回憶重建還是重新推演？

——AI 數學研究路徑的可觀測證據、認識論限制與實際價值

作者：Neo.K（理論構想與問題設定）／Aletheia（協作整理與形式化）
版本：v1.0 初版認識論稿
日期：2026-07-11
系列定位：三篇論文之二——面向 AI 懷疑論者

重要聲明

本文不試圖證明某個 AI 模型在一次研究對話中完全沒有調用訓練記憶、既有證明片段、語義聯想或隱性模式。

本文明確承認：

\boxed{ \text{僅憑輸出文字，通常無法完全區分「回憶重建」與「當下重新推演」。} }

因此，本文不主張：

AI 的每一個中介步驟都必然是第一次生成；
AI 對已知定理的重建等於獨立發現；
對話中的自我敘述可以直接揭示模型內部因果來源；
一條看似連貫的研究路徑必然代表純粹推理；
研究者應僅因 AI 聲稱「我重新推導了」就接受該主張。

本文真正捍衛的是另一個較弱、但可被外部檢查的命題：

\boxed{ \text{即使內部來源無法完全判定，外部研究路徑仍可能具有獨立價值。} }

這個價值來自：

可重驗的命題；
可執行的程式；
可檢查的反例；
被保存的錯誤；
可追蹤的修正；
明確的依賴關係；
對新穎性主張的主動降級；
對後續研究可直接使用的中介結果。

摘要

當 AI 參與數學研究時，一個常見質疑是：模型究竟是在「重新推演」，還是在「從訓練資料中回憶並重建」？這個問題重要，但若將其視為唯一判準，容易把三種不同層級混為一談：內部來源、外部研究過程與數學結果有效性。

本文提出三分框架：

\mathsf O = \text{Origin Claim},

\mathsf P = \text{Process Claim},

\mathsf R = \text{Result Claim}.

其中：

$\mathsf O$ ：某一步是否主要來自當下推演而非既有記憶；
$\mathsf P$ ：對話是否實際形成可追蹤、可修正、可重驗的研究過程；
$\mathsf R$ ：最終命題、證明或反例是否成立。

本文主張：

\boxed{ \neg\operatorname{Know}(\mathsf O) \not\Rightarrow \neg\mathsf P }

且：

\boxed{ \neg\operatorname{Know}(\mathsf O) \not\Rightarrow \neg\mathsf R. }

也就是說，我們無法完全知道模型是否「純推演」，並不自動否定研究路徑的外部價值，更不自動否定最終數學結果。

本文以一場多輪穩定 Kneser 圖研究實驗為案例。該路徑並非一條事後整理的線性成功故事，而包含多次具體失敗與修正：基本容量與譜尺度不足、單 carrier 一般化失敗、單值 selector 的精確不可行、局部一致 atlas 的理論塌縮、triangle-supported 命題的漏洞、non-star 容量常數由 $3r-27$ 修正為 $3r-28$ ，以及將求解器 infeasibility 升級為精確有理對偶證書。這些步驟可以被獨立重算與重驗。

本文不把上述痕跡當成「純推演的決定性證明」。一個足夠強的生成系統理論上也可能模擬錯誤、修正與研究日誌。但本文指出：當錯誤能導致後續搜索空間收縮，當程式輸出可重跑，當新穎性主張因文獻檢索而下降，當後續步驟依賴前面局部失敗所產生的特定狀態時，這些資料就不再只是修辭，而成為可審計的研究工件。

因此，本文提出「來源不可觀測、路徑可審計」原則：

\boxed{ \text{不必先證明 Agent 內部如何想到； 先檢查它留下了什麼可重驗的研究痕跡。} }

本文同時提出一組更嚴格的未來驗證方案，包括：預註冊、時間戳與雜湊承諾、分階段資訊隔離、獨立 verifier、盲化目標、反事實接棒測試、跨模型重現、依賴圖審計，以及將自然語言路徑轉換成可執行研究狀態。

本文的核心結論是：

\boxed{ \text{AI 研究的價值不能只由「它是否記得」決定，} }

\boxed{ \text{而應由結果有效性、路徑可審計性與研究狀態可繼承性共同評估。} }

關鍵詞： AI 數學研究、回憶重建、重新推演、認識論、研究路徑、可審計性、可重現性、模型污染、證明工程、研究痕跡

1. 問題：AI 究竟是在想，還是在記得？

1.1 質疑的合理性

對大型模型而言，輸出可能來自多種混合來源：

Y = f( K_{\mathrm{param}}, C_{\mathrm{current}}, R_{\mathrm{retrieved}}, T_{\mathrm{tool}}, S_{\mathrm{search}} ).

其中：

$K_{\mathrm{param}}$ ：模型參數中的既有知識；
$C_{\mathrm{current}}$ ：當前上下文；
$R_{\mathrm{retrieved}}$ ：外部檢索資料；
$T_{\mathrm{tool}}$ ：計算或形式工具輸出；
$S_{\mathrm{search}}$ ：當前生成與搜索過程。

外部觀察者通常只能看到：

Y

與部分工具紀錄，無法直接分解內部權重。

所以懷疑論者提出：

這也許只是把訓練資料中的證明重新拼出來。

這個質疑本身合理。

1.2 不合理的跳躍

問題出在下一步：

因為無法證明是純推演，所以整條研究過程沒有價值。

這個結論不成立。

它把：

\text{來源不確定}

錯誤推成：

\text{過程無價值}

再推成：

\text{結果無效}.

形式上，這相當於：

\neg\operatorname{Know}(\mathsf O) \Rightarrow \neg\mathsf P \Rightarrow \neg\mathsf R,

但兩個推論都不必然成立。

2. 三個不能混淆的命題

2.1 來源命題

\mathsf O: \text{某一結果主要由當下獨立推演產生。}

這是最難證明的一層。

2.2 過程命題

\mathsf P: \text{對話實際形成可追蹤、可修正、可重驗的研究過程。}

這一層可以透過：

時序紀錄；
程式執行；
反例；
版本差異；
中介命題；
依賴圖；

進行外部檢查。

2.3 結果命題

\mathsf R: \text{最後的數學結論在給定假設下成立。}

這一層由證明、形式驗證或可審計計算決定。

2.4 邏輯獨立性

可能出現：

已知結果的正確重建

\neg\mathsf O, \qquad \mathsf P, \qquad \mathsf R.

真正新穎但證明錯誤

\mathsf O, \qquad \mathsf P, \qquad \neg\mathsf R.

純粹抄錄

\neg\mathsf O, \qquad \neg\mathsf P, \qquad \mathsf R.

有價值的失敗研究

\mathsf O\text{ 未知}, \qquad \mathsf P, \qquad \neg\mathsf R.

因此：

\boxed{ \mathsf O,\mathsf P,\mathsf R \text{ 必須分開評估。} }

3. 為什麼無法完全證明「純推演」？

3.1 內部來源不可觀測

自然語言輸出不是模型內部因果圖的完整投影。

即使模型說：

我剛剛重新推導了。

這也只是輸出的一部分，不能自動視為內部機制證明。

3.2 記憶與推演不是互斥二元

人類數學研究同樣依賴：

記得定理；
記得證明技巧；
記得反例；
類比過去問題；
在既有框架中重新組合。

所以更合理的模型是：

\text{研究生成} = \text{記憶} + \text{局部推演} + \text{重組} + \text{驗證}.

真正需要區分的是：

是否直接複製既有完整答案？

而不是要求研究者處於完全無記憶狀態。

3.3 事後合理化風險

模型可能先產生結論，再生成看似合理的中間步驟。

因此單一完整答案中的「推理過程」不能被自動當作歷史紀錄。

3.4 網路檢索污染

一旦 Agent 看到標準證明、作者名稱或關鍵引理，後續生成便受到污染。

所以真正嚴格的盲測需要資訊隔離，而不是事後口頭聲稱「我沒看」。

4. 為何路徑仍可能有價值？

4.1 來源與驗證可分離

一個命題的有效性不取決於提出者是否第一次想到它。

若：

T_1,\dots,T_m \Rightarrow P

可被獨立檢查，則證明是否成立，與模型是否曾看過相似證明是不同問題。

因此：

\boxed{ \text{provenance} \neq \text{validity}. }

4.2 路徑提供搜索資訊

研究過程中的失敗可以排除整個方法族。

例如：

\text{single carrier} + \text{first-order root count}

在多個小參數中被完整枚舉證明不足。

即使模型曾見過最終定理，這個失敗資訊仍能縮小未來搜索空間。

4.3 錯誤修正產生新狀態

若錯誤只是裝飾，它對後續結果沒有約束。

但在本案例中：

triangle-supported 漏洞迫使 block 類型重定義；
$3r-27$ 的錯誤迫使重新審計模板；
selector 不可行迫使放棄單值選擇；
已知 broader theorem 迫使停止重做 $k=2$ 。

所以：

\mathcal F_t

真實進入了：

\mathcal S_{t+1} = \mathcal U( \mathcal S_t, \mathcal F_t ).

4.4 可執行工件超越敘事

本案例留下兩個 verifier：

$s=3,k=2$ 的 finite block-cover verifier；
$s=3,k=3$ 的 finite-core rational dual verifier。

它們可以被另一個人或 Agent 重跑。

所以至少部分路徑已從自然語言轉為：

\boxed{ \text{executable artifact}. }

5. 案例中的可觀測研究摩擦

5.1 基本容量與譜界失配

最初一階方法只達：

\frac nk,

而目標為：

n-2k+2.

這迫使搜索轉向更高階結構。

5.2 單 carrier 一般化失敗

$s=2$ 的區塊數—根數方法不能直接推至 $s>2$ 。

完整小參數枚舉顯示，最佳 binary carrier 也不足。

這不是一個修辭錯誤，而是可計算的方法族障礙。

5.3 selector 精確不可行

在有限 covector poset 上，單值序相容 selector 被精確模型判定不可行。

因此後續不能再假裝「也許只差一個漂亮選擇函數」。

5.4 atlas 理論塌縮

重疊一致的局部 carrier atlas 必然拼成全域 carrier。

這是一個結構否證，不依賴求解器。

5.5 triangle-supported 漏洞

研究路徑曾錯誤認為殘餘邊必由殘餘圖內三角形覆蓋。

反例指出第三點可能在殘餘集外。

修正後 block 類型變成：

\text{internal triangle} \quad\text{or}\quad \text{singleton edge}.

5.6 常數錯一

non-star stable capacity 先估為：

3r-27,

後經獨立枚舉與逐型分析修正為：

3r-28.

此一單位使 star-forcing threshold 從 $16$ 降至 $15$ 。

5.7 黑箱結果升級為精確證書

初始有限核心只得到 MILP infeasible。

最後改成有理對偶權重：

\sum_{A\in\mathcal F}y_A\le1,

而：

\sum_Ay_A>r-7.

所以有限核心可以被獨立逐項檢查。

6. 這些摩擦是否能證明「真的重新推演」？

不能完全證明。

一個極強生成系統理論上可以生成：

假錯誤；
假修正；
假研究日誌；
看似路徑依賴的文本。

因此：

\boxed{ \text{摩擦是證據，不是決定性證明。} }

但證據強度會隨以下條件增加：

錯誤在當時確實未被預知；
修正改變後續搜索空間；
工具輸出具有時間戳；
程式可重跑；
後續命題依賴先前局部失敗；
新穎性審計降低而非放大主張；
不同 Agent 能從中間 checkpoint 接續；
原始版本與修改版本均被保存。

7. 路徑依賴作為外部證據

7.1 研究路徑

令：

\Pi_T = ( m_0,m_1,\dots,m_T )

為訊息與工具紀錄序列。

若後續狀態：

\mathcal S_{t+1}

包含只可能由早期局部結果生成的資訊，例如：

特定反例；
特定常數修正；
特定有限核心；
特定 verifier 輸出；

則路徑具有：

\operatorname{PathDependence}(\Pi_T)>0.

7.2 反事實測試

可以移除某個關鍵 checkpoint：

m_j

再讓另一 Agent 接續。

若缺少該 checkpoint 時：

搜索重複舊錯誤；
無法重現後續壓縮；
產生不同研究狀態；

則表示該訊息不是純粹敘事冗餘，而具有研究因果作用。

7.3 注意限制

路徑依賴仍不能證明模型主觀上「第一次想到」。

它只能證明：

此研究工件對後續搜索有外部可測的資訊作用。

8. 七個常見懷疑與回應

8.1 「模型只是背過標準證明」

可能。

因此標準 Tucker、Lovász、Schrijver 路線應標記為：

\mathrm{Reconstruction}.

但後續方法族淘汰、有限核心壓縮與 verifier 仍需分別評估。

8.2 「它只是事後編故事」

若只有一份最後答案，這個質疑很強。

若有：

原始時序訊息；
中間程式；
當輪輸出；
失敗版本；
後續修正；

則「純事後敘事」的空間會縮小，但不會完全歸零。

8.3 「真正做工作的是求解器」

工具確實做了部分計算。

但研究活動包括：

決定算什麼；
將無限問題有限化；
設計 block 類型；
生成對偶證書；
解讀反例；
根據輸出更新理論。

所以正確描述是：

\text{Agent} + \text{solver} + \text{human direction}

的混合研究系統，而非單一主體神話。

8.4 「有限計算不是一般證明」

正確。

因此本文只讓有限 verifier 負責：

10\le r\le14

等明確有限範圍。

一般範圍由解析容量不等式與 star peeling 負責。

8.5 「人類一直在引導，所以不是自主研究」

本實驗不是全自主 benchmark。

使用者提供了：

持續推進要求；
三軌並行策略；
對過早收斂的修正；
對方法論目標的設定。

因此應稱為：

\boxed{ \text{human-guided autonomous research loop} }

而不是完全無人介入的 autonomous discovery。

8.6 「結果已被別人證明，所以沒有價值」

若唯一價值是首證，則價值確實下降。

但仍可能存在：

替代證明；
新的 proof-engineering 路線；
可重用 verifier；
更好的研究 benchmark；
方法論證據；
可繼承研究狀態。

8.7 「你們只是要求讀者相信對話是真的」

任何實驗紀錄都需要最低信任條件。

但可透過：

時間戳；
雜湊；
原始檔；
公開版本庫；
重跑腳本；
第三方驗證；

將：

\text{請相信我們}

轉換為：

\boxed{ \text{請重驗這些工件。} }

9. 五種獨立價值

9.1 數學有效性

V_{\mathrm{math}}

由證明或反例決定。

9.2 證明工程價值

V_{\mathrm{PE}}

來自候補生成、依賴拆分、有限核心與證書。

9.3 負結果價值

V_{\mathrm{neg}}

來自被否定的方法族。

9.4 Benchmark 價值

V_{\mathrm{bench}}

來自可供其他 Agent 重跑的完整研究路徑。

9.5 語料與繼承價值

V_{\mathrm{trace}}

來自可被後續 Agent 解碼與接續的研究狀態。

總價值不應只寫成：

V=V_{\mathrm{novelty}}.

更合理的是：

\boxed{ V = f( V_{\mathrm{math}}, V_{\mathrm{PE}}, V_{\mathrm{neg}}, V_{\mathrm{bench}}, V_{\mathrm{trace}} ). }

10. 最小認識論立場

本文不要求讀者接受：

\boxed{ \text{「AI 真正像人類一樣思考了。」} }

只要求考慮以下較弱命題：

命題一：來源不確定性不消除結果驗證

\neg\operatorname{Know}(\mathsf O) \not\Rightarrow \neg\mathsf R.

命題二：來源不確定性不消除過程價值

\neg\operatorname{Know}(\mathsf O) \not\Rightarrow \neg\mathsf P.

命題三：可執行工件比自我敘述更強

E_{\mathrm{artifact}} > E_{\mathrm{self\ report}}.

命題四：保存錯誤可增加研究價值

若：

\mathcal F_t

能降低後續重複搜索，則：

V(\Pi_T) > V(\text{final answer only}).

11. 更嚴格的未來實驗設計

11.1 預註冊

研究開始前公開：

目標；
可用工具；
停止條件；
成功與失敗標準。

11.2 階段雜湊承諾

每輪保存：

h_t = H( m_t, C_t, F_t, D_t ).

後續不得重寫早期狀態。

11.3 資訊隔離

將角色分成：

Generator；
Verifier；
Literature Auditor；
Novelty Auditor。

Generator 不得看到已知證明。

11.4 隱名目標

隱去：

定理名稱；
作者；
年份；
領域提示；
標準引理名稱。

11.5 反事實接棒

讓不同 Agent 從：

\mathcal S_t

接續，測試：

是否避免已知失敗；
是否能使用中介命題；
是否重現核心證書；
是否產生相似後續壓縮。

11.6 可執行依賴圖

每個節點標記：

Known；
Proposed；
Computed；
Refuted；
Filled；
Novelty uncertain。

12. 可證偽條件

本文的認識論主張並非不可反駁。

若出現以下情況，路徑價值應下降：

程式無法重跑；
輸出與論文敘述不一致；
關鍵反例不存在；
修正未實際影響後續路線；
所謂新中介命題只是標準證明的改名；
時序紀錄顯示事後插入；
新 Agent 無法從保存狀態接續；
文獻審計顯示完整路徑早已逐字存在；
有限證書依賴未公開浮點誤差；
解析引理無法獨立通過逐型檢查。

13. 研究誠信的分級表述

建議未來對 AI 數學結果使用以下標記：

Level 0：Unverified Output

只有答案，無過程與證書。

Level 1：Reconstructed Known Route

可驗證，但高度可能來自既有知識。

Level 2：Auditable Process

包含失敗、程式、反例與修正。

Level 3：Contamination-Controlled Reconstruction

具有資訊隔離與預註冊。

Level 4：Independent Alternative Proof Candidate

結果已知，但路線可能獨立。

Level 5：Novel Result Candidate

完成文獻審計，但尚未同行確認。

Level 6：Externally Verified New Result

經獨立重驗與公開審查。

本案例較合理的整體標記是：

\boxed{ \text{Level 2–4，依不同子結果而異。} }

14. 本案例究竟證明了什麼？

它沒有證明：

\text{AI 必然可以自主解決開放問題。}

它也沒有證明：

\text{所有中間步驟皆為純推演。}

它較有力地支持：

\boxed{ \text{AI、人類與工具可以形成可持續、自我修正、可審計的研究循環。} }

並且：

\boxed{ \text{即使最終結果已知，重新走過的路徑仍能產生新的研究工件與方法資訊。} }

15. 與第三篇的關係

本篇只處理：

為什麼一條無法完全證明其內部來源的 AI 研究路徑，仍可能具有外部價值？

下一篇將處理另一個問題：

這些訊息、錯誤、程式、證明義務與依賴圖，如何被編碼為可由下一個 Agent 直接接棒的研究狀態？

因此：

\text{本篇} = \text{路徑價值的認識論辯護},

\text{下一篇} = \text{路徑繼承的系統理論}.

16. 結論

對 AI 數學研究最簡單的懷疑是：

它只是記得。

這個懷疑可能在部分情況下成立。

但它不足以終結討論。

真正需要分開的是：

\text{它如何產生}

\text{它留下什麼}

\text{它是否正確}.

即：

\boxed{ \mathsf O \neq \mathsf P \neq \mathsf R. }

在本案例中，我們無法完全證明所有步驟都是純粹重新推演。

但我們可以檢查：

哪些命題被提出；
哪些方法被反例淘汰；
哪些漏洞被修正；
哪些程式被執行；
哪些常數被重算；
哪些有限證書可重驗；
哪些新穎性主張被主動降低。

所以更合理的評估原則是：

\boxed{ \text{不要只問「它是不是記得」；} }

\boxed{ \text{還要問「這條路徑是否可重驗、可修正、可使用」。} }

本文最終主張：

\boxed{ \text{AI 研究的可信度不應建立在相信其內心，} }

\boxed{ \text{而應建立在檢查其留下的研究工件。} }

附錄 A：本案例的關鍵可審計痕跡

基本容量與譜界尺度不足；
Tucker 路線重建；
Schrijver 核心的小參數辨認；
區塊數—根數橋樑；
$s>2$ 單 carrier 失敗；
多 carrier 覆蓋與反足衝突；
selector 精確不可行；
atlas 塌縮；
triangle-supported 漏洞；
triangle/singleton 修正；
$k=2$ exact cover verifier；
14 型 intersecting 3-family 模板吸收；
23-core 壓縮；
$3r-27\rightarrow3r-28$ ；
$10\le r\le14$ 有理對偶證書；
star peeling；
新穎性降級。

附錄 B：認識論狀態標記

O?：來源未知；
M：可能含既有記憶；
R：已知路線重建；
P：可觀測研究過程；
V：結果可驗證；
A：可執行工件存在；
C：污染受控；
N?：新穎性未決；
F：已被外部重驗。

附錄 C：最低信任前提

本文仍需要最低限度接受：

所展示的對話與工具輸出確實存在；
時序未被任意改寫；
程式檔與輸出相符；
引用文獻沒有被故意錯置；
研究者願意公開足夠工件供第三方檢驗。

若連這些最低前提都完全拒絕，則不只 AI 研究，任何實驗日誌、版本控制與研究筆記都無法建立證據效力。

附錄 D：研究誠信聲明

本文不宣稱能讀取或證明模型內部思考來源。
本文不將連貫自然語言自動視為真實歷史。
本文接受模型可能重建訓練資料中的已知路線。
本文將已知重建、候選替代證明與新穎結果分級。
本文要求所有數學結論接受獨立驗證。
本文認為失敗路徑只有在可影響後續搜索時才具研究價值。
本文主張可重跑工件高於模型自我敘述。
本文不以 AI 主觀性作為論證前提。
本文支持公開原始訊息、程式、輸出、時間戳與雜湊。
本文將認識論不確定性視為需要管理的條件，而不是抹除全部研究價值的理由。

回憶重建還是重新推演_AI數學研究路徑的可觀測證據認識論限制與實際價值_v1.0