Effect-Transparent Governance for AI Workflow Architectures: Semantic Preservation, Expressive Minimality, and Decidability Boundaries

Cette recherche présente une formalisation vérifiée par machine des architectures de flux de travail d'IA avec une gouvernance transparente aux effets, démontrant que la gouvernance peut être imposée sans perdre l'expressivité computationnelle. Elle définit un opérateur de gouvernance G pour médier les directives à effets telles que l'accès à la mémoire et les requêtes LLM, prouvant sept propriétés clés, y compris la complétude de Turing gouvernée et une limite de décidabilité.