厭惡成本承受動力學：即時負荷、延遲收益與行動退出閾值
Aversive Cost Tolerance Dynamics: Immediate Load, Delayed Reward, and Action-Exit Thresholds
作者：Neo.K
摘要
「知道要做，但太痛苦所以做不到」、「明明有能力，卻在真正執行時退出」、「短期不適壓過長期收益」是健康行為、學習、訓練、戒除、復健、組織行動與長期目標追求中的共同現象。既有《痛苦承受動力學》以單一痛苦承受力 P P P P P P
本文提出「厭惡成本承受動力學」（Aversive Cost Tolerance Dynamics, ACTD），將原單一痛苦承受模型重構為多維成本—情境閾值—退出機制。定義主體 i i i a a a t t t
C i , a a v ( t ) = ( C p h y s , C a f f , C c o g , C i d , C u n c ) i , a , t \mathbf C_{i,a}^{av}(t)
=
\left(
C^{phys},
C^{aff},
C^{cog},
C^{id},
C^{unc}
\right)_{i,a,t} C i , a a v ( t ) = ( C p h y s , C a f f , C co g , C i d , C u n c ) i , a , t 分別表示：
身體成本；
情緒成本；
認知成本；
身份成本；
不確定性成本。
本文不假設五類成本可普遍線性相加，但在局部分析中可定義加權有效成本：
C ~ i , a a v ( t ) = w i , a , t ⊤ C i , a a v ( t ) \widetilde C_{i,a}^{av}(t)
=
\mathbf w_{i,a,t}^{\top}
\mathbf C_{i,a}^{av}(t) C i , a a v ( t ) = w i , a , t ⊤ C i , a a v ( t ) 其中 w i , a , t \mathbf w_{i,a,t} w i , a , t
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 並以：
Δ i , a t o l ( t ) = τ i ( a , t ) − C ~ i , a a v ( t ) \Delta_{i,a}^{tol}(t)
=
\tau_i(a,t)
-
\widetilde C_{i,a}^{av}(t) Δ i , a t o l ( t ) = τ i ( a , t ) − C i , a a v ( t ) 表示當前承受餘裕。若：
Δ i , a t o l ( t ) < 0 \Delta_{i,a}^{tol}(t)<0 Δ i , a t o l ( t ) < 0 則退出、延遲、逃避或切換行動的概率可能上升，但不構成決定論。
本文將退出建模為：
P ( E i , a e x i t = 1 ∣ t ) = σ ( α [ C ~ i , a a v ( t ) − τ i ( a , t ) ] + β F a f r i c + γ D a d e l a y − δ V a g o a l − η S i e f f ) P
\left(
E_{i,a}^{exit}=1
\mid
t
\right)
=
\sigma
\left(
\alpha
[
\widetilde C_{i,a}^{av}(t)
-
\tau_i(a,t)
]
+
\beta F_a^{fric}
+
\gamma D_a^{delay}
-
\delta V_a^{goal}
-
\eta S_i^{eff}
\right) P ( E i , a e x i t = 1 ∣ t ) = σ ( α [ C i , a a v ( t ) − τ i ( a , t )] + β F a f r i c + γ D a d e l a y − δ V a g o a l − η S i e f f ) 其中：
F a f r i c F_a^{fric} F a f r i c D a d e l a y D_a^{delay} D a d e l a y V a g o a l V_a^{goal} V a g o a l S i e f f S_i^{eff} S i e f f
本文進一步區分啟動期、維持期與完成期的成本曲線，提出：
C a s t a r t , C a m a i n t , C a f i n i s h C_a^{start},
C_a^{maint},
C_a^{finish} C a s t a r t , C a main t , C a f ini s h 並指出同一任務可能在不同階段具有不同退出機制。本文加入累積負荷：
L i , a c u m ( t ) = ∫ t 0 t ψ ( t − τ ) C ~ i , a a v ( τ ) d τ L_{i,a}^{cum}(t)
=
\int_{t_0}^{t}
\psi(t-\tau)
\widetilde C_{i,a}^{av}(\tau)
\,d\tau L i , a c u m ( t ) = ∫ t 0 t ψ ( t − τ ) C i , a a v ( τ ) d τ 以及恢復狀態：
R i r e c ( t ) R_i^{rec}(t) R i r ec ( t ) 用以處理疲勞、恢復、反覆失敗與閾值漂移。本文亦提出承受閾值不是固定人格常數，而可受睡眠、健康、熟練度、安全感、社會支持、可預測性與成功經驗影響：
τ i ( a , t + 1 ) = H ( τ i ( a , t ) , R i r e c , S i e f f , P a p r o c , C i s a f e , H i s u c c e s s ) \tau_i(a,t+1)
=
\mathcal H
\left(
\tau_i(a,t),
R_i^{rec},
S_i^{eff},
P_a^{proc},
C_i^{safe},
H_i^{success}
\right) τ i ( a , t + 1 ) = H ( τ i ( a , t ) , R i r ec , S i e f f , P a p r oc , C i s a f e , H i s u ccess ) 本文將「勇氣」降階為一個可選的存在性伴隨理論，不再把它作為主模型必然變量；同時將「所有轉化都需要痛苦」、「真正成長必然伴隨痛苦」等強命題降為待檢驗的條件式猜想。
本文的核心貢獻是把「意志薄弱」重新寫成：
哪一類成本正在上升？ + 哪一個閾值正在下降？ + 退出發生在哪一階段？ + 恢復是否不足？ \boxed{
\text{哪一類成本正在上升？}
+
\text{哪一個閾值正在下降？}
+
\text{退出發生在哪一階段？}
+
\text{恢復是否不足？}
} 哪一類成本正在上升？ + 哪一個閾值正在下降？ + 退出發生在哪一階段？ + 恢復是否不足？ 關鍵詞： 厭惡成本、承受閾值、行動退出、延遲收益、累積負荷、恢復、自我效能、身份威脅、不確定性、知行轉移
0. 邊界聲明
本文首先明確以下限制。
第一，本文不主張：
All Change ⇒ Pain \text{All Change}
\Rightarrow
\text{Pain} All Change ⇒ Pain 第二，本文不主張：
Courage = Pain Tolerance \text{Courage}
=
\text{Pain Tolerance} Courage = Pain Tolerance 第三，本文不主張：
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 是一個固定人格常數。
第四，本文不把：
疼痛；
悲傷；
努力；
焦慮；
羞恥；
認知負荷；
視為同一種成本。
第五，本文不把所有退出行為視為失敗。
退出可能是：
合理止損；
安全反應；
資源重新配置；
策略切換。
第六，本文不主張更高承受力永遠更好。
第七，本文不主張任何臨床疼痛、創傷或精神疾患可由本模型取代專業診斷。
第八，本文中的數學是候選中層模型，不是已證明的生物學定律。
1. 問題提出：為什麼「會做」仍然會退出？
第 8 篇已經指出：
K r e t ↑ K^{ret}\uparrow K r e t ↑ 且：
P p r o c ↑ P^{proc}\uparrow P p r oc ↑ 仍不推出：
A = 1 A=1 A = 1 因為行動還需要通過：
G a ( t ) G_a(t) G a ( t ) 門控。
本文處理其中一個關鍵負項：
X a a v e r s i v e ( t ) X_a^{aversive}(t) X a a v er s i v e ( t ) 但不再把它壓成單一「痛苦」。
1.1 同樣說「很痛苦」，其實完全不同
例如：
身體不適
跑步很喘。
情緒痛苦
我怕失敗。
認知負荷
這題太難。
身份威脅
承認錯誤會摧毀我的自我形象。
不確定性
我不知道做了有沒有用。
五者可能產生相似主觀句子：
我不想做。
但機制不同。
2. 前置架構中的位置
第 1 篇建立：
G t G_t G t 行動門控。
第 5 篇建立狀態依賴提取與記憶歷史。
第 6 篇建立：
a e , u e , φ e a_e,
u_e,
\varphi_e a e , u e , φ e 第 8 篇建立：
T K → A \mathcal T_{K\rightarrow A} T K → A 以及：
X a a v e r s i v e X_a^{aversive} X a a v er s i v e 本文正式展開：
C i , a a v ( t ) \mathbf C_{i,a}^{av}(t) C i , a a v ( t ) 與：
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 並研究：
C a v → G → A → E e x i t \mathbf C^{av}
\rightarrow
G
\rightarrow
A
\rightarrow
E^{exit} C a v → G → A → E e x i t 3. 厭惡成本向量
3.1 定義
C i , a a v ( t ) = ( C p h y s , C a f f , C c o g , C i d , C u n c ) i , a , t \mathbf C_{i,a}^{av}(t)
=
\left(
C^{phys},
C^{aff},
C^{cog},
C^{id},
C^{unc}
\right)_{i,a,t} C i , a a v ( t ) = ( C p h y s , C a f f , C co g , C i d , C u n c ) i , a , t 3.2 身體成本
C i , a p h y s ( t ) C_{i,a}^{phys}(t) C i , a p h y s ( t ) 包括候選：
疼痛；
疲勞；
呼吸困難；
肌肉不適；
睡眠不足。
3.3 情緒成本
C i , a a f f ( t ) C_{i,a}^{aff}(t) C i , a a f f ( t ) 包括：
3.4 認知成本
C i , a c o g ( t ) C_{i,a}^{cog}(t) C i , a co g ( t ) 包括：
工作記憶負荷；
切換；
持續監控；
複雜推理；
高錯誤率。
3.5 身份成本
C i , a i d ( t ) C_{i,a}^{id}(t) C i , a i d ( t ) 包括：
承認自己錯誤；
群體脫離；
自我敘事破裂；
羞恥；
地位威脅。
3.6 不確定性成本
C i , a u n c ( t ) C_{i,a}^{unc}(t) C i , a u n c ( t ) 包括：
不知道結果；
不知道何時有收益；
不知道是否值得；
缺乏可預測性。
4. 為何不能直接相加
4.1 不同成本可能交互
例如：
C u n c ↑ C^{unc}\uparrow C u n c ↑ 可能放大：
C a f f C^{aff} C a f f 而：
C c o g ↑ C^{cog}\uparrow C co g ↑ 可能降低情緒調節能力。
4.2 一般形式
因此：
C ~ i , a a v ( t ) = C ( C i , a a v ( t ) , w i , a , t , Γ i , a , t ) \widetilde C_{i,a}^{av}(t)
=
\mathcal C
\left(
\mathbf C_{i,a}^{av}(t),
\mathbf w_{i,a,t},
\Gamma_{i,a,t}
\right) C i , a a v ( t ) = C ( C i , a a v ( t ) , w i , a , t , Γ i , a , t ) 其中：
Γ \Gamma Γ 表示交互結構。
4.3 局部加權近似
在特定模型中可用：
C ~ i , a a v ( t ) = w i , a , t ⊤ C i , a a v ( t ) \widetilde C_{i,a}^{av}(t)
=
\mathbf w_{i,a,t}^{\top}
\mathbf C_{i,a}^{av}(t) C i , a a v ( t ) = w i , a , t ⊤ C i , a a v ( t ) 但本文不主張普遍線性。
5. 承受閾值
5.1 定義
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 表示主體 i i i t t t a a a
5.2 行動特定
同一人可能：
τ i ( a 1 , t ) ≫ τ i ( a 2 , t ) \tau_i(a_1,t)\gg\tau_i(a_2,t) τ i ( a 1 , t ) ≫ τ i ( a 2 , t ) 例如：
5.3 時間特定
τ i ( a , t 1 ) ≠ τ i ( a , t 2 ) \tau_i(a,t_1)
\neq
\tau_i(a,t_2) τ i ( a , t 1 ) = τ i ( a , t 2 ) 可能受：
影響。
5.4 所以不是人格常數
τ i ( a , t ) ≠ τ i \boxed{
\tau_i(a,t)
\neq
\tau_i
} τ i ( a , t ) = τ i 一般而言。
6. 承受餘裕
定義：
Δ i , a t o l ( t ) = τ i ( a , t ) − C ~ i , a a v ( t ) \Delta_{i,a}^{tol}(t)
=
\tau_i(a,t)
-
\widetilde C_{i,a}^{av}(t) Δ i , a t o l ( t ) = τ i ( a , t ) − C i , a a v ( t ) 6.1 正餘裕
若：
Δ t o l > 0 \Delta^{tol}>0 Δ t o l > 0 表示成本仍低於當前閾值。
6.2 負餘裕
若：
Δ t o l < 0 \Delta^{tol}<0 Δ t o l < 0 退出概率可能上升。
但不是決定論。
6.3 緩衝區
可定義：
B i , a b u f ( t ) = max ( 0 , Δ i , a t o l ( t ) ) B_{i,a}^{buf}(t)
=
\max
\left(
0,
\Delta_{i,a}^{tol}(t)
\right) B i , a b u f ( t ) = max ( 0 , Δ i , a t o l ( t ) ) 作為承受緩衝。
7. 行動退出
7.1 定義
E i , a e x i t ( t ) ∈ { 0 , 1 } E_{i,a}^{exit}(t)
\in
\{0,1\} E i , a e x i t ( t ) ∈ { 0 , 1 } 表示是否退出當前行動。
7.2 候選概率
P ( E i , a e x i t = 1 ∣ t ) = σ ( α [ C ~ i , a a v − τ i ( a , t ) ] + β F a f r i c + γ D a d e l a y − δ V a g o a l − η S i e f f ) P
\left(
E_{i,a}^{exit}=1
\mid
t
\right)
=
\sigma
\left(
\alpha
[
\widetilde C_{i,a}^{av}
-
\tau_i(a,t)
]
+
\beta F_a^{fric}
+
\gamma D_a^{delay}
-
\delta V_a^{goal}
-
\eta S_i^{eff}
\right) P ( E i , a e x i t = 1 ∣ t ) = σ ( α [ C i , a a v − τ i ( a , t )] + β F a f r i c + γ D a d e l a y − δ V a g o a l − η S i e f f ) 7.3 退出不是只有停止
退出行為可包括：
延遲；
逃避；
切換；
降低強度；
合理化；
求助；
中斷。
因此：
E e x i t E^{exit} E e x i t 可進一步多類別化。
8. 啟動、維持與完成
第 8 篇已拆：
C a s t a r t , C a m a i n t , C a f i n i s h C_a^{start},
C_a^{maint},
C_a^{finish} C a s t a r t , C a main t , C a f ini s h 本文進一步建立階段性成本曲線。
8.1 啟動期
C ~ a a v , s t a r t ( t ) \widetilde C_a^{av,start}(t) C a a v , s t a r t ( t ) 可能高於後續。
例如：
開始寫論文最痛苦。
8.2 維持期
C ~ a a v , m a i n t ( t ) \widetilde C_a^{av,maint}(t) C a a v , main t ( t ) 可能隨疲勞累積。
8.3 完成期
C ~ a a v , f i n i s h ( t ) \widetilde C_a^{av,finish}(t) C a a v , f ini s h ( t ) 可能因：
突然升高。
8.4 階段特定退出
P ( E e x i t ∣ p h a s e ) P(E^{exit}\mid phase) P ( E e x i t ∣ p ha se ) 可能顯著不同。
9. 累積負荷
9.1 即時成本不夠
某行動單次成本很低，但長期累積。
定義：
L i , a c u m ( t ) = ∫ t 0 t ψ ( t − τ ) C ~ i , a a v ( τ ) d τ L_{i,a}^{cum}(t)
=
\int_{t_0}^{t}
\psi(t-\tau)
\widetilde C_{i,a}^{av}(\tau)
\,d\tau L i , a c u m ( t ) = ∫ t 0 t ψ ( t − τ ) C i , a a v ( τ ) d τ 其中：
ψ \psi ψ 是記憶／衰減權重。
9.2 累積負荷影響閾值
候選：
τ i ( a , t ) = τ i b a s e ( a ) − λ L i , a c u m ( t ) + ρ R i r e c ( t ) \tau_i(a,t)
=
\tau_i^{base}(a)
-
\lambda
L_{i,a}^{cum}(t)
+
\rho
R_i^{rec}(t) τ i ( a , t ) = τ i ba se ( a ) − λ L i , a c u m ( t ) + ρ R i r ec ( t ) 9.3 所以「昨天做得到」不代表今天做得到
因為：
L c u m ( t ) ↑ L^{cum}(t)\uparrow L c u m ( t ) ↑ 可能使：
τ ( t ) ↓ \tau(t)\downarrow τ ( t ) ↓ 10. 恢復
10.1 定義
R i r e c ( t ) ∈ [ 0 , 1 ] R_i^{rec}(t)
\in
[0,1] R i r ec ( t ) ∈ [ 0 , 1 ] 表示恢復狀態。
10.2 恢復來源
可能包括：
睡眠；
休息；
營養；
安全；
社會支持；
情緒調節。
10.3 恢復不是懶惰
若：
R i r e c ↓ R_i^{rec}\downarrow R i r ec ↓ 承受餘裕可能下降。
因此休息可能是：
提升下一時段閾值的系統操作。
11. 閾值更新
11.1 一般形式
τ i ( a , t + 1 ) = H ( τ i ( a , t ) , R i r e c , S i e f f , P a p r o c , C i s a f e , H i s u c c e s s ) \tau_i(a,t+1)
=
\mathcal H
\left(
\tau_i(a,t),
R_i^{rec},
S_i^{eff},
P_a^{proc},
C_i^{safe},
H_i^{success}
\right) τ i ( a , t + 1 ) = H ( τ i ( a , t ) , R i r ec , S i e f f , P a p r oc , C i s a f e , H i s u ccess ) 11.2 熟練度
若：
P a p r o c ↑ P_a^{proc}\uparrow P a p r oc ↑ 認知成本可能：
C c o g ↓ C^{cog}\downarrow C co g ↓ 同時有效承受能力提高。
11.3 安全感
C i s a f e ( t ) C_i^{safe}(t) C i s a f e ( t ) 高時，身份與情緒成本可能下降。
11.4 成功歷史
H i s u c c e s s H_i^{success} H i s u ccess 可能提高：
S i e f f S_i^{eff} S i e f f 進一步改變退出概率。
12. 延遲收益
12.1 問題結構
許多行動：
定義未來收益：
V a f u t u r e V_a^{future} V a f u t u r e 12.2 折扣
V a d i s c ( t ) = D ( V a f u t u r e , Δ t , κ i ) V_a^{disc}(t)
=
\mathcal D
\left(
V_a^{future},
\Delta t,
\kappa_i
\right) V a d i sc ( t ) = D ( V a f u t u r e , Δ t , κ i ) 12.3 門控競爭
若：
C ~ a a v , n o w > V a d i s c \widetilde C_a^{av,now}
>
V_a^{disc} C a a v , n o w > V a d i sc 退出概率可能升高。
12.4 不是「不知道長期好處」
一個人可以完全知道：
V a f u t u r e ↑ V_a^{future}\uparrow V a f u t u r e ↑ 但折扣後：
V a d i s c ↓ V_a^{disc}\downarrow V a d i sc ↓ 13. 可預測性與不確定性成本
13.1 同樣痛苦，可預測與不可預測不同
若知道：
再十分鐘結束。
可能：
C u n c ↓ C^{unc}\downarrow C u n c ↓ 13.2 分段資訊
提供：
可能降低：
C u n c C^{unc} C u n c 與：
C c o g C^{cog} C co g 13.3 這是干預，不是安慰
因為它改變成本結構。
14. 身份成本
14.1 改變可能威脅舊自我
例如：
承認我以前錯了。
可能：
C i d ↑ C^{id}\uparrow C i d ↑ 14.2 群體成本
若改變意味：
則：
C i d + C a f f C^{id}+C^{aff} C i d + C a f f 同時上升。
14.3 接第 7 篇
第 7 篇的：
D s i d D_s^{id} D s i d 可作為本篇：
C i d C^{id} C i d 的一個特定應用。
15. 認知成本
15.1 太難不是單一能力不足
可能：
C c o g ↑ C^{cog}\uparrow C co g ↑ 由：
任務分解不足；
工作記憶超載；
切換過多；
回饋不清楚；
造成。
15.2 程序化可降成本
第 8 篇：
P a p r o c ↑ P_a^{proc}\uparrow P a p r oc ↑ 可能導致：
C a c o g ↓ C_a^{cog}\downarrow C a co g ↓ 所以技能訓練既提高程序，也降低厭惡成本。
16. 身體成本與合理退出
16.1 高成本不一定要承受
若：
C p h y s C^{phys} C p h y s 代表真正傷害風險，
則退出可能是合理決策。
16.2 本文拒絕英雄化所有承受
Higher Tolerance ≠ Higher Wisdom \boxed{
\text{Higher Tolerance}
\neq
\text{Higher Wisdom}
} Higher Tolerance = Higher Wisdom 16.3 安全邊界
需區分：
C d i s c o m f o r t C^{discomfort} C d i sco m f or t 與：
C d a m a g e C^{damage} C d ama g e 後者不應被簡單訓練成「忍耐」。
17. 暴露與承受閾值
17.1 漸進暴露候選
若成本可控：
C ~ a v ( t ) < τ i ( a , t ) \widetilde C^{av}(t)
<
\tau_i(a,t) C a v ( t ) < τ i ( a , t ) 且成功完成，
可能：
H s u c c e s s ↑ H^{success}\uparrow H s u ccess ↑ 17.2 但過載可能反作用
若：
C ~ a v ≫ τ \widetilde C^{av}\gg\tau C a v ≫ τ 可能造成：
因此：
More Exposure ≠ More Tolerance \boxed{
\text{More Exposure}
\neq
\text{More Tolerance}
} More Exposure = More Tolerance 18. 閾值訓練的弱版本
本文提出條件式猜想：
在安全、可恢復、可控制與有成功回饋的條件下，某些任務特定承受閾值可能被調整。
即：
τ i ( a , t + 1 ) > τ i ( a , t ) \tau_i(a,t+1)
>
\tau_i(a,t) τ i ( a , t + 1 ) > τ i ( a , t ) 可能成立。
但不主張所有人、所有成本都可無限提升。
19. 退出後的記憶效應
19.1 退出被編碼
E e x i t → M E^{exit}
\rightarrow
\mathcal M E e x i t → M 19.2 下一次預期成本
候選：
C ^ a a v ( t + 1 ) = f ( C ^ a a v ( t ) , E e x i t , R o u t c o m e ) \widehat C_{a}^{av}(t+1)
=
f
\left(
\widehat C_a^{av}(t),
E^{exit},
R^{outcome}
\right) C a a v ( t + 1 ) = f ( C a a v ( t ) , E e x i t , R o u t co m e ) 19.3 惡性循環
E e x i t → C ^ a v ↑ → G ↓ → E e x i t ↑ E^{exit}
\rightarrow
\widehat C^{av}\uparrow
\rightarrow
G\downarrow
\rightarrow
E^{exit}\uparrow E e x i t → C a v ↑→ G ↓→ E e x i t ↑ 20. 成功後的反向循環
A s u c c e s s → S e f f ↑ → τ ↑ → P ( E e x i t ) ↓ A^{success}
\rightarrow
S^{eff}\uparrow
\rightarrow
\tau\uparrow
\rightarrow
P(E^{exit})\downarrow A s u ccess → S e f f ↑→ τ ↑→ P ( E e x i t ) ↓ 但需加入飽和。
21. 承受與可塑性
21.1 高厭惡成本可能降低更新
第 6 篇：
u e ( t ) u_e(t) u e ( t ) 可受負荷影響。
若：
C a f f + C i d ↑ C^{aff}+C^{id}\uparrow C a f f + C i d ↑ 可能：
u e − ↓ u_e^{-}\downarrow u e − ↓ 21.2 接第 7 篇
所以反例更新失敗可能部分來自：
C ~ a v \widetilde C^{av} C a v 過高。
22. 承受與知識—行動轉移
第 8 篇門控：
G a ( t ) G_a(t) G a ( t ) 本文提供：
X a a v e r s i v e → C ~ i , a a v X_a^{aversive}
\rightarrow
\widetilde C_{i,a}^{av} X a a v er s i v e → C i , a a v 因此：
G a ( t ) = f ( K r e t , P p r o c , C c u e , V g o a l , C ~ a v , F f r i c , D d e l a y ) G_a(t)
=
f
\left(
K^{ret},
P^{proc},
C^{cue},
V^{goal},
\widetilde C^{av},
F^{fric},
D^{delay}
\right) G a ( t ) = f ( K r e t , P p r oc , C c u e , V g o a l , C a v , F f r i c , D d e l a y ) 23. 退出的多類型化
23.1 避免型退出
E a v o i d E^{avoid} E a v o i d 23.2 戰略型退出
E s t r a t e g i c E^{strategic} E s t r a t e g i c 23.3 安全型退出
E s a f e t y E^{safety} E s a f e t y 23.4 資源型退出
E r e s o u r c e E^{resource} E r eso u r ce 因此：
E e x i t is not one behavior \boxed{
E^{exit}
\text{ is not one behavior}
} E e x i t is not one behavior 24. 「意志力」的重構
本文不直接否定意志概念。
但主模型不使用單一：
W W W 作萬能變量。
可將日常「意志力」拆成：
目標價值；
閾值；
恢復；
自我效能；
程序化；
環境摩擦。
因此：
Willpower is a composite label by default \boxed{
\text{Willpower}
\text{ is a composite label by default}
} Willpower is a composite label by default 25. 「勇氣」的降階
原理論可能把勇氣與痛苦承受建立強必然。
本文只保留弱版本：
在某些高威脅但仍選擇行動的情境中，承受厭惡成本可能是勇氣行為的一個必要條件之一。
但：
Courage ≠ τ \text{Courage}
\neq
\tau Courage = τ 且：
Courage ≠ Pain \text{Courage}
\neq
\text{Pain} Courage = Pain 完整存在性理論留給可選第 16 篇。
26. AI 映射
26.1 AI 也有成本門控的功能類比
例如：
計算成本；
延遲；
風險；
policy penalty；
uncertainty。
26.2 AI 的退出
候選：
E A I e x i t E_{AI}^{exit} E A I e x i t 可能是：
26.3 不直接等同人類痛苦
AI Cost Signal ≠ Human Suffering \text{AI Cost Signal}
\neq
\text{Human Suffering} AI Cost Signal = Human Suffering 26.4 工程價值
仍可研究：
Cost + Threshold + Fallback \text{Cost}
+
\text{Threshold}
+
\text{Fallback} Cost + Threshold + Fallback 的功能結構。
27. 分層猜想
H1：多維成本猜想
不同成本維度對退出具有可分離預測力。
H2：任務特定閾值猜想
τ i ( a 1 , t ) ≠ τ i ( a 2 , t ) \tau_i(a_1,t)
\neq
\tau_i(a_2,t) τ i ( a 1 , t ) = τ i ( a 2 , t ) 可重複觀察。
H3：狀態漂移猜想
睡眠、疲勞與恢復可改變：
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) H4：階段成本猜想
C s t a r t , C m a i n t , C f i n i s h C^{start},
C^{maint},
C^{finish} C s t a r t , C main t , C f ini s h 對退出具有不同作用。
H5：延遲—成本競爭猜想
即時成本與延遲收益的相對結構可預測退出。
H6：成功歷史猜想
在控制任務難度後：
H s u c c e s s ↑ H^{success}\uparrow H s u ccess ↑ 可降低後續退出。
H7：恢復猜想
R r e c R^{rec} R r ec 具有獨立於目標價值的預測力。
28. 競爭模型
H 0 H_0 H 0 E e x i t = f ( P ) E^{exit}
=
f(P) E e x i t = f ( P ) H 1 H_1 H 1 E e x i t = f ( M ) E^{exit}
=
f(M) E e x i t = f ( M ) H 2 H_2 H 2 E e x i t = f ( C ) E^{exit}
=
f(C) E e x i t = f ( C ) H 3 H_3 H 3 τ i ( a , t ) = τ i \tau_i(a,t)
=
\tau_i τ i ( a , t ) = τ i H 4 H_4 H 4 使用：
C a v \mathbf C^{av} C a v τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) L c u m L^{cum} L c u m R r e c R^{rec} R r ec V g o a l V^{goal} V g o a l D d e l a y D^{delay} D d e l a y S e f f S^{eff} S e f f
比較：
預測力；
階段性；
干預特異性；
跨時間泛化；
模型複雜度。
29. 可證偽條件
F1：成本維度不可分離
若所有成本可穩定由單一標量充分解釋，多維模型需降階。
F2：閾值不隨任務變
若：
τ i ( a 1 , t ) = τ i ( a 2 , t ) \tau_i(a_1,t)
=
\tau_i(a_2,t) τ i ( a 1 , t ) = τ i ( a 2 , t ) 跨任務穩定成立，任務特定模型失敗。
F3：恢復無影響
若：
R r e c R^{rec} R r ec 不影響退出或閾值，恢復模型需刪除。
F4：累積負荷無效
若：
L c u m L^{cum} L c u m 不提供額外預測，累積模型失敗。
F5：階段成本無差異
若啟動、維持、完成成本無系統差異，階段模型需簡化。
F6：簡單模型支配
若：
H 0 – H 3 H_0\text{--}H_3 H 0 – H 3 在同等複雜度下穩定優於 H 4 H_4 H 4
30. 實驗設計
30.1 成本維度正交操弄
分別操弄：
測：
P ( E e x i t ) P(E^{exit}) P ( E e x i t ) 30.2 閾值估計
逐步增加任務成本：
C 1 < C 2 < ⋯ < C n C_1<C_2<\cdots<C_n C 1 < C 2 < ⋯ < C n 估計退出轉折點。
30.3 恢復實驗
比較：
測：
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 漂移。
30.4 啟動／維持／完成
設計三階段任務，分別操弄：
C s t a r t , C m a i n t , C f i n i s h C^{start},
C^{maint},
C^{finish} C s t a r t , C main t , C f ini s h 30.5 延遲收益
保持總收益相同，改變：
Δ t \Delta t Δ t 測：
D d e l a y D^{delay} D d e l a y 與退出。
31. 對原《痛苦承受動力學》的正式修補
31.1 保留
保留：
知道會做仍可能退出；
生物學與狀態限制；
即時成本與延遲收益衝突；
承受能力可變；
訓練與恢復的重要性。
31.2 移除單一 P P P
將：
P P P 拆為：
C a v \mathbf C^{av} C a v 與：
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 31.3 拆解痛苦
加入：
C p h y s , C a f f , C c o g , C i d , C u n c C^{phys},
C^{aff},
C^{cog},
C^{id},
C^{unc} C p h y s , C a f f , C co g , C i d , C u n c 31.4 修正普遍命題
移除：
所有轉化都需要痛苦。
改為：
某些行動在特定情境下伴隨厭惡成本，而該成本可能影響門控與退出。
31.5 修正勇氣
不再：
Courage ≡ Pain Endurance \text{Courage}
\equiv
\text{Pain Endurance} Courage ≡ Pain Endurance 31.6 加入動態閾值
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 31.7 加入恢復
R i r e c ( t ) R_i^{rec}(t) R i r ec ( t ) 31.8 加入累積負荷
L i , a c u m ( t ) L_{i,a}^{cum}(t) L i , a c u m ( t ) 32. 與後續系列的依賴
本文直接支持：
第 10 篇：認知鴻溝分類學
加入：
成本感知差；
閾值差；
不確定性差；
身份成本差。
第 11 篇：機會反噬效應
研究高暴露環境如何提高：
C i d , C u n c , C c o g C^{id},
C^{unc},
C^{cog} C i d , C u n c , C co g 並造成退出。
第 13 篇：雙視角推斷 AI
加入使用者：
第 14 篇：統一認知—行動動力學
將：
C a v , τ , E e x i t \mathbf C^{av},
\tau,
E^{exit} C a v , τ , E e x i t 納入門控與回饋。
33. 理論貢獻
貢獻一：用多維成本取代單一痛苦
C a v \mathbf C^{av} C a v 貢獻二：建立任務—時間特定閾值
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 貢獻三：建立承受餘裕
Δ t o l \Delta^{tol} Δ t o l 貢獻四：建立退出概率
P ( E e x i t ) P(E^{exit}) P ( E e x i t ) 貢獻五：加入累積負荷與恢復
L c u m , R r e c L^{cum},
R^{rec} L c u m , R r ec 貢獻六：拆分啟動、維持、完成成本
貢獻七：將勇氣移出核心機制
34. 限制
第一，成本維度可能高度相關。
第二，閾值是潛在變量。
第三，自報痛苦可能受語言影響。
第四，退出未必代表失敗。
第五，不同任務成本尺度不同。
第六，恢復指標需要多模態測量。
第七，臨床疼痛不可直接由本模型處理。
第八，AI 映射僅是功能類比。
35. 核心命題
弱版本
身體、情緒、認知、身份與不確定性成本不是同一現象，且同一主體對不同任務具有不同承受閾值。
中版本
部分行動退出可由多維厭惡成本、任務—時間特定承受閾值、累積負荷、恢復、延遲收益與自我效能的耦合模型描述。
強版本猜想
對具有有限資源、長期目標與多候選行動的高階認知系統，行動持續與退出可被穩定分解為成本向量、動態閾值與恢復歷史的交互結果。
本文不聲稱已證明強版本。
終章：真正需要問的，不是「你能不能忍」
「你要有意志力。」
「你要吃苦。」
「成長一定痛苦。」
這些句子有時有經驗直覺。
但作為理論，它們太粗。
因為：
忍什麼？
是：
C p h y s C^{phys} C p h y s 身體不適？
還是：
C a f f C^{aff} C a f f 情緒痛苦？
還是：
C c o g C^{cog} C co g 認知負荷？
還是：
C i d C^{id} C i d 身份威脅？
還是：
C u n c C^{unc} C u n c 不確定性？
不同成本需要不同干預。
更重要的是，同一個人沒有一個固定：
P P P 可以解釋所有情境。
而更接近：
τ i ( a , t ) \boxed{
\tau_i(a,t)
} τ i ( a , t ) 也就是：
這個人，在這個時間，對這個行動，能承受多少有效成本？
因此：
Δ i , a t o l ( t ) = τ i ( a , t ) − C ~ i , a a v ( t ) \Delta_{i,a}^{tol}(t)
=
\tau_i(a,t)
-
\widetilde C_{i,a}^{av}(t) Δ i , a t o l ( t ) = τ i ( a , t ) − C i , a a v ( t ) 才是更精確的問題。
一個人昨天能做到，今天做不到，不必是人格退化。
可能是：
L c u m ↑ L^{cum}\uparrow L c u m ↑ 累積負荷提高；
R r e c ↓ R^{rec}\downarrow R r ec ↓ 恢復不足；
τ ↓ \tau\downarrow τ ↓ 有效閾值下降。
而一個人明明知道、也會做，仍然退出，也不必是「懶」。
可能：
K r e t ↑ , P p r o c ↑ , C ~ a v ≫ τ K^{ret}\uparrow,
\quad
P^{proc}\uparrow,
\quad
\widetilde C^{av}\gg\tau K r e t ↑ , P p r oc ↑ , C a v ≫ τ 所以：
G ↓ G\downarrow G ↓ 最後：
E e x i t ↑ E^{exit}\uparrow E e x i t ↑ 本文因此把原本的「痛苦承受力」從一個人格式大詞，重構為：
多維成本 + 動態閾值 + 累積負荷 + 恢復 + 退出 \boxed{
\text{多維成本}
+
\text{動態閾值}
+
\text{累積負荷}
+
\text{恢復}
+
\text{退出}
} 多維成本 + 動態閾值 + 累積負荷 + 恢復 + 退出 這也讓我們能更謹慎地處理「勇氣」。
勇氣可以是重要哲學問題。
但它不應先被偷偷定義成：
忍痛能力。
因為有時真正成熟的行動不是忍。
而是：
降低摩擦；
重設環境；
增加恢復；
分解任務；
避免傷害；
在正確時候退出。
因此本文的最終命題不是：
忍得越多，人成長越多 \boxed{
\text{忍得越多，人成長越多}
} 忍得越多，人成長越多 而是：
理解成本結構，調整承受閾值，管理累積負荷，並區分何時持續、何時退出 \boxed{
\text{理解成本結構，調整承受閾值，管理累積負荷，並區分何時持續、何時退出}
} 理解成本結構，調整承受閾值，管理累積負荷，並區分何時持續、何時退出 這才是厭惡成本承受動力學真正能接入知識—行動轉移、認知鴻溝、機會反噬與 AI 長期互動的形式。
附錄 A：核心符號表
符號
定義
C i , a a v ( t ) \mathbf C_{i,a}^{av}(t) C i , a a v ( t ) 多維厭惡成本向量
C p h y s C^{phys} C p h y s 身體成本
C a f f C^{aff} C a f f 情緒成本
C c o g C^{cog} C co g 認知成本
C i d C^{id} C i d 身份成本
C u n c C^{unc} C u n c 不確定性成本
C ~ i , a a v ( t ) \widetilde C_{i,a}^{av}(t) C i , a a v ( t ) 有效厭惡成本
w i , a , t \mathbf w_{i,a,t} w i , a , t 成本敏感度權重
Γ i , a , t \Gamma_{i,a,t} Γ i , a , t 成本交互結構
τ i ( a , t ) \tau_i(a,t) τ i ( a , t ) 任務—時間特定承受閾值
Δ i , a t o l ( t ) \Delta_{i,a}^{tol}(t) Δ i , a t o l ( t ) 承受餘裕
B i , a b u f ( t ) B_{i,a}^{buf}(t) B i , a b u f ( t ) 承受緩衝
E i , a e x i t ( t ) E_{i,a}^{exit}(t) E i , a e x i t ( t ) 行動退出事件
L i , a c u m ( t ) L_{i,a}^{cum}(t) L i , a c u m ( t ) 累積負荷
R i r e c ( t ) R_i^{rec}(t) R i r ec ( t ) 恢復狀態
V a f u t u r e V_a^{future} V a f u t u r e 未來收益
V a d i s c ( t ) V_a^{disc}(t) V a d i sc ( t ) 折扣後收益
C i s a f e ( t ) C_i^{safe}(t) C i s a f e ( t ) 安全感／安全情境量
H i s u c c e s s H_i^{success} H i s u ccess 成功歷史
C d i s c o m f o r t C^{discomfort} C d i sco m f or t 可容忍不適
C d a m a g e C^{damage} C d ama g e 傷害風險成本
E a v o i d E^{avoid} E a v o i d 避免型退出
E s t r a t e g i c E^{strategic} E s t r a t e g i c 戰略型退出
E s a f e t y E^{safety} E s a f e t y 安全型退出
E r e s o u r c e E^{resource} E r eso u r ce 資源型退出
附錄 B：一句話版本
行動退出不應被簡化為意志薄弱，而應分析主體在特定任務與時間下所承受的身體、情緒、認知、身份與不確定性成本，這些成本如何超越動態承受閾值，以及累積負荷、恢復、延遲收益與自我效能如何共同改變退出概率。
附錄 C：與原稿的版本差異
原始版本
v2.0 重構
單一痛苦承受力 P P P
多維成本向量 C a v \mathbf C^{av} C a v
P P P 改為任務—時間特定閾值 τ i ( a , t ) \tau_i(a,t) τ i ( a , t )
所有轉化都需痛苦
改為條件式厭惡成本命題
勇氣≈承受痛苦
移出主模型
痛苦種類混寫
拆成身體、情緒、認知、身份、不確定性
退出＝失敗
拆成避免、戰略、安全、資源退出
成本只看當下
加入累積負荷 L c u m L^{cum} L c u m
承受只看個體
加入恢復 R r e c R^{rec} R r ec
行動是一階段
拆啟動、維持、完成
曝露越多越好
加入過載反作用
高承受＝高成長
明確取消
動機不足解釋退出
接回第8篇多節點門控
AI 成本≈人類痛苦
改為功能類比
全文完