刻板印象的非對稱更新動力學：高激活—低可塑狀態、反例隔離與認知凍結

Asymmetric Updating Dynamics of Stereotypes: High-Activation–Low-Plasticity States, Counterexample Isolation, and Cognitive Freezing

作者：Neo.K
機構：一言諾科技有限公司（EveMissLab）
版本：v1.0
日期：2026 年 7 月
文件性質：認知動力學系列核心應用理論論文
系列位置：第 7 篇／刻板印象與非對稱更新篇
前置依賴：第 1 篇《認知事件—算子架構》、第 2 篇《選擇配置動力學》、第 5 篇《記憶動力學》、第 6 篇《認知激活—可塑性動力學》
公開定位：中層理論、準形式化模型、可檢驗研究綱領

摘要

刻板印象常被解釋為錯誤信念、認知偏差、群體分類或「冷點凍結」。然而，若一個刻板印象會被頻繁提及、快速觸發、反覆搜尋支持案例，則將其描述為低激活冷點並不精確。第 6 篇《認知激活—可塑性動力學》已將激活 $a_e(t)$ 與更新增益 $u_e(t)$ 分離，指出部分固定信念可能呈現高激活—低可塑狀態。本文在此基礎上提出「刻板印象的非對稱更新動力學」（Asymmetric Updating Dynamics of Stereotypes, AUDS）。

本文不將刻板印象定義為單一錯誤內容，而將其視為一類可能具有以下動力特徵的認知狀態：

a_s(t)\uparrow, \qquad u_s^{-}(t)\downarrow, \qquad \varphi_s(\Delta t)\uparrow

其中：

$a_s(t)$ ：刻板表徵的激活／可達程度；
$u_s^{-}(t)$ ：反對證據的更新增益；
$\varphi_s(\Delta t)$ ：狀態持久性。

本文進一步區分支持證據更新增益：

u_s^{+}(t)

與反對證據更新增益：

u_s^{-}(t)

並以：

\mathcal A_s^{upd}(t) = \frac{ u_s^{+}(t)-u_s^{-}(t) }{ u_s^{+}(t)+u_s^{-}(t)+\varepsilon }

定義更新非對稱指標。當：

\mathcal A_s^{upd}\rightarrow1

表示支持證據能快速改變或強化狀態，而反例幾乎無法修正它。

本文提出四種核心維持機制：（1）反例隔離（counterexample isolation）；（2）子類化（subtyping）；（3）來源折扣（source discounting）；（4）身份防衛（identity defense）。並建立反例吸收概率：

P_{\text{int}}^{-} = P \left( \text{counterexample enters core model} \right)

以及隔離概率：

P_{\text{iso}}^{-} = 1-P_{\text{int}}^{-}

若：

P_{\text{iso}}^{-}\uparrow

則系統可以「看見反例」但不把反例寫入核心表徵。

本文將刻板印象持久性建模為：

\Phi_s(t) = f \left( a_s, \mathcal A_s^{upd}, P_{\text{iso}}^{-}, D_s^{id}, H_s, R_s^{soc}, \varphi_s \right)

其中 $D_s^{id}$ 是身份防衛負荷， $H_s$ 是歷史慣性， $R_s^{soc}$ 是社會強化。本文同時提出「支持證據過度整合」與「反對證據例外化」的雙通道機制，避免把所有刻板印象簡化為單純缺乏資訊。

本文亦提出去刻板化不應等同「增加曝光」或「把冷點加熱」。對高激活—低可塑狀態，再增加曝光可能只提高 $a_s$ ，甚至加強固定模型。有效干預需先判斷瓶頸是否位於：

激活不足；
反例整合不足；
身份威脅；
來源信任；
子類化；
社會回饋。

本文提出競爭模型、可證偽條件與實驗設計。其核心貢獻是把刻板印象從靜態偏見標籤，轉化為一個可分析的動態問題：

\boxed{ \text{為何某些內容容易被叫起，支持證據容易寫入，反例卻被隔離？} }

關鍵詞： 刻板印象、非對稱更新、反例隔離、子類化、身份防衛、高激活低可塑、確認偏誤、來源折扣、認知凍結、群體表徵

0. 邊界聲明

本文首先明確以下限制。

第一，本文不主張：

\text{Stereotype} = \text{False Belief}

所有刻板印象都必然完全虛假。

第二，本文不主張：

\text{Stereotype} = \text{Cold Spot}

第三，本文不主張：

a_s\uparrow, u_s^{-}\downarrow

是所有刻板印象的唯一結構。

第四，本文不將任何政治立場、文化分類、職業印象或群體概括自動判定為病理。

第五，本文不主張：

u_s^{-}\downarrow

一定來自惡意。

第六，本文不將：

種族；
性別；
國籍；
宗教；
政治；

等特定群體作為本文必須成立的唯一例子。

第七，本文不提供對特定個體的心理診斷。

第八，本文不主張更多反例曝光必然降低刻板印象。

本文的最低立場是：

\boxed{ \text{對支持與反對證據的更新增益可能不對稱} }

1. 問題提出：刻板印象真的「冷」嗎？

1.1 高頻激活的固定信念

某些群體概括可以：

被快速想起；
被媒體事件觸發；
被主動搜尋；
被日常笑話重述；
被政治敘事放大。

因此：

a_s(t)\uparrow

完全可能成立。

1.2 但反例仍不改變核心模型

當出現：

「這個人不符合刻板印象。」

系統可能回答：

他是例外；
他不算典型；
他被特殊環境改變；
這只是表面；
我不信來源。

因此：

\text{Counterexample Observed} \not\Rightarrow \text{Core Model Updated}

1.3 真正問題不是曝光，而是寫入規則

如果：

a_s\uparrow

但：

u_s^{-}\downarrow

那麼：

再增加曝光

可能只讓刻板模型更常被使用。

因此核心問題應改為：

\boxed{ \text{Evidence Access} \neq \text{Evidence Integration} }

2. 前置架構中的位置

第 2 篇建立：

\Pi_t(e)

選擇配置。

第 5 篇建立：

a_m(t)

記憶可達性與重構提取。

第 6 篇建立：

a_e(t), u_e(t), \varphi_e(\Delta t)

本文針對刻板表徵 $s$ ，進一步拆分：

u_s^{+}(t)

支持證據更新增益；

u_s^{-}(t)

反對證據更新增益。

所以：

u_s^{+} \neq u_s^{-}

是本文的核心。

3. 刻板表徵的最小定義

3.1 表徵狀態

設：

x_s(t)

表示與刻板表徵 $s$ 相關的核心狀態。

它可以包含：

類別關聯；
行為預期；
情緒價值；
因果敘事；
社會規範。

3.2 刻板表徵不是單一句子

例如：

某群體都不可靠。

實際可能包含：

x_s = ( P(\text{unreliable}\mid group), V, C, A )

其中：

$P$ ：條件預期；
$V$ ：情緒價值；
$C$ ：因果敘事；
$A$ ：行動傾向。

因此不能只測量一句問卷。

3.3 核心模型與周邊模型

定義：

x_s^{core}

核心類別模型；

x_s^{periph}

周邊例外與附加解釋。

反例可以只改變：

x_s^{periph}

而不改變：

x_s^{core}

這正是反例隔離的入口。

4. 非對稱更新

4.1 支持證據

設：

e^{+}

為與既有刻板表徵方向一致的證據。

更新：

\Delta x_s^{+} = g \left( a_s, u_s^{+}, \varepsilon_s^{+} \right)

4.2 反對證據

設：

e^{-}

為反對既有表徵的證據。

更新：

\Delta x_s^{-} = g \left( a_s, u_s^{-}, \varepsilon_s^{-} \right)

4.3 非對稱指標

定義：

\mathcal A_s^{upd}(t) = \frac{ u_s^{+}(t)-u_s^{-}(t) }{ u_s^{+}(t)+u_s^{-}(t)+\varepsilon }

若：

\mathcal A_s^{upd}>0

表示支持證據更新更強。

若：

\mathcal A_s^{upd}\approx0

較對稱。

若：

\mathcal A_s^{upd}<0

表示反對證據更新更強。

4.4 高度非對稱狀態

當：

u_s^{+}\gg u_s^{-}

則：

\mathcal A_s^{upd}\rightarrow1

形成：

支持案例快速寫入，反例幾乎不改核心。

5. 反例隔離

5.1 定義

定義：

P_{\text{int}}^{-} = P \left( e^{-} \rightarrow x_s^{core} \right)

即反例被整合進核心模型的概率。

5.2 隔離概率

P_{\text{iso}}^{-} = 1-P_{\text{int}}^{-}

若：

P_{\text{iso}}^{-}\uparrow

反例越可能被放到周邊。

5.3 隔離後的結果

可能形成：

x_s^{core}(t+1) \approx x_s^{core}(t)

但：

x_s^{periph}(t+1) \neq x_s^{periph}(t)

所以主體可以誠實地說：

我知道有例外。

同時核心刻板印象完全不動。

6. 子類化機制

6.1 一般形式

當反例 $e^{-}$ 出現時，系統建立新子類：

C_{sub}

使：

e^{-} \in C_{sub}

而不是修改主類：

C_{main}

6.2 子類化條件

候選：

P_{\text{sub}} = \sigma \left( \alpha D_s^{id} + \beta d(e^{-},prototype) + \gamma R_s^{soc} - \lambda U_s^{open} \right)

其中：

$D_s^{id}$ ：身份防衛；
$d(e^{-},prototype)$ ：與原型距離；
$R_s^{soc}$ ：社會強化；
$U_s^{open}$ ：開放更新程度。

6.3 例外化

最簡形式：

他不是典型成員。

因此：

e^{-} \notin \text{core update set}

7. 來源折扣

7.1 反例可以被看到，但來源被否定

例如：

媒體造假；
數據有偏；
對方被收買；
研究不可信。

定義來源可信度：

r(e) \in [0,1]

7.2 非對稱來源權重

支持證據：

r^{+}

反對證據：

r^{-}

可能：

r^{+}\gg r^{-}

7.3 實際更新

候選：

\Delta x_s = a_s \left[ u_s^{+} r^{+} \varepsilon^{+} + u_s^{-} r^{-} \varepsilon^{-} \right]

所以即使：

u_s^{-}

不是極低，

若：

r^{-}\rightarrow0

反例仍不進入模型。

8. 身份防衛

8.1 定義

D_s^{id}(t)

表示修改刻板表徵 $s$ 對：

自我認同；
群體歸屬；
道德敘事；
世界可預測性；

造成的威脅。

8.2 更新成本

候選：

C_s^{upd} = C_s^{cognitive} + C_s^{social} + C_s^{identity}

8.3 身份防衛抑制反例更新

候選：

u_s^{-} = u_{0}^{-} \exp \left( -\lambda D_s^{id} \right)

此式只是候選。

8.4 為何支持證據不受同樣抑制

支持證據可能：

穩定身份；
降低不確定性；
增強群體一致。

所以：

u_s^{+}

可能保持高值。

9. 社會強化

9.1 刻板印象不只存在於個體

定義社會強化：

R_s^{soc}(t)

可能來自：

同儕；
媒體；
社群；
制度；
推薦系統。

9.2 社會強化提高激活

R_s^{soc}\uparrow \Rightarrow a_s\uparrow

候選成立。

9.3 社會強化也可降低反例增益

若反例會造成群體成本：

D_s^{id}\uparrow

進一步：

u_s^{-}\downarrow

10. 歷史慣性與持久性

10.1 歷史累積

定義：

H_s(t) = \int_0^t w(t-\tau) a_s(\tau) \,d\tau

表示激活歷史。

10.2 持久性

沿用第 6 篇：

\varphi_s(\Delta t)

若：

\varphi_s\uparrow

核心狀態長期穩定。

10.3 高激活可能提高持久性

反覆激活：

a_s\uparrow

可能透過：

重複；
敘事壓縮；
社會回饋；

提高：

\varphi_s

但不是必然。

11. 刻板印象持久性函數

本文提出候選：

\Phi_s(t) = f \left( a_s, \mathcal A_s^{upd}, P_{\text{iso}}^{-}, D_s^{id}, H_s, R_s^{soc}, \varphi_s \right)

其中：

\Phi_s

表示刻板表徵長期維持程度。

11.1 高持久候選結構

可能：

a_s\uparrow

\mathcal A_s^{upd}\uparrow

P_{\text{iso}}^{-}\uparrow

D_s^{id}\uparrow

R_s^{soc}\uparrow

\varphi_s\uparrow

11.2 不要求全部同時高

不同刻板印象可由不同機制維持。

因此本文拒絕單一病因。

12. 確認偏誤的動力版本

12.1 不是只搜尋支持證據

確認偏誤可能至少包含：

搜尋偏差

\Pi(e^{+})> \Pi(e^{-})

激活偏差

a(e^{+})> a(e^{-})

來源偏差

r^{+}>r^{-}

更新偏差

u^{+}>u^{-}

12.2 四層分解

因此：

\boxed{ \text{Confirmation Bias} = \text{Selection} + \text{Activation} + \text{Source Weight} + \text{Update Gain} }

這四者可以分離。

13. 反例可見但無效

13.1 核心命題

本文提出：

\boxed{ O(e^{-})>0 \not\Rightarrow U(x_s,e^{-})\neq0 }

也就是：

看見反例不代表核心模型改變。

13.2 三個出口

反例可能：

被隔離

P_{\text{iso}}^{-}\uparrow

被折扣

r^{-}\downarrow

被重解釋

\varepsilon^{-} \rightarrow \varepsilon^{neutral}

14. 反例重解釋

14.1 因果重寫

例如：

他成功不是因為群體特徵錯，而是因為特別努力。

因此反例：

e^{-}

被改寫成：

e^{0}

14.2 候選映射

\mathcal R_s : e^{-} \rightarrow \tilde e

使：

\tilde e

不再對核心模型形成高誤差。

14.3 誤差消除

若：

\varepsilon^{-} = d \left( prediction, e^{-} \right)

經重解釋後：

\tilde\varepsilon^{-} < \varepsilon^{-}

則更新壓力下降。

15. 認知凍結的重新定義

15.1 不再等同低激活

本文定義候選凍結：

\mathcal F_s = f \left( u_s^{-}\downarrow, P_{\text{iso}}^{-}\uparrow, \varphi_s\uparrow \right)

15.2 剛性熱區可高度凍結

即：

a_s\uparrow

但：

\mathcal F_s\uparrow

所以：

\boxed{ \text{Freeze} \neq \text{Cold} }

16. 多時間尺度

16.1 瞬時激活

a_s^{fast}(t)

16.2 中期更新

u_s^{meso}(t)

16.3 長期持久性

\varphi_s^{slow}(t)

16.4 社會代際尺度

R_s^{soc,long}(t)

可跨：

年；
世代；
制度。

因此刻板印象不只是一個瞬時偏差。

17. 個體與群體層的分離

17.1 個體層

x_{s,i}(t)

主體 $i$ 的刻板表徵。

17.2 群體層

\bar x_s(t) = \frac{1}{N} \sum_i x_{s,i}(t)

只是粗略均值。

17.3 傳播矩陣

定義：

W_{ij}

主體 $i$ 對 $j$ 的傳播權重。

群體動力：

x_{s,i}(t+1) = F \left( x_{s,i}(t), \sum_j W_{ji}x_{s,j}(t), E_t \right)

完整群體理論不在本文展開。

18. 記憶接口

18.1 支持案例高可達

a_{m^{+}}(t)\uparrow

可能導致：

a_s(t)\uparrow

18.2 反例記憶被隔離

反例可被記住，但標註為：

m^{-} \rightarrow C_{exception}

18.3 來源記憶重要

若：

r_m

來源資訊丟失，可能：

支持案例被過度信任；
反例來源被低估。

19. 干預原則

19.1 不能只增加曝光

若：

a_s\uparrow

已經成立，更多曝光可能無效。

19.2 先診斷瓶頸

需要判斷：

搜尋偏差？

\Pi(e^{+})\gg\Pi(e^{-})

激活偏差？

a^{+}\gg a^{-}

來源偏差？

r^{+}\gg r^{-}

更新偏差？

u^{+}\gg u^{-}

隔離偏差？

P_{\text{iso}}^{-}\uparrow

19.3 降低身份威脅

若：

D_s^{id}\uparrow

直接攻擊可能：

u_s^{-}\downarrow

更嚴重。

19.4 反例整合

目標：

P_{\text{int}}^{-}\uparrow

而不是單純：

e^{-}\text{ exposure}\uparrow

20. 元認知干預

20.1 暴露更新規則

讓主體觀察：

我對支持證據與反例是否使用相同標準？

20.2 更新不對稱自檢

可比較：

\mathcal A_s^{upd}

但不能假裝精確測出。

20.3 多假說

對同一事件建立：

\mathcal H = \{ H_1,H_2,\ldots,H_n \}

降低單一刻板因果故事壟斷。

21. AI 映射

21.1 AI 也可能有功能類似現象

例如：

某類模式高頻檢索；
支持樣本高權重；
反例被路由到例外；
長期記憶不更新。

候選：

a_s^{AI}\uparrow, u_s^{-\,AI}\downarrow

21.2 但不直接等同人類偏見

\text{AI Bias} \neq \text{Human Stereotype}

21.3 可檢測更新非對稱

給定支持與反對樣本，測：

\Delta x^{+}

與：

\Delta x^{-}

是否顯著不對稱。

21.4 記憶治理

AI 長期記憶需避免：

支持案例永久累積；
反例只進例外庫；
來源丟失。

22. 分層猜想

H1：更新非對稱猜想

部分刻板表徵：

u_s^{+}>u_s^{-}

H2：高激活低可塑猜想

部分持久刻板印象：

a_s\uparrow, u_s^{-}\downarrow

H3：反例隔離猜想

在控制反例曝光後：

P_{\text{iso}}^{-}

可獨立預測核心模型持久性。

H4：子類化猜想

身份威脅高時：

P_{\text{sub}}\uparrow

H5：來源非對稱猜想

支持與反對證據的來源權重：

r^{+}\neq r^{-}

H6：社會強化猜想

R_s^{soc}\uparrow

可同時提高：

a_s

與：

\varphi_s

H7：干預匹配猜想

針對具体瓶頸的干預，優於單純增加反例曝光。

23. 競爭模型

$H_0$ ：資訊不足模型

刻板印象主要因缺乏反例。

$H_1$ ：單一注意模型

主要因：

\Pi(e^{-})\downarrow

$H_2$ ：單一記憶模型

主要因支持案例記憶更強。

$H_3$ ：單一身份防衛模型

主要因：

D_s^{id}

$H_4$ ：非對稱更新動力模型

使用：

$a_s$ ；
$u_s^{+}$ ；
$u_s^{-}$ ；
$P_{\text{iso}}^{-}$ ；
$r^{+},r^{-}$ ；
$D_s^{id}$ ；
$\varphi_s$ 。

比較：

預測力；
反例後更新；
長期持久性；
干預特異性；
模型複雜度。

24. 可證偽條件

F1：更新完全對稱

若：

u_s^{+} = u_s^{-}

跨任務穩定成立，非對稱更新核心失敗。

F2：反例隔離無獨立效應

若：

P_{\text{iso}}^{-}

不預測持久性，隔離機制需刪除。

F3：子類化不存在

若反例從不被例外化，子類化模型失敗。

F4：身份威脅無關

若：

D_s^{id}

與反例更新無關，身份防衛機制需弱化。

F5：曝光即可充分改變

若單純增加反例曝光穩定消除刻板表徵，複雜模型應降階。

F6：單一模型支配

若：

H_0\text{--}H_3

在同等複雜度下穩定優於 $H_4$ ，本文應降階。

25. 實驗設計

25.1 支持／反對證據更新實驗

建立初始信念：

x_s(t_0)

分別提供：

支持證據；
等強度反對證據。

測：

\Delta x_s^{+}

與：

\Delta x_s^{-}

估計：

u_s^{+}, u_s^{-}

25.2 反例隔離實驗

提供反例。

測量：

是否改主類評估；
是否建立子類；
是否標記例外。

25.3 身份威脅操弄

比較：

高身份威脅；
低身份威脅。

測：

u_s^{-}

與：

P_{\text{sub}}

25.4 來源權重

同一反例由不同來源提供。

測：

r^{-}

與後續更新。

25.5 長期持久性

延遲測量：

\varphi_s(\Delta t)

觀察短期更新是否保持。

26. 對原《認知的冷熱點機制》刻板印象部分的正式修補

26.1 保留

保留：

刻板印象作為動力現象；
狀態凍結直覺；
反例整合問題；
社會結構影響；
AI 記憶與偏差接口。

26.2 修正核心

將：

\text{Stereotype} = \text{Cold Spot}

改為：

部分刻板印象可能呈高激活—低反例可塑、高持久與非對稱更新。

26.3 拆出支持／反對證據

加入：

u_s^{+} \neq u_s^{-}

26.4 新增反例隔離

P_{\text{iso}}^{-}

26.5 新增子類化

P_{\text{sub}}

26.6 新增來源折扣

r^{+} \neq r^{-}

26.7 新增身份防衛

D_s^{id}

26.8 移除「只要熱點化即可去刻板」

改為先診斷瓶頸。

27. 與後續系列的依賴

本文支持：

第 8 篇：知識—行動轉移動力學

研究某些知識雖可達，但行動規則低可塑或低門控。

第 9 篇：厭惡成本承受動力學

研究身份威脅、羞恥、社會成本如何降低反例更新。

第 10 篇：認知鴻溝分類學

加入：

支持／反對更新不對稱；
來源權重差；
反例隔離差。

第 11 篇：機會反噬效應

研究高暴露環境如何透過身份威脅造成：

u^{-}\downarrow

第 13 篇：雙視角推斷 AI

加入：

偏差檢測；
來源監控；
更新非對稱測試。

第 14 篇：統一認知—行動動力學

把非對稱更新作為 $U_t$ 的情境化擴展。

28. 理論貢獻

貢獻一：刻板印象不再等同冷點

\boxed{ \text{Stereotype} \not\equiv \text{Low Activation} }

貢獻二：建立支持／反對更新增益

u_s^{+}, u_s^{-}

貢獻三：建立更新非對稱指標

\mathcal A_s^{upd}

貢獻四：建立反例隔離

P_{\text{iso}}^{-}

貢獻五：建立子類化與來源折扣

P_{\text{sub}}, r^{+}, r^{-}

貢獻六：加入身份防衛

D_s^{id}

貢獻七：把去刻板化改成瓶頸匹配問題

29. 限制

第一，刻板表徵難直接測量。

第二，支持／反對證據強度難完全匹配。

第三，身份防衛與來源信任可能高度相關。

第四，群體與文化差異巨大。

第五，本文不處理所有形式偏見。

第六，本文不主張任何群體概括都應消除。

第七，AI 映射只是功能類比。

第八，本文不取代社會心理學與臨床研究。

30. 核心命題

弱版本

對支持與反對既有群體表徵的證據，認知系統可能使用不同更新增益。

中版本

部分持久刻板印象可由高激活、反例低更新增益、反例隔離、來源折扣、身份防衛與高持久性的耦合模型描述。

強版本猜想

對具有長期記憶、群體分類、自我／群體身份與社會回饋的高階認知系統，刻板表徵的持久性可能主要取決於非對稱更新規則，而不只是資訊缺乏或低曝光。

本文不聲稱已證明強版本。

終章：刻板印象最難改的原因，可能不是「不知道反例」

一個人可以看見反例。

可以記得反例。

甚至可以承認：

對，確實有這種人。

但核心模型仍然不動。

這正是本文真正要處理的問題。

因此：

\boxed{ O(e^{-})>0 \not\Rightarrow U(x_s,e^{-})\neq0 }

反例可以：

被隔離；
被子類化；
被來源折扣；
被重新解釋；
被身份防衛阻斷。

同時，支持案例卻可能：

更容易被搜尋；
更容易被激活；
更容易被記住；
更容易被整合。

於是形成：

\boxed{ u_s^{+}\gg u_s^{-} }

這比「冷點凍結」更精確。

因為有些刻板印象根本不冷。

它們很熱。

每天被叫起。

反覆出現。

持續被社會回饋。

真正低的不是激活，而是：

\boxed{ \text{反例進入核心模型的更新增益} }

因此本文提出：

\Phi_s(t) = f \left( a_s, \mathcal A_s^{upd}, P_{\text{iso}}^{-}, D_s^{id}, H_s, R_s^{soc}, \varphi_s \right)

這不是最終刻板印象公式。

而是一個更精確的研究問題框架。

它把：

為什麼有人有偏見？

改寫成：

支持與反對證據是否使用同一更新規則？

把：

多給他看反例就好。

改寫成：

反例是否真正進入核心模型？

把：

他只是無知。

改寫成：

是搜尋、激活、來源、更新、隔離、身份，還是哪一個環節形成瓶頸？

這使刻板印象理論從靜態偏見標籤，轉化為：

\boxed{ \text{選擇} + \text{激活} + \text{來源權重} + \text{更新增益} + \text{反例整合} + \text{身份防衛} + \text{持久性} }

的動態系統。

也為後續知行轉移、厭惡成本、認知鴻溝與機會反噬理論提供更精確的非對稱更新接口。

附錄 A：核心符號表

符號	定義
$x_s(t)$	刻板表徵核心狀態
$x_s^{core}$	核心類別模型
$x_s^{periph}$	周邊例外模型
$a_s(t)$	刻板表徵激活程度
$u_s^{+}(t)$	支持證據更新增益
$u_s^{-}(t)$	反對證據更新增益
$\mathcal A_s^{upd}(t)$	更新非對稱指標
$P_{\text{int}}^{-}$	反例進入核心模型概率
$P_{\text{iso}}^{-}$	反例隔離概率
$P_{\text{sub}}$	子類化概率
$r^{+}$	支持證據來源權重
$r^{-}$	反對證據來源權重
$D_s^{id}(t)$	身份防衛負荷
$C_s^{upd}$	更新總成本
$R_s^{soc}(t)$	社會強化
$H_s(t)$	歷史激活慣性
$\varphi_s(\Delta t)$	刻板表徵持久性
$\Phi_s(t)$	刻板表徵長期維持程度
$\mathcal F_s$	認知凍結候選量
$\mathcal R_s$	反例重解釋映射

附錄 B：一句話版本

部分刻板印象不是低激活冷點，而是高激活、支持證據高更新、反例低更新、反例易被隔離或子類化，並由身份防衛與社會強化維持的非對稱更新狀態。

附錄 C：與原稿的版本差異

原始版本	v2.0 重構
刻板印象＝冷點凍結	改為部分高激活—低反例可塑
只看更新頻率	拆成支持／反對更新增益
反例曝光即可熱點化	加入反例整合與隔離
例外視為自然噪聲	建立子類化機制
來源差異未建模	加入 $r^{+},r^{-}$
身份因素屬附加解釋	建立 $D_s^{id}$
認知凍結＝低活性	改為低反例更新＋高隔離＋高持久
確認偏誤單一概念	拆成選擇、激活、來源、更新四層
去刻板化＝冷→熱	改為瓶頸匹配干預
群體因素描述性	加入社會強化接口
AI 偏差類比人類	改為功能映射與更新非對稱測試

全文完