에이전트형 AI가 더 오래 탐색하거나, 추가 지원을 받거나, 제안·검증 방식을 바꿔 성능을 높이는 세 가지 메커니즘을 성능 점수만으로는 구분할 수 없다는 문제에서 출발한 이론 연구다. 저자들은 숨겨진 터미널 무작위성을 가진 '경계 검증' 틀을 정의하고, 독립적 다수결 증폭은 검증 가능 언어 클래스를 보존하지만 무작위 테이프에 대한 존재적 수용은 틀린 출력을 허용할 수 있음을 증명했다. 무작위화 검증자 클래스는 다항식 계층과 Σ_k^P ⊆ Σ_k^RV ⊆ Σ_{k+1}^P 관계를 만족하며, 엄격한 확장과 깊이 분리에는 명시적 복잡도 가정이 필요하다고 밝혔다. 재귀적 자기개선의 경우 공통된 건전한 해석기와 고정된 검증 프로토콜 아래 균일하게 제한된 자기수정은 동일한 검증 클래스 안에 머문다는 결론을 제시한다. 이 틀은 자기개선 주장을 정확성·허용 가능한 증거·검증 자원·선택 오류에 대한 구체적 의무로 연결한다.

• •탐색 연장·추가 지원·검증 방식 변경이라는 세 자기개선 메커니즘을 성능 점수만으로 구분 불가능하다는 문제 제기
• •숨겨진 터미널 무작위성을 가진 '경계 검증' 이론 틀 정의
• •독립적 다수결 증폭은 언어 클래스를 보존하지만 존재적 수용은 오답을 허용할 수 있음을 증명
• •무작위화 검증자 클래스가 Σ_k^P ⊆ Σ_k^RV ⊆ Σ_{k+1}^P 관계를 만족함을 규명
• •균일하게 제한된 재귀적 자기수정은 동일 검증 클래스 내에 머문다는 결론