교란된 효용 함수: 적응적 의사결정을 위한 함수-분석적 프레임워크

교란된 효용 함수를 도입하여 제한된 합리성을 모델링하기 위한 함수-분석적 프레임워크를 제안합니다. 구조화된 교란 항을 통해 고전적 기대 효용을 확장함으로써, 손실 회피 및 위험 감수성과 같은 행동적 편차를 포착하면서도 분석적 접근 가능성을 유지합니다. 근본적인 존재 결과를 확립하고 편향이 사라질 때 고전적 모델로의 수렴을 증명함으로써 우리의 프레임워크의 일관성을 입증합니다. 수치 시뮬레이션을 통해 두 가지 주요 발견을 보여줍니다: (i) 포트폴리오 최적화에서, 우리의 프레임워크는 위험 선호의 비선형 "체제 전환"을 포착하고, (ii) 순차적 의사결정에서, AI 에이전트가 고위험 상태를 안전하게 탐색할 수 있도록 "출현적 신중함"을 생성합니다. 이 프레임워크는 기술적 최적화와 설명적 행동 통찰력을 통합하여 AI 안전 및 제어 시스템에 인간 유사한 휴리스틱을 통합하는 확장 가능한 경로를 제공합니다.