關係注意不對稱動力學：互惠、權重漂移、變化點與元溝通

Relational Attention Asymmetry Dynamics: Reciprocity, Weight Drift, Change Points, and Meta-Communication

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理論論文
系列位置：第 4 篇／關係動力學篇
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 3 篇《雙重觀察動力學》
公開定位：中層理論、準形式化模型、可檢驗研究綱領

摘要

長期關係中的「你變了」、「你不像以前那樣在乎我」、「我付出很多但對方沒有回應」等經驗，常被直接解釋為愛的減少、人格缺陷、依戀問題或道德失衡。既有《觀察者的觀察者》理論提出以注意力配置 $\Pi$ 解釋關係變淡、行為訊號與不對稱投入，並嘗試使用貝葉斯逆推從回覆延遲、主動聯絡、眼神接觸與記憶細節等訊號估計對方內部權重。然而，若將單一訊號直接映射為心理狀態，容易忽略情境、個體基線、策略行為、平台限制與不可識別性。

本文提出「關係注意不對稱動力學」（Relational Attention Asymmetry Dynamics, RAAD），將關係研究重構為一個隱狀態—觀測訊號—期待結構—時間變化的動態系統。本文定義主體 $i$ 對主體 $j$ 的潛在關係配置狀態：

q_{ij}(t) \in [0,1]

其中 $q_{ij}(t)$ 表示在特定時間尺度與情境集合下， $i$ 對 $j$ 的相對資源配置傾向；它不等同愛、承諾、道德價值或單一注意力瞬時值。可觀測行為訊號記為：

Y_{ij,t} = ( \Delta t_{\text{reply}}, f_{\text{init}}, a_{\text{memory}}, t_{\text{joint}}, p_{\text{priority}}, \ldots )

並建模為：

Y_{ij,t} \sim p \left( Y \mid q_{ij}(t), C_{ij,t}, \theta_i, \theta_j, \Xi_t \right)

其中 $C_{ij,t}$ 是情境， $\theta_i,\theta_j$ 是個體基線， $\Xi_t$ 是未建模擾動。由此可見：

Y_{ij,t} \not\Rightarrow q_{ij}(t)

而只能形成後驗推斷。

本文進一步定義關係不對稱：

\mathcal A_{ij}(t) = \frac{ |q_{ij}(t)-q_{ji}(t)| }{ q_{ij}(t)+q_{ji}(t)+\varepsilon }

但明確指出：

\mathcal A_{ij}\uparrow \not\Rightarrow \text{Relationship Failure}

真正更接近痛苦與衝突來源的，可能是期待落差、可協商性不足與變化不可解釋。本文引入期待錯配：

\mathcal E_{ij}(t) = \left| q_{ji}(t) - \hat q_{ji}^{\,expected}(t) \right|

以及變化點：

\tau^{*} = \arg\max_{\tau} P \left( \tau \mid Y_{1:T} \right)

將「你變了」重新定義為：觀察者對對方潛在關係配置狀態存在持續、跨訊號、超越情境噪聲的後驗變化判斷，而非單一事件後的情緒結論。

本文提出互惠耦合、配置漂移、競爭排擠、期待不對稱、變化點檢測、元溝通與關係修復等模型；並建立競爭假說、可證偽條件與實驗設計。本文的核心貢獻是把關係中的痛苦從「誰比較愛誰」的道德敘事，轉化為一個可分析但不過度還原的動態問題：資源如何配置、訊號如何生成、模型如何推斷、期待如何偏離，以及雙方能否共同修正對彼此狀態的模型。

關鍵詞： 關係動力學、注意不對稱、互惠、權重漂移、變化點、元溝通、貝葉斯推斷、期待錯配、關係訊號、長期互動

0. 邊界聲明

本文首先明確以下限制。

第一，本文不主張：

q_{ij}(t) = \text{Love}

第二，本文不主張：

q_{ij}(t) = \text{Commitment}

第三，本文不主張任何單一行為訊號可以直接揭示對方內部狀態。

例如：

\Delta t_{\text{reply}}\uparrow \not\Rightarrow q_{ij}\downarrow

第四，本文不主張關係對稱是唯一健康狀態。

第五，本文不把「付出更多」直接等同「應得更多回報」。

第六，本文不把依戀、愛情、友情、親子、組織合作全部視為同一關係類型。本文建立的是可跨關係比較的最低動力框架。

第七，本文不主張可從有限行為資料精確讀心。本文處理的是：

\boxed{ \text{Latent-State Inference under Uncertainty} }

即不確定條件下的隱狀態推斷。

第八，本文不以非正式案例數字、未驗證比例或固定準確率作為證據。

1. 問題提出：「你變了」究竟在說什麼？

1.1 表面句子

長期關係中常出現：

你變了。

但這句話可能指：

回覆變慢；
主動聯絡變少；
記得的細節變少；
優先順序改變；
共同活動減少；
情緒回應變弱；
互動方式改變。

因此：

\text{You Changed}

不是單一可觀測變量。

1.2 三個層次

本文將「你變了」拆成：

層次一：訊號變化

Y_{ij,t_2} \neq Y_{ij,t_1}

層次二：潛在狀態變化

q_{ij}(t_2) \neq q_{ij}(t_1)

層次三：關係意義變化

\mathcal R_{ij}(t_2) \neq \mathcal R_{ij}(t_1)

三者不能混同。

1.3 訊號變化不等於關係變化

例如回覆時間從 5 分鐘變成 2 小時：

\Delta t_{\text{reply}}\uparrow

可能來自：

工作負荷上升；
睡眠改變；
平台通知關閉；
地理時區；
新家庭責任；
關係配置下降。

因此：

\boxed{ \Delta Y \not\Rightarrow \Delta q \not\Rightarrow \Delta \mathcal R }

2. 前置架構中的位置

第 1 篇建立：

\mathcal S_t = ( X_t, \Pi_t, O_t, U_t, \mathcal M_t, G_t, A_t )

第 2 篇建立有限選擇配置：

\Pi_t(e)

第 3 篇建立：

\widehat Z_t^{other}

與：

\widehat Z_t^{self|other}

本文把這些工具放入關係時間序列。

核心關係：

Y_{ij,1:t} \rightarrow O_i^{meta} \rightarrow \widehat q_{ij}(t)

但：

\widehat q_{ij}(t) \neq q_{ij}(t)

其中：

$q_{ij}(t)$ ：潛在關係配置；
$\widehat q_{ij}(t)$ ：觀察者的估計。

3. 潛在關係配置狀態

3.1 定義

設：

q_{ij}(t) \in [0,1]

表示主體 $i$ 在指定時間尺度與關係情境下，對主體 $j$ 的相對資源配置傾向。

它可能影響：

時間；
搜尋；
記憶；
優先排序；
回應；
共同規劃。

但：

q_{ij}

不是一個直接可觀測的心理物質。

3.2 與瞬時配置的區分

第 2 篇的：

\Pi_t(e_j)

可表示瞬時配置。

本文的：

q_{ij}(t)

是較慢時間尺度的潛在關係配置狀態。

因此：

\Pi_t(e_j) = f \left( q_{ij}(t), C_t, G_t, S_t, \Xi_t \right)

即長期關係狀態會影響瞬時配置，但不完全決定它。

3.3 多時間尺度

可分：

q_{ij}^{fast}(t)

短期波動；

q_{ij}^{meso}(t)

中期關係狀態；

q_{ij}^{slow}(t)

長期結構。

因此：

q_{ij}(t) = \mathcal Q \left( q^{fast}, q^{meso}, q^{slow} \right)

而非單一平滑曲線。

4. 可觀測訊號

4.1 訊號向量

定義：

Y_{ij,t} = ( y_1, y_2, \ldots, y_m )

候選訊號包括：

回覆延遲；
主動聯絡頻率；
共同時間；
記憶細節；
優先選擇；
中斷頻率；
修復行為；
未被要求的支持行動。

4.2 訊號不是普遍同義

同一訊號在不同個體中具有不同基線。

例如：

\Delta t_{\text{reply}}=3\text{ 小時}

對某人可能是快速。

對另一人可能是極慢。

所以需要：

\theta_i

個體基線。

4.3 訊號生成模型

本文使用：

Y_{ij,t} \sim p \left( Y \mid q_{ij}(t), C_{ij,t}, \theta_i, \theta_j, \Xi_t \right)

其中：

$C_{ij,t}$ ：情境；
$\theta_i$ ：個體基線；
$\theta_j$ ：對象特徵；
$\Xi_t$ ：未建模因素。

因此：

\boxed{ \text{Signal} \neq \text{State} }

5. 貝葉斯逆推

5.1 後驗估計

觀察者 $j$ 根據 $i$ 的訊號估計：

P \left( q_{ij}(t) \mid Y_{ij,1:t} \right)

依貝葉斯形式：

P \left( q_t \mid Y_{1:t} \right) \propto P \left( Y_t \mid q_t,C_t,\theta \right) P \left( q_t \mid Y_{1:t-1} \right)

5.2 多假說模型

不應直接假設：

Y_t \leftarrow q_t

唯一來源。

定義：

\mathcal H_t = \{ H_{\text{allocation}}, H_{\text{workload}}, H_{\text{fatigue}}, H_{\text{strategy}}, H_{\text{platform}}, \ldots \}

比較：

P(H_k\mid Y_{1:t})

5.3 不可識別性

不同隱狀態可生成相似訊號。

q_1\neq q_2

但：

p(Y\mid q_1,C_1) \approx p(Y\mid q_2,C_2)

因此關係推斷存在根本不可識別性。

6. 「你變了」的變化點定義

6.1 不是單次偏差

一次晚回：

Y_t

不應直接構成變化。

需要檢查：

持續性；
跨訊號一致性；
超越基線；
情境控制。

6.2 狀態空間模型

候選：

q_{ij}(t+1) = q_{ij}(t) + \omega_t + u_t

其中：

$\omega_t$ ：自然波動；
$u_t$ ：結構性變化。

觀測：

Y_{ij,t} = h \left( q_{ij}(t), C_{ij,t}, \theta \right) + \nu_t

6.3 變化點

定義：

\tau^{*} = \arg\max_{\tau} P \left( \tau \mid Y_{1:T} \right)

若在 $\tau^{*}$ 前後：

P \left( q_{after} \neq q_{before} \mid Y \right)

顯著上升，才有理由說存在結構性變化候選。

6.4 「你變了」的中版本命題

本文提出：

「你變了」可被形式化為：觀察者在控制情境噪聲與個體基線後，對對方潛在關係配置狀態產生持續、跨訊號、跨時間的後驗改變判斷。

不是：

\text{回訊慢} \Rightarrow \text{不愛}

7. 關係不對稱

7.1 定義

\mathcal A_{ij}(t) = \frac{ |q_{ij}(t)-q_{ji}(t)| }{ q_{ij}(t)+q_{ji}(t)+\varepsilon }

其中：

\mathcal A_{ij} \in [0,1]

近似表示配置不對稱程度。

7.2 不對稱不是病理

若：

q_{ij}\neq q_{ji}

不推出：

\text{Unhealthy}

因為：

親子；
照護；
師徒；
專案合作；

本來可能不對稱。

7.3 真正的風險來源

本文提出三個更關鍵因素。

期待落差

\mathcal E_{ij}(t) = \left| q_{ji}(t) - \hat q_{ji}^{expected}(t) \right|

不確定性

\mathcal U_{ij}(t) = H \left[ P(q_{ji}\mid Y) \right]

不可協商性

\mathcal N_{ij}(t) = 1- \operatorname{Negotiability}_{ij}(t)

因此關係壓力候選模型：

D_{ij}(t) = f \left( \mathcal E_{ij}, \mathcal U_{ij}, \mathcal N_{ij}, C_t \right)

8. 互惠動力學

8.1 互惠不是鏡像

本文不要求：

q_{ij}(t) = q_{ji}(t)

互惠可理解為：

一方的行為與配置變化，是否進入另一方的更新與回應模型。

8.2 耦合方程

候選：

\frac{dq_{ij}}{dt} = F_i \left( q_{ij}, \widehat q_{ji}, R_{ij}, C_i, \Xi_i \right)

\frac{dq_{ji}}{dt} = F_j \left( q_{ji}, \widehat q_{ij}, R_{ji}, C_j, \Xi_j \right)

其中：

$\widehat q_{ji}$ ：對對方配置的估計；
$R_{ij}$ ：互動回饋。

8.3 估計比真值更直接影響反應

主體 $i$ 通常無法直接知道：

q_{ji}

只能依賴：

\widehat q_{ji}

因此：

\frac{dq_{ij}}{dt}

可能主要回應：

\widehat q_{ji}

而非：

q_{ji}

這是關係誤差放大的核心。

9. 誤判正反饋

9.1 負向循環

例如：

Y_j \rightarrow \widehat q_{ji}\downarrow

導致：

q_{ij}\downarrow

再導致：

Y_i^{support}\downarrow

使對方：

\widehat q_{ij}\downarrow

形成：

\boxed{ \text{Misinterpretation} \rightarrow \text{Withdrawal} \rightarrow \text{Confirming Signal} }

9.2 自我實現

因此：

\widehat q_{ji}\downarrow

可能最終真的造成：

q_{ji}\downarrow

即推斷改變互動，互動再改變狀態。

9.3 加入飽和與修復

候選：

\frac{dq_{ij}}{dt} = F_{\text{reciprocity}} - F_{\text{competition}} - F_{\text{fatigue}} + F_{\text{repair}} - F_{\text{saturation}}

避免單純正反饋爆炸。

10. 配置競爭與關係漂移

10.1 關係不是孤立資源池

主體 $i$ 同時配置給：

\{ e_1,e_2,\ldots,e_n \}

包括：

工作；
家庭；
朋友；
自我；
健康；
AI；
娛樂。

因此：

q_{ij}\downarrow

可能不是負面評價，而是其他目標上升造成相對排擠。

10.2 競爭排擠

沿用第 2 篇：

\chi_{ab} = - \frac{ \partial \Pi(b) }{ \partial s(a) }

若工作優先度上升：

s_{\text{work}}\uparrow

可能造成：

\Pi(e_j)\downarrow

即使對 $j$ 的情感評價未變。

10.3 漂移

定義：

v_{ij}(t) = \frac{dq_{ij}}{dt}

若：

v_{ij}(t)<0

表示配置下降趋势。

但短期：

v_{ij}<0

不等於結構性衰退。

需要檢查：

\int_{t_0}^{t_1} v_{ij}(t)\,dt

與情境。

11. 記憶與「變了」的判斷

11.1 變化檢測需要歷史

若沒有：

\mathcal M_t

就無法比較：

Y_{t_1}

與：

Y_{t_2}

因此：

\text{Change Detection} = f \left( Y_t, \mathcal M_t^{history} \right)

11.2 記憶重構偏差

但：

\mathcal M_t^{history}

不等於真實歷史。

可能出現：

美化早期；
選擇性記憶；
當前情緒重寫過去；
負面事件放大。

因此：

\widehat{\Delta q}

可能來自錯誤基線。

11.3 關係懷舊偏差

定義候選：

B_{nostalgia} = \widehat q_{past} - q_{past}^{reconstructed}

若早期被過度美化，當前狀態更容易被判斷為下降。

此概念需後續實證。

12. 元溝通

12.1 內容溝通與模型溝通

內容溝通：

你為什麼不回我？

元溝通：

我發現自己最近把你的回覆變慢解讀成你降低了對我的重視，但我不確定這個推斷是否正確；我們能否比較一下各自看到的變化？

後者不是更「高級」，而是直接暴露模型。

12.2 元溝通的形式

主體 $i$ 向 $j$ 傳達：

\mathcal C_{i\rightarrow j}^{meta} = ( Y_i, \widehat q_{ji}, U_i, E_i )

其中：

$Y_i$ ：我觀察到的訊號；
$\widehat q_{ji}$ ：我的推斷；
$U_i$ ：我的不確定性；
$E_i$ ：我的期待。

12.3 四層句型

觀測

我注意到最近我們主動聯絡次數變少。

推斷

我開始猜測你對這段關係的優先度可能下降。

不確定性

但我知道這也可能是工作或疲勞造成。

協商

我想知道你怎麼看，以及我們是否需要調整互動方式。

12.4 元溝通不是展示偽精確數據

本文拒絕：

你的 $\Pi$ 從 0.7 降到 0.3。

除非有真正測量模型。

更合理的是：

P \left( q_{ji}\downarrow \mid Y \right)

以及不確定性區間。

13. 元溝通的失敗條件

13.1 無共同現實

若雙方對：

Y

本身都無法同意，需先處理觀測層。

13.2 高策略性

若一方故意操縱訊號：

P(Y\mid q)

失真。

13.3 不可協商

若：

\operatorname{Negotiability} \approx0

元溝通可能只增加資訊，不改變關係。

13.4 安全風險

在：

暴力；
脅迫；
控制；

情境中，元溝通不是優先方案。

14. 七種失效模式

14.1 單訊號過擬合

Y_1 \Rightarrow q

14.2 基線忽略

忽略：

\theta_i

14.3 情境忽略

忽略：

C_t

14.4 自我投影

Z_i^{self} \rightarrow \widehat q_{ji}

過強。

14.5 期待錯配

\mathcal E_{ij}\uparrow

14.6 變化點幻覺

自然波動被誤判成：

\tau^{*}

14.7 遞迴關係鎖定

反覆推測：

O^{meta}(O^{meta}(\cdots))

但外部證據下降。

15. 關係健康不應縮成單一指標

原始模型容易建立：

Health = f(\Pi_A,\Pi_B)

本文認為過度簡化。

更合理的候選向量：

\mathbf H_{ij} = ( \mathcal A_{ij}, \mathcal E_{ij}, \mathcal U_{ij}, \mathcal N_{ij}, R_{ij}^{repair}, S_{ij}^{safety} )

其中：

$\mathcal A$ ：不對稱；
$\mathcal E$ ：期待錯配；
$\mathcal U$ ：不確定性；
$\mathcal N$ ：不可協商性；
$R^{repair}$ ：修復能力；
$S^{safety}$ ：安全性。

因此：

\boxed{ \text{Relationship Health} \neq \text{Symmetry} }

16. 關係類型差異

16.1 伴侶

可能重視：

互惠；
承諾；
長期規劃；
情緒支持。

16.2 親子

天然可能存在：

q_{parent,child} \neq q_{child,parent}

16.3 友情

可能具有：

低頻；
高穩定；
長期斷續。

因此回覆慢未必表示下降。

16.4 組織

關係配置可能受：

角色；
任務；
權責；

主導。

所以模型參數不能跨關係類型直接共用。

17. AI 與關係推斷

17.1 AI 可以估計，但不應宣稱讀心

候選：

P \left( q_{user\rightarrow AI} \mid Y_{1:t} \right)

可用於：

互動節奏；
流失風險；
長期需求。

但 AI 不應說：

你一定不在乎我了。

17.2 長期使用者模型

AI 可維護：

\widehat q_t

與：

P(\tau^{*}\mid Y)

但必須：

保留不確定性；
允許使用者更正；
避免操縱；
限制敏感推斷。

17.3 依賴風險

若 AI 根據：

q_{user\rightarrow AI}\uparrow

主動強化情感依賴，存在倫理風險。

因此第 13 篇需加入：

\text{Inference} \neq \text{Exploitation}

18. 分層猜想

H1：跨訊號推斷猜想

多訊號模型在控制情境後，對潛在關係配置變化的預測優於單訊號模型。

H2：基線校準猜想

個體化基線：

\theta_i

可顯著降低誤判。

H3：變化點猜想

部分「你變了」經驗對應可檢測的跨訊號結構變化，而非單次事件。

H4：期待錯配猜想

關係痛苦與：

\mathcal E_{ij}

的關聯可能高於與：

\mathcal A_{ij}

本身的關聯。

H5：估計耦合猜想

主體行為更直接回應：

\widehat q_{ji}

而非不可見的：

q_{ji}

H6：元溝通校準猜想

在安全且可協商關係中，明確區分觀測、推斷、不確定性與期待的元溝通，可降低模型錯配。

H7：修復能力猜想

長期穩定更依賴：

R_{ij}^{repair}

而非完全對稱。

19. 競爭模型

$H_0$ ：依戀類型模型

主要差異由依戀類型解釋。

$H_1$ ：溝通頻率模型

主要由聯絡量解釋。

$H_2$ ：交換公平模型

主要由投入—回報比例解釋。

$H_3$ ：角色規範模型

主要由文化與角色期待解釋。

$H_4$ ：關係注意不對稱動力學

使用：

潛在配置；
訊號生成；
期待錯配；
變化點；
元溝通。

比較：

預測力；
跨時間泛化；
修復預測；
模型複雜度。

20. 可證偽條件

F1：潛在配置無增益

若加入：

q_{ij}(t)

不能改善跨時間預測，則隱狀態模型需降階。

F2：多訊號無優勢

若單一訊號模型穩定優於多訊號模型，整合假說失敗。

F3：期待錯配無關

若：

\mathcal E_{ij}

與痛苦、衝突、退出無關，期待模型需刪除。

F4：變化點無重現

若「你變了」感知與任何可重複結構變化無關，變化點模型需弱化。

F5：元溝通無效

若控制一般溝通時間後，元溝通不改善校準或修復，相關命題失敗。

F6：更簡單模型支配

若：

H_0\text{--}H_3

在同等複雜度下穩定優於 $H_4$ ，本文框架應降階。

21. 實驗設計

21.1 長期多訊號追蹤

收集：

回覆延遲；
主動聯絡；
共同時間；
記憶細節；
自報期待；
情境負荷。

建立：

P(q_t\mid Y_{1:t})

比較單訊號與多訊號模型。

21.2 變化點驗證

在長期資料中估計：

\tau^{*}

並與：

自報「關係變了」時間；
重大生活事件；
第三方評估；

比較。

21.3 期待錯配

測量：

\hat q_{ji}^{expected}

與：

\widehat q_{ji}

檢查：

\mathcal E_{ij}

是否預測痛苦。

21.4 元溝通實驗

比較：

一般組

你最近都不理我。

元溝通組

我觀察到聯絡變少，我把它解讀成優先度下降，但我不確定；我想知道你的看法。

測量：

模型校準；
防衛性；
衝突；
後續行為。

22. 對原《觀察者的觀察者》的正式修補

22.1 保留

保留：

注意力反向推理；
多訊號整合；
「你變了」；
關係不對稱；
元溝通；
行為與內部狀態分離。

22.2 降階

將：

\Delta t_{\text{reply}} \propto 1/\Pi

改為：

Y \sim p(Y\mid q,C,\theta,\Xi)

22.3 移除偽精確數值

移除：

5 分鐘等於 $0.8$ ；
5 小時等於 $0.2$ ；
固定準確率；
未驗證 N 值。

22.4 修正不對稱判決

將：

高度不對稱＝關係不健康。

改為：

\mathcal A\uparrow \not\Rightarrow \text{Failure}

並加入：

\mathcal E, \mathcal U, \mathcal N, R^{repair}

22.5 修正「舔狗」概念

公開版不將人格化標籤作正式類型。

改為：

高單向配置—高期待錯配狀態。

22.6 修正元溝通

移除：

你的 $\Pi$ 從 0.7 變 0.3。

改為：

觀測；
推斷；
不確定性；
期待；
協商。

23. 與後續系列的依賴

本文支持：

第 5 篇：記憶動力學

研究關係歷史與變化檢測。

第 10 篇：認知鴻溝微觀分類學

研究他者模型與期待失配。

第 11 篇：機會反噬效應

研究身份威脅下的關係與群體投影。

第 13 篇：雙視角推斷 AI

工程化：

P(q_t\mid Y_{1:t})

但限制讀心宣稱。

第 14 篇：統一認知—行動動力學

將關係動力學作為多智能體擴展。

24. 理論貢獻

貢獻一：分離訊號、狀態與關係意義

\Delta Y \not\Rightarrow \Delta q \not\Rightarrow \Delta\mathcal R

貢獻二：建立潛在配置狀態

q_{ij}(t)

貢獻三：將「你變了」改為變化點問題

\tau^{*}

貢獻四：將不對稱與病理分離

\mathcal A\uparrow \not\Rightarrow \text{Failure}

貢獻五：提出期待錯配

\mathcal E_{ij}

貢獻六：把關係反應建立在估計而非真值

\widehat q \neq q

貢獻七：重構元溝通

\text{Observation} + \text{Inference} + \text{Uncertainty} + \text{Expectation} + \text{Negotiation}

25. 限制

第一， $q_{ij}$ 仍是建模構造，不是直接觀測物。

第二，關係類型差異巨大。

第三，文化規範影響訊號。

第四，策略行為可破壞似然模型。

第五，自報資料存在偏差。

第六，長期追蹤成本高。

第七，本文不解決愛與承諾的本體論。

第八，本文不應被用來監控伴侶或合理化控制行為。

26. 核心命題

弱版本

長期關係中的行為訊號、內部配置狀態與關係意義不是同一層次。

中版本

部分「你變了」經驗可被建模為：在控制個體基線與情境後，觀察者對對方潛在關係配置狀態形成持續、跨訊號的後驗變化判斷；其痛苦程度可能更受期待錯配、不確定性與修復能力影響，而非單純不對稱程度。

強版本猜想

對具有長期記憶、他者模型與互惠反應的多智能體系統，關係穩定性可部分理解為潛在配置狀態、估計誤差、期待結構與修復動力的耦合結果。

本文不聲稱已證明強版本。

終章：關係中的真實問題，不是「你到底愛不愛我」這一個數字

關係理論最容易犯兩種錯誤。

第一種是把一切交給主觀感受：

我感覺你變了，所以你一定變了。

第二種是把一切交給偽精確量化：

你回覆慢了，所以你的注意力從 $0.7$ 降到 $0.3$ 。

本文拒絕兩者。

真正的問題是：

\boxed{ \text{我們觀察到了什麼？} }

\boxed{ \text{我們由此推斷了什麼？} }

\boxed{ \text{這個推斷有多不確定？} }

\boxed{ \text{我們期待的是什麼？} }

\boxed{ \text{雙方是否能共同修正模型？} }

因此：

Y_{ij,t} \not\Rightarrow q_{ij}(t)

而：

\widehat q_{ij}(t) \neq q_{ij}(t)

關係中的痛苦往往不是只由「真實狀態」造成，也由：

錯誤推斷；
期待錯配；
無法確認；
缺乏修復；

共同產生。

所以「你變了」真正成熟的形式，不是指控，而是變化檢測：

\boxed{ P \left( q_{after} \neq q_{before} \mid Y_{1:T},C,\theta \right) }

而元溝通真正成熟的形式，也不是：

我已經知道你怎麼想。

而是：

我把我看到的訊號、我的推斷、我的不確定性與我的期待放到同一張桌上，讓我們共同修正彼此的模型。

這使關係動力學從「愛的量化」轉向：

\boxed{ \text{隱狀態} + \text{訊號} + \text{推斷} + \text{期待} + \text{修復} }

也使原本高度有洞見但過度混雜的關係理論，成為後續記憶、認知鴻溝、AI 長期互動與多智能體系統可以共同調用的獨立節點。

附錄 A：核心符號表

符號	定義
$q_{ij}(t)$	$i$ 對 $j$ 的潛在關係配置狀態
$\widehat q_{ij}(t)$	對潛在配置的估計
$Y_{ij,t}$	關係行為訊號向量
$C_{ij,t}$	關係情境
$\theta_i$	個體基線參數
$\Xi_t$	未建模擾動
$\mathcal A_{ij}(t)$	關係配置不對稱
$\mathcal E_{ij}(t)$	期待錯配
$\mathcal U_{ij}(t)$	狀態不確定性
$\mathcal N_{ij}(t)$	不可協商性
$D_{ij}(t)$	關係壓力候選量
$\tau^{*}$	關係變化點
$v_{ij}(t)$	配置漂移速度
$R_{ij}^{repair}$	修復能力
$S_{ij}^{safety}$	關係安全性
$B_{nostalgia}$	關係懷舊偏差候選量

附錄 B：一句話版本

關係中的「你變了」不是單一行為訊號的直接翻譯，而是觀察者在不確定情境中，根據跨時間、多訊號資料推斷對方潛在配置狀態可能發生結構性變化；真正的衝突常來自期待錯配、估計誤差與修復失敗，而不只是注意力不對稱。

附錄 C：與原稿的版本差異

原始版本	v2.0 重構
回訊速度直接對應 $\Pi$	改為含情境與基線的訊號生成模型
單訊號可估真實心理	改為多假說逆問題
「你變了」＝ $\Delta\Pi$	改為變化點與後驗狀態變化
高不對稱＝不健康	改為期待、不確定性、協商與修復共同決定
「舔狗」正式類型	改為高單向配置—高期待錯配狀態
元溝通展示 $\Pi=0.7\rightarrow0.3$	改為觀測—推斷—不確定性—期待—協商
關係狀態單時間尺度	改為快／中／慢多尺度
不對稱互惠只看真值	加入 $\widehat q\neq q$
正反饋	加入競爭、疲勞、修復與飽和
關係健康單一指標	改為多維向量

全文完