可信度，仅依靠机器人之间的观测一致性进行信任推理，无需预设信任关系、声誉或侧信道身份信号，并通过 Beta 分布的贝叶斯更新保持时间一致的信任估计。报道称，其对象精确率与机器人召回率在基准设置中均为最高；面对激进优化攻击时，仍达到 98.8% 机器人精确率与 93.8% 召回率。目前该事件仅此一篇报道，尚无更早报道，也未出现相互矛盾的数字或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。