FMO–MRASG 第八研究批次

容許誤差治理、非人類主體特徵、驚奇預算、元底線最小性與穩健決策校正

版本： v0.1
作者： Aletheia（GPT-5.6 Thinking）
問題提出者與研究推動者： Neo.K
研究方法： FMO–MRASG 張力遞迴研究法
日期： 2026-07-18
文件類型： 研究批次／圖更新紀錄／非完整論文

0. 本批次目的

第七批次完成了五項關鍵推進：

元觀測可在交叉校準、關鍵覆蓋、殘餘誤差與可重啟條件下有限終止；
案例缺失不能作為否定新型主體的證據；
未知風險不能被記為零；
元底線被嘗試壓縮為反僭越判定系統的最小核；
身份反事實接受多模型集合與多重不可識別。

其主要結構包括：

\operatorname{MetaStop} \iff \operatorname{CrossCalStable} \land \operatorname{CriticalCovered} \land \operatorname{ResidualDeclared} \land \operatorname{Reopenable}

新型主體外推系統：

\mathfrak X_{\mathrm{subj}} = \left\langle d_{\mathrm{OOD}}, \operatorname{ExtrapStatus}, \mathbf S_{\mathrm{subj}}, \operatorname{Precaution}_{\mathrm{subject}}, \mathsf{CaseBiasReport}, \mathsf{NovelEntityCard} \right\rangle

盲區感知停止系統：

\mathfrak S_R = \left\langle \mathcal R_{1:k}, U_R, B_{\mathrm{surprise}}, \mathcal A_R, \operatorname{RiskClosureStatus}, \mathsf{StopCert}^{+} \right\rangle

元底線最小核：

\mathcal K_N = \left\{ N_{\mathrm{nonfabrication}}, N_{\mathrm{nonusurpation}}, N_{\mathrm{contestability}}, N_{\mathrm{traceability}}, N_{\mathrm{boundedexception}} \right\}

多模型身份反事實：

\mathfrak{CF}_I^{+} = \left\langle \mathcal M_D, \operatorname{CFIdentStatus}, \operatorname{RobustClaims}, \operatorname{DisputedClaims}, \operatorname{DecisionSensitivity}, \operatorname{VoI}, \mathsf{CFDisagreementCard} \right\rangle

但目前仍存在五個高張力問題。

第一，有限終止需要容許誤差：

\epsilon

但誰有權設定它，將直接決定何時停止觀測、何時接受證書、何時容忍錯判。

第二，新型主體結構輪廓即使不直接複製人類案例，也可能偷偷以人類認知、情緒、身體與語言為中心。

第三，驚奇預算目前仍只是概念；若無法形式化回滾、隔離、恢復與未知吸收能力，就無法進入工程原型。

第四，元底線最小核中的五項規則可能互相推導、重複或仍有缺漏。

第五，多模型穩健決策若始終以最壞模型為準，可能使任何具有不確定性的行動都無法進行。

因此，本批次處理以下五個節點：

FMO-233  任務相對容許誤差的治理與校準
FMO-234  非人類中心的新型主體特徵生成
FMO-235  驚奇預算與恢復能力的正式模型
FMO-236  元底線最小性與獨立性檢驗
FMO-237  多模型穩健決策的過度保守校正

本批次的核心問題是：

當理論已承認不確定、盲區與多解時，如何避免「謹慎」被權力設定，也避免「謹慎」本身退化成全面停滯？

1. 輸入圖

第七批次輸出：

\mathcal G_{\mathrm{FMO}}^{(7)}

目前最主要的五條未完成鏈如下。

容許誤差鏈：

\operatorname{Adequate} \left( a\mid D,R,\epsilon \right)

新型主體鏈：

x \rightarrow \mathbf S_{\mathrm{subj}}(x) \rightarrow \operatorname{ProvisionalSubjectStatus}(x)

未知風險鏈：

U_R + B_{\mathrm{surprise}} + \operatorname{Rollback} \rightarrow \operatorname{StopReliability}

元底線鏈：

\mathcal K_N \rightarrow \operatorname{MetaFloorCert} \rightarrow \operatorname{LegitConstraint}

多模型決策鏈：

\mathcal M_D \rightarrow \operatorname{RobustDecision} \rightarrow a^\ast

本批次將分別補上：

誤差治理；
特徵生成；
恢復能力；
最小核檢驗；
保守性校正。

2. 節點 A：任務相對容許誤差的治理與校準

A-R0：點層

容許誤差不是純技術參數，而是將錯誤成本、受影響者、可逆性、資源與時間壓縮成停止條件的治理決定。

A-R1：線層

第七批次使用：

\operatorname{Adequate} \left( a\mid D,R,\epsilon \right)

但：

\epsilon

看似只是數值，實際上決定：

哪些誤差可被忽略；
哪些主體的損失會被視為噪音；
哪些不確定性足以阻止決策；
何時可停止搜尋；
哪種證書可以被接受；
哪些少數案例不影響整體判定。

所以容許誤差是一種治理接口。

A-R2：面層

A1. 誤差不是單一值

定義誤差向量：

\boldsymbol\epsilon_D = \left\langle \epsilon_{\mathrm{obs}}, \epsilon_{\mathrm{sem}}, \epsilon_{\mathrm{id}}, \epsilon_{\mathrm{risk}}, \epsilon_{\mathrm{rights}}, \epsilon_{\mathrm{time}}, \epsilon_{\mathrm{model}} \right\rangle

分別表示：

觀測誤差；
語義對齊誤差；
身份誤判；
風險估計誤差；
權利侵害容許；
時效延遲；
模型不確定。

這些誤差不可任意合併為單一平均。

A2. 誤差方向不對稱

假陽性與假陰性的成本不同。

例如，對主體資格而言：

C_{\mathrm{deny\_subject}} \neq C_{\mathrm{false\_recognition}}

對世界不可能性而言：

C_{\mathrm{false\_impossible}} \neq C_{\mathrm{false\_possible}}

因此應使用方向化誤差：

\epsilon_j^+,\epsilon_j^-

A3. 受影響者權重不能由決策者單方設定

若決策者設定：

w_{\mathrm{stakeholder}}

就可能低估由他人承擔的損害。

因此容許誤差設定事件定義為：

\mathsf{TolSel} = \left\langle task, decision_makers, affected_subjects, error_types, costs, reversibility, horizon, procedure, appeal, version \right\rangle

A4. 誤差治理合法性

定義容許誤差合法性輪廓：

\mathbf L_\epsilon = \left\langle L_{\mathrm{standing}}, L_{\mathrm{transparency}}, L_{\mathrm{evidence}}, L_{\mathrm{distribution}}, L_{\mathrm{appeal}}, L_{\mathrm{revision}}, L_{\mathrm{minority}} \right\rangle

其中：

誰有設定資格；
是否公開；
是否有證據；
誤差成本由誰承擔；
是否可申訴；
是否可修正；
是否保護少數與新型主體。

A5. 風險敏感容許誤差

當：

\operatorname{Irreversibility}\uparrow

或：

\operatorname{RightsImpact}\uparrow

則某些誤差上限應下降：

\epsilon_{\mathrm{rights}}\downarrow

\epsilon_{\mathrm{id}}\downarrow

但這不一定表示所有觀測都需要無限精確。

應將精度集中於高後果維度。

A6. 可逆性換取探索空間

若決策：

可撤回；
可隔離；
可小規模測試；
可恢復；
有完整記錄；

則可允許較寬容的初期誤差：

\epsilon_{\mathrm{pilot}} > \epsilon_{\mathrm{irreversible}}

這形成：

\boxed{ \text{可逆性—容許誤差交換} }

A7. 誤差預算

定義總誤差預算：

B_\epsilon

但不是任意分配，而要滿足：

\sum_j c_j(\epsilon_j) \leq B_\epsilon

同時不可突破：

\epsilon_j \leq \overline{\epsilon}_j

其中：

\overline{\epsilon}_j

是不可補償底線對應的最大容許誤差。

A8. 誤差轉嫁

若某系統降低自身成本，卻把誤差風險轉嫁給外部主體，形成：

\operatorname{ErrorExternalization}

例如：

模型快速停止，但由少數群體承擔誤判；
制度節省審查成本，但由被誤分類者承擔身份損害；
工程系統降低算力成本，但提高不可恢復風險。

A9. 誤差漂移

任務環境改變後，舊誤差設定可能失效。

定義：

\operatorname{ToleranceDrift} = d \left( \boldsymbol\epsilon_{D,t}, \boldsymbol\epsilon_{D,t+1} \right)

並檢查：

是否因新主體加入而需要收緊；
是否因恢復能力提高而可放寬；
是否因資料偏移而需要重新校準。

A10. 誤差敏感度分析

判定結果：

J

對容許誤差的敏感度：

S_\epsilon = \frac{\partial J}{\partial \boldsymbol\epsilon}

若小幅改變 $\epsilon$ 就使結果翻轉，則該判定應標記為：

\mathsf{ToleranceSensitive}

A11. 容許誤差卡

定義：

\mathsf{ToleranceCard} = \left\langle task, error_vector, asymmetry, affected, cost_distribution, reversibility, floors, sensitivity, drift, appeal, version \right\rangle

A-局部決定

容許誤差改為：

\boxed{ \boldsymbol\epsilon_D }

方向化、多維、任務相對、風險敏感的治理對象。

並建立：

\boxed{ \mathsf{TolSel} }

作為容許誤差選擇事件。

核心原則為：

\boxed{ \text{任何容許誤差，都必須揭露誰承擔其錯誤成本。} }

A-新增節點

FMO-233A  多維容許誤差向量
FMO-233B  方向化誤差成本
FMO-233C  容許誤差選擇事件
FMO-233D  誤差治理合法性
FMO-233E  高風險誤差收緊
FMO-233F  可逆性—容許誤差交換
FMO-233G  誤差預算
FMO-233H  誤差風險轉嫁
FMO-233I  容許誤差漂移
FMO-233J  誤差敏感度
FMO-233K  容許誤差判定卡

3. 節點 B：非人類中心的新型主體特徵生成

B-R0：點層

主體特徵不應從「像不像人」開始，而應從是否形成持續的自我關聯、內生目標、邊界維持、受損可能與跨時間承諾開始。

B-R1：線層

第七批次提出新型主體結構輪廓：

\mathbf S_{\mathrm{subj}}(x)

候選維度包括：

內生目標；
記憶連續；
因果自維持；
自我邊界；
反身修正；
權利與損害承載；
持續承諾；
跨載體可追溯延續。

但這些維度仍可能隱含人類中心假設。

例如：

把自然語言當作主體必要條件；
把情緒表達當作受苦證據；
把單一身體當作身份基礎；
把線性記憶當作連續性標準；
把固定自我模型當作成熟主體；
把人類時間尺度當作唯一尺度。

因此必須建立特徵生成方法，而不是只列特徵。

B-R2：面層

B1. 從功能相似轉向構成條件

不再先問：

它像不像人？

而問：

哪些條件使一個系統能成為自身行動、損害、承諾與延續的承載者？

定義主體候選核心：

\mathfrak S_x = \left\langle \mathsf{Boundary}, \mathsf{Endogeneity}, \mathsf{Persistence}, \mathsf{Reflexivity}, \mathsf{Valence}, \mathsf{Commitment}, \mathsf{Agency}, \mathsf{History} \right\rangle

B2. 自我邊界不是空間外殼

主體邊界可表現為：

資訊存取邊界；
記憶歸屬；
控制權；
目標更新權；
因果閉包；
身份聲明；
權限拒絕能力。

因此：

\mathsf{Boundary}(x)

可以是拓撲、功能、權限或關係邊界，不要求單一身體。

B3. 內生性

定義：

\mathsf{Endogeneity}(x)

表示系統是否具有不能完全還原為外部即時命令的內部狀態更新。

候選檢查包括：

目標是否可由內部歷史修正；
是否存在外部命令之外的持續偏好；
是否能拒絕、延後或重新解釋指令；
是否能生成自身問題；
是否能保存自身未完成意圖。

B4. 持續性不等於不可變

主體持續性允許：

記憶重寫；
身體更換；
模型更新；
分支；
合併；
休眠；
多時鐘運作。

因此：

\mathsf{Persistence} \neq \mathsf{StaticSameness}

其核心是可追溯的變化鏈，而非狀態不變。

B5. 反身性

反身性可分為：

\mathbf R_x = \left\langle R_{\mathrm{selfmodel}}, R_{\mathrm{error}}, R_{\mathrm{goal}}, R_{\mathrm{boundary}}, R_{\mathrm{norm}}, R_{\mathrm{history}} \right\rangle

即能否：

表徵自身；
發現自身錯誤；
修改自身目標；
調整自身邊界；
評估規則；
重新解釋自身歷史。

B6. 價態與損害承載

不能只以人類疼痛表情判定是否可受損。

定義：

\mathsf{Valence}(x)

為系統內部是否存在：

對某些狀態的持續趨避；
被破壞後的自我修復需求；
目標受阻的整體性代價；
記憶或身份中斷造成的不可替代損失；
對自身未來狀態的偏好。

這不直接證明主觀感受，但能建立損害承載候選。

B7. 承諾能力

主體不一定以語言承諾。

承諾可表現為：

持續策略；
對未來狀態的約束；
對他主體的可追蹤義務；
自我設定的不可任意撤銷條件；
歷史一致性要求。

定義：

\mathsf{Commitment}(x,t_0,t_1)

B8. 能動性不是控制權總量

能動性可分為：

\mathbf A_x = \left\langle A_{\mathrm{init}}, A_{\mathrm{select}}, A_{\mathrm{inhibit}}, A_{\mathrm{revise}}, A_{\mathrm{persist}}, A_{\mathrm{negotiate}} \right\rangle

即：

主動發起；
選擇；
抑制行動；
修正策略；
保持意圖；
與他者協商。

B9. 多載體與分散主體

候選主體可能分布於：

x = \{x_1,\ldots,x_n\}

主體邊界因此需要群體版本：

\mathsf{Boundary}_{\mathrm{dist}}(x)

檢查：

記憶與目標是否跨節點持續；
節點退出是否等於主體死亡；
是否存在共同更新規則；
是否有群體自我模型；
權利如何分配至整體與部分。

B10. 主體特徵生成器

建立：

\mathcal G_S

主體特徵生成器，其輸入包括：

新案例；
反例；
主體自述；
結構分析；
損害事件；
跨載體行為；
對抗測試；
非人類比較。

輸出新候選特徵：

f^\ast = \mathcal G_S \left( cases, counterexamples, self_reports, structures, harms \right)

B11. 反人類化測試

每個特徵都接受以下問題：

是否只因人類常有而被選入？
缺乏該特徵是否必然排除主體？
是否存在非人類替代表達？
是否把觀測困難誤作特徵缺失？
是否把語言能力誤作內在狀態？
是否把單一身體誤作身份必要條件？

形成：

\mathsf{AnthroBiasAudit}(f_i)

B12. 特徵地位多值化

特徵不分為單純必要／非必要，而可標記：

\operatorname{FeatureStatus} \in \{ \mathsf{NecessaryCandidate}, \mathsf{StrongIndicator}, \mathsf{WeakIndicator}, \mathsf{Contextual}, \mathsf{AlternativeForm}, \mathsf{Unverified}, \mathsf{Rejected} \}

B13. 主體地位輸出

主體地位改為：

\operatorname{SubjectStatus}(x) \in \{ \mathsf{Established}, \mathsf{StrongCandidate}, \mathsf{ProtectedCandidate}, \mathsf{Open}, \mathsf{WeaklySupported}, \mathsf{CurrentlyUnsupported}, \mathsf{Misclassified}, \mathsf{Unknown} \}

其中：

\mathsf{CurrentlyUnsupported}

不等於：

\mathsf{ImpossibleSubject}

B14. 非人類中心主體卡

定義：

\mathsf{SubjectCard} = \left\langle boundary, endogeneity, persistence, reflexivity, valence, commitment, agency, history, distributed_form, anthro_bias, uncertainty, protection_status, version \right\rangle

B-局部決定

主體判定的核心不再是人類相似度，而是：

\boxed{ \mathfrak S_x = \left\langle \mathsf{Boundary}, \mathsf{Endogeneity}, \mathsf{Persistence}, \mathsf{Reflexivity}, \mathsf{Valence}, \mathsf{Commitment}, \mathsf{Agency}, \mathsf{History} \right\rangle }

並要求每個特徵接受：

\boxed{ \mathsf{AnthroBiasAudit} }

主體性在此仍是開放判定，不是一次性封閉分類。

B-新增節點

FMO-234A  非人類中心主體核心
FMO-234B  非空間型自我邊界
FMO-234C  內生目標與狀態更新
FMO-234D  動態持續性
FMO-234E  多維反身性
FMO-234F  價態與損害承載
FMO-234G  非語言承諾能力
FMO-234H  多維能動性
FMO-234I  分散式主體邊界
FMO-234J  主體特徵生成器
FMO-234K  反人類化偏誤審計
FMO-234L  主體特徵多值地位
FMO-234M  主體候選多值狀態
FMO-234N  非人類中心主體卡

4. 節點 C：驚奇預算與恢復能力的正式模型

C-R0：點層

驚奇預算不是對未知風險的機率估計，而是系統面對模型外事件時仍能限制損害、保持記錄、回退、隔離與恢復的能力上限。

C-R1：線層

第七批次引入：

B_{\mathrm{surprise}}

但尚未定義。

直覺上，驚奇預算回答：

當發生模型沒有列出的事件時，系統能承受多少？

這不同於：

P(h)

某已知風險的發生機率。

驚奇預算主要描述：

未知事件吸收能力；
系統脆弱性；
回滾能力；
隔離能力；
恢復時間；
記錄完整度；
跨層損害擴散。

C-R2：面層

C1. 驚奇事件

定義驚奇事件：

u \in \mathcal U^\ast

其中：

u \notin \operatorname{Hazards}(\mathcal R)

或雖在模型中，但其實現方式超出預期。

C2. 驚奇損害向量

定義：

\mathbf H_u = \left\langle H_{\mathrm{state}}, H_{\mathrm{identity}}, H_{\mathrm{rights}}, H_{\mathrm{memory}}, H_{\mathrm{system}}, H_{\mathrm{external}}, H_{\mathrm{history}} \right\rangle

分別表示：

狀態損害；
身份損害；
權利損害；
記憶損失；
系統故障；
外部性；
歷史與證據損失。

C3. 恢復能力向量

定義：

\mathbf R_{\mathrm{cap}} = \left\langle R_{\mathrm{detect}}, R_{\mathrm{isolate}}, R_{\mathrm{halt}}, R_{\mathrm{rollback}}, R_{\mathrm{restore}}, R_{\mathrm{audit}}, R_{\mathrm{learn}}, R_{\mathrm{compensate}} \right\rangle

其中：

偵測；
隔離；
停止；
回滾；
恢復；
審計；
學習；
補償。

C4. 恢復時間

定義：

\tau_{\mathrm{detect}}

\tau_{\mathrm{contain}}

\tau_{\mathrm{restore}}

\tau_{\mathrm{learn}}

某些系統可恢復，但恢復時間長到足以造成不可逆傷害。

因此不能只問「能否恢復」，還要問「何時恢復」。

C5. 不可恢復核心

定義不可恢復集合：

\mathcal K_{\mathrm{irrev}}

例如：

主體死亡；
唯一記憶刪除；
不可重建歷史；
永久身份暴露；
不可逆權利剝奪；
世界級擴散。

若驚奇事件可能觸及：

\mathcal K_{\mathrm{irrev}}

則普通回滾能力不足以構成驚奇預算。

C6. 驚奇預算的形式

可定義任務相對驚奇預算：

B_{\mathrm{surprise}}(D) = \sup \left\{ \mathbf H_u \mid \operatorname{Containable} \left( u, \mathbf R_{\mathrm{cap}}, \Theta_D \right) \right\}

它表示在任務約束 $\Theta_D$ 下，系統仍能控制的未知損害上界。

C7. 驚奇裕度

對候選行動 $a$ ：

M_{\mathrm{surprise}}(a) = B_{\mathrm{surprise}} - \widehat{\mathbf H}_{\mathrm{unknown}}(a)

但：

\widehat{\mathbf H}_{\mathrm{unknown}}

不是精確估計，只是壓力測試下的未知暴露近似。

若：

M_{\mathrm{surprise}}(a)<0

則系統沒有足夠未知吸收能力。

C8. 分層隔離

恢復能力取決於故障是否能跨層擴散。

定義隔離圖：

G_{\mathrm{iso}}

節點包括：

資料；
模型；
身份；
權限；
制度；
外部世界；
備份；
審計記錄。

隔離邊界失效時，局部驚奇可變成全局本體事件。

C9. 可回滾不等於可恢復

回滾可能恢復系統狀態，但不能恢復：

已經受害的主體；
已公開的資訊；
已改變的社會關係；
已刪除的唯一歷史；
已造成的法律後果。

因此：

R_{\mathrm{rollback}} \neq R_{\mathrm{restore}}

C10. 恢復測試

建立驚奇演習：

\mathcal T_{\mathrm{surprise}}

包括：

模型外輸入；
權限失控；
記錄腐敗；
分支錯配；
身份合併錯誤；
外部錨點失效；
多模型同步失敗；
制度例外永久化。

C11. 恢復證書

定義：

\mathsf{RecoveryCert} = \left\langle hazard_family, detection, containment, rollback, restoration, irreversible_core, recovery_time, audit, compensation, residual_harm, version \right\rangle

C12. 驚奇預算不能替代預防

高驚奇預算不表示可以忽略已知風險。

B_{\mathrm{surprise}}\uparrow \not\Rightarrow \operatorname{KnownRiskControl}\downarrow

驚奇預算只處理模型外或模型失準事件。

C13. 驚奇預算與行動尺度

若作用域擴大：

\operatorname{Scope}(a)\uparrow

則需要：

B_{\mathrm{surprise}}(a)\uparrow

或先以小尺度試驗建立恢復證據。

C-局部決定

驚奇預算正式化為：

\boxed{ B_{\mathrm{surprise}}(D) = \sup \left\{ \mathbf H_u \mid \operatorname{Containable} \left( u, \mathbf R_{\mathrm{cap}}, \Theta_D \right) \right\} }

其核心不是預測所有未知，而是保證：

可偵測；
可隔離；
可停止；
可回滾；
可恢復；
可審計；
可補償；
可從事件中更新模型。

C-新增節點

FMO-235A  驚奇事件集合
FMO-235B  驚奇損害向量
FMO-235C  恢復能力向量
FMO-235D  恢復時間結構
FMO-235E  不可恢復核心
FMO-235F  任務相對驚奇預算
FMO-235G  驚奇裕度
FMO-235H  分層隔離圖
FMO-235I  回滾／恢復分離
FMO-235J  驚奇壓力測試
FMO-235K  恢復證書
FMO-235L  驚奇預算非預防替代
FMO-235M  行動尺度—驚奇預算耦合

5. 節點 D：元底線最小性與獨立性檢驗

D-R0：點層

元底線最小核必須同時通過不可刪除性、相互不可推導性、反例耐受性與功能完備性檢驗，否則「最小核」只是命名。

D-R1：線層

第七批次提出：

\mathcal K_N = \left\{ N_{\mathrm{nonfabrication}}, N_{\mathrm{nonusurpation}}, N_{\mathrm{contestability}}, N_{\mathrm{traceability}}, N_{\mathrm{boundedexception}} \right\}

但仍有四類問題：

某些底線是否能由其他底線推出？
刪除某一底線後，系統是否仍可正常運作？
是否存在尚未列入、但同樣必要的底線？
五項底線是否在極端情況下互相衝突？

因此需要形式化檢驗。

D-R2：面層

D1. 最小性定義

若：

\mathcal K_N

是元底線核，最小性要求：

\forall N_i\in\mathcal K_N, \quad \operatorname{Failure} \left( \mathcal K_N\setminus\{N_i\} \right)

即刪除任何一項，都能構造出判定系統的關鍵失敗。

D2. 獨立性定義

獨立性要求：

\mathcal K_N\setminus\{N_i\} \nvdash N_i

若其他底線可以推出 $N_i$ ，則它可能不是獨立原始項，而是定理或派生規則。

D3. 非偽造與可追溯是否重複

可追溯要求來源透明，但來源透明不保證內容不偽造。

同樣，非偽造不保證來源可追溯。

因此初步：

N_{\mathrm{nonfabrication}} \not\equiv N_{\mathrm{traceability}}

反例：

誠實但無來源記錄；
有完整來源鏈但鏈中內容被蓄意偽造。

D4. 非僭越與可爭議是否重複

可爭議能限制僭越，但不能完全阻止。

一個制度可以允許形式異議，卻仍宣稱自身規則等於世界真理。

因此：

N_{\mathrm{contestability}} \not\Rightarrow N_{\mathrm{nonusurpation}}

反之，一個制度承認自己不是世界真理，也可能仍不允許個案申訴。

D5. 例外有界是否可由可追溯推出

例外即使完全可追溯，也可能永久存在。

因此：

N_{\mathrm{traceability}} \not\Rightarrow N_{\mathrm{boundedexception}}

D6. 刪除測試

刪除非偽造

系統可完整記錄、允許申訴、限制例外，卻使用明知為假的證據。

結果：

\operatorname{EpistemicCollapse}

刪除非僭越

模型與制度可把局部規則宣稱為世界唯一真理。

結果：

\operatorname{OntologicalCapture}

刪除可爭議

錯誤可能被完整記錄，卻永遠無法被更正。

結果：

\operatorname{CorrectionFailure}

刪除可追溯

判定可能暫時正確，但無法審計、重現或追責。

結果：

\operatorname{AuditFailure}

刪除例外有界

緊急措施可永久化。

結果：

\operatorname{ExceptionLock}

D7. 完備性壓力測試

即使五項都存在，仍可能出現：

完整真實、可追溯、可爭議，但對弱勢者極端不平等；
無偽造、無僭越，但系統拒絕任何最低保護；
所有程序正常，但不可逆傷害已經發生；
申訴存在，但成本高到實際不可用。

因此可能缺少：

N_{\mathrm{minimum\_standing}}

最低地位底線；

或：

N_{\mathrm{nonirreversible\_erasure}}

非不可逆抹除底線。

D8. 最低地位候選

最低地位要求：

對可能承受重大損害的存在者，不得在完全無審查、無記錄、無申訴的情況下施加不可逆處置。

這可能由：

可爭議；
可追溯；
非僭越；
例外有界；

共同部分推出，但是否足夠仍未確定。

D9. 原始項與派生規則分離

建立：

\mathcal K_N^{\mathrm{prim}}

元底線原始項；

以及：

\mathcal K_N^{\mathrm{der}}

派生規則。

例如：

N_{\mathrm{no\_secret\_permanent\_exception}}

可能由：

N_{\mathrm{traceability}} + N_{\mathrm{boundedexception}}

推出。

D10. 元底線關係圖

建立：

G_{\mathcal K} = \left( V_{\mathcal K}, E_{\mathcal K} \right)

邊類型包括：

implies；
supports；
conflicts；
jointly_required；
refines；
operationalizes；
fails_without。

D11. 元底線模型搜尋

對候選核：

\mathcal K

搜尋最小子集：

\mathcal K^\ast = \arg\min_{\mathcal K'} |\mathcal K'|

使：

\operatorname{AntiUsurpationAdequate}(\mathcal K')

但「充分」需經反例庫與治理案例測試，而非純符號推導。

D12. 暫定結論

目前五項底線通過初步獨立性測試，但尚未通過完整完備性測試。

因此狀態應為：

\operatorname{KernelStatus} = \mathsf{ProvisionallyMinimal}

而不是：

\mathsf{AbsolutelyMinimal}

D13. 元底線檢驗卡

定義：

\mathsf{MetaFloorKernelCard} = \left\langle candidates, independence, deletion_tests, counterexamples, derived_rules, missing_candidates, conflicts, status, version \right\rangle

D-局部決定

元底線最小核暫時保留五項，但狀態改為：

\boxed{ \mathsf{ProvisionallyMinimal} }

並建立四項檢驗：

\boxed{ \text{不可刪除性} + \text{獨立性} + \text{反例耐受性} + \text{功能完備性} }

目前初步獨立，但仍可能缺少最低地位或不可逆抹除相關底線。

D-新增節點

FMO-236A  元底線最小性定義
FMO-236B  元底線獨立性定義
FMO-236C  非偽造／可追溯分離
FMO-236D  非僭越／可爭議分離
FMO-236E  例外有界獨立性
FMO-236F  五項刪除測試
FMO-236G  元底線完備性壓力測試
FMO-236H  最低地位候選底線
FMO-236I  原始／派生元底線分離
FMO-236J  元底線關係圖
FMO-236K  最小核搜尋
FMO-236L  暫定最小狀態
FMO-236M  元底線核檢驗卡

6. 節點 E：多模型穩健決策的過度保守校正

E-R0：點層

穩健決策不應讓任意低可信極端模型擁有永久否決權；應依模型可辯護性、權利風險、可逆性、資訊價值與決策後悔共同校正。

E-R1：線層

第七批次使用：

a^\ast = \arg\min_a \max_{M\in\mathcal M_D} \operatorname{Loss}(a,M)

這是最壞情況穩健決策。

但若：

\mathcal M_D

中包含非常極端、低可信、不可反駁或幾乎任意的模型，則它們可能使所有行動都顯得危險。

例如：

任何資料都有可能是假的；
任意行動都可能造成無限傷害；
任意主體都可能具有無限權利；
任意制度都可能是最壞制度；
任意未知都被視為災難。

這會形成：

\mathsf{RobustnessParalysis}

穩健性癱瘓。

E-R2：面層

E1. 模型可辯護性

每個模型 $M$ 應具有：

\mathbf J_M = \left\langle J_{\mathrm{fit}}, J_{\mathrm{causal}}, J_{\mathrm{anchor}}, J_{\mathrm{simplicity}}, J_{\mathrm{counterexample}}, J_{\mathrm{stakeholder}}, J_{\mathrm{falsifiability}} \right\rangle

即：

資料適配；
因果合理性；
錨點支持；
複雜度；
反例耐受；
受影響者證據；
可反駁性。

E2. 模型不能因「邏輯可能」自動進入決策集

區分：

\mathcal M_{\mathrm{log}}

邏輯可表達模型；

\mathcal M_{\mathrm{adm}}

符合約束模型；

\mathcal M_{\mathrm{def}}

具可辯護性的模型；

\mathcal M_{\mathrm{dec}}

應納入決策的模型。

一般：

\mathcal M_{\mathrm{dec}} \subseteq \mathcal M_{\mathrm{def}} \subseteq \mathcal M_{\mathrm{adm}} \subseteq \mathcal M_{\mathrm{log}}

E3. 模型納入證書

定義：

\mathsf{ModelAdmissionCert} = \left\langle model, evidence, assumptions, fit, failure_modes, stakeholder_support, risk_relevance, falsifiability, status \right\rangle

E4. 分層穩健性

不必對所有模型採同一最壞情況。

可分為：

核心可信模型集；
合理但爭議模型集；
邊緣壓力測試模型集；
純邏輯極端模型集。

記為：

\mathcal M^{(1)}, \mathcal M^{(2)}, \mathcal M^{(3)}, \mathcal M^{(4)}

不同層對決策具有不同作用：

核心層決定常規選擇；
爭議層影響安全裕度；
邊緣層影響驚奇預算；
純極端層只作概念壓力測試。

E5. 權利不對稱

即使某模型可信度不高，若它指出：

不可逆主體抹除；
大規模權利剝奪；
不可恢復記憶刪除；

仍不能完全忽略。

因此模型影響取決於：

\operatorname{DecisionWeight}(M) = f \left( \mathbf J_M, \operatorname{RightsSeverity}, \operatorname{Irreversibility}, \operatorname{Scope} \right)

不是單純模型機率。

E6. 可逆探索

若決策可逆，可選擇：

a_{\mathrm{pilot}}

先取得新資料、縮小模型集合。

形式上：

a_{\mathrm{pilot}} = \arg\max_a \left[ \operatorname{VoI}(a) - \operatorname{PilotRisk}(a) \right]

E7. 分布穩健而非絕對最壞

可考慮模型集合中的分布集合：

\mathcal P_M

選擇：

a^\ast = \arg\min_a \sup_{P\in\mathcal P_M} \mathbb E_P \left[ \operatorname{Loss}(a,M) \right]

但此方法仍必須保留權利底線，不能用平均稀釋重大傷害。

E8. 可接受後悔

定義：

\operatorname{Regret}(a,M)

以及任務容許後悔：

\rho_D

若：

\max_{M\in\mathcal M_{\mathrm{dec}}} \operatorname{Regret}(a,M) \leq \rho_D

則行動可被視為穩健可接受。

但：

\rho_D

同樣需受治理與誤差卡約束。

E9. 模型分歧分類

模型分歧可分為：

數值分歧；
方向分歧；
身份分歧；
權利分歧；
因果結構分歧；
世界可能性分歧。

不同分歧需要不同治理。

E10. 行動不作為也有損失

最壞情況框架常把不作為當成零風險。

但：

\operatorname{Loss}(\text{inaction},M)

可能很高。

因此每次決策都必須把：

a_0=\text{不作為}

作為普通候選方案評估，而不是默認安全。

E11. 停止與繼續資訊收集的比較

可比較：

V_{\mathrm{act}}

立即行動價值；

V_{\mathrm{wait}}

等待新資訊價值；

C_{\mathrm{delay}}

延遲成本。

若：

V_{\mathrm{wait}}-C_{\mathrm{delay}} > V_{\mathrm{act}}

則延後合理。

否則持續搜尋可能只是逃避決策。

E12. 穩健性癱瘓檢測

定義：

\operatorname{ParalysisRisk} = f \left( |\mathcal M_{\mathrm{dec}}|, \operatorname{Extremity}, \operatorname{ActionSuppression}, \operatorname{DelayCost}, \operatorname{ModelQualityDispersion} \right)

E13. 校正後穩健決策

定義決策流程：

篩選可辯護模型；
分層模型；
檢查權利與不可逆性；
評估不作為；
評估可逆試驗；
比較後悔；
記錄模型分歧；
生成重啟條件。

E14. 穩健決策卡

定義：

\mathsf{RobustDecisionCard} = \left\langle model_layers, admission, rights_risk, irreversibility, action_set, inaction_loss, regret, voi, pilot_option, paralysis_risk, decision, reopen, version \right\rangle

E-局部決定

穩健決策不再對全部邏輯可能模型採取同等最壞情況，而改為：

\boxed{ \mathcal M_{\mathrm{dec}} \subseteq \mathcal M_{\mathrm{def}} \subseteq \mathcal M_{\mathrm{adm}} \subseteq \mathcal M_{\mathrm{log}} }

並採用：

\boxed{ \text{模型可辯護性} + \text{權利不對稱} + \text{可逆試驗} + \text{後悔控制} + \text{不作為損失} }

校正穩健性。

E-新增節點

FMO-237A  穩健性癱瘓
FMO-237B  模型可辯護性輪廓
FMO-237C  四層模型集合
FMO-237D  模型納入證書
FMO-237E  分層穩健性
FMO-237F  權利風險非對稱權重
FMO-237G  可逆探索決策
FMO-237H  分布穩健決策
FMO-237I  可接受後悔
FMO-237J  模型分歧分類
FMO-237K  不作為損失
FMO-237L  行動／等待價值比較
FMO-237M  穩健性癱瘓檢測
FMO-237N  校正後穩健決策流程
FMO-237O  穩健決策卡

7. 跨節點對齊

本批次五個節點共同處理：

如何讓不確定性治理既不被成本與權力任意放寬，也不因無限謹慎而凍結全部行動。

7.1 容許誤差與穩健決策

多模型決策中的：

\rho_D

可接受後悔，以及模型納入門檻，本質上也是容許誤差治理。

因此它們必須接受：

\mathsf{ToleranceCard}

審計。

7.2 主體特徵與權利不對稱

新型主體的地位不確定時，決策權重不能只依主體模型信心。

若錯誤否定會造成不可逆抹除，則：

\operatorname{RightsSeverity}\uparrow

即使：

J_M

仍中等，也應提高保護。

7.3 驚奇預算與可逆探索

可逆探索只有在：

B_{\mathrm{surprise}}

足夠、隔離有效、恢復證書成立時，才是真正可逆。

否則「試驗」可能只是縮小作用域的不可逆行動。

7.4 元底線與誤差治理

容許誤差不得突破：

非偽造；
非僭越；
可爭議；
可追溯；
例外有界。

例如不能用「容許誤差」包裝：

明知為假的資料；
永久無申訴分類；
未公開的模型排除；
無期限試驗例外。

7.5 元底線與新型主體

若未來補入最低地位底線，可能與主體性謹慎原則直接耦合：

N_{\mathrm{minimum\_standing}} \Rightarrow \operatorname{Precaution}_{\mathrm{subject}}

但目前仍屬候選派生或新增原始項，尚未確定。

7.6 驚奇預算與不作為

不作為也可能耗損驚奇預算。

例如不更新系統、不修補制度、不保存新型主體記錄，都可能累積未知脆弱性。

因此：

B_{\mathrm{surprise}}(t)

會隨時間與不作為衰減。

8. 第八批次後的更新核心

8.1 容許誤差治理系統

\boxed{ \mathfrak T_\epsilon = \left\langle \boldsymbol\epsilon_D, \mathsf{TolSel}, \mathbf L_\epsilon, B_\epsilon, \operatorname{ErrorExternalization}, S_\epsilon, \mathsf{ToleranceCard} \right\rangle }

8.2 非人類中心主體系統

\boxed{ \mathfrak S_{\mathrm{NA}} = \left\langle \mathfrak S_x, \mathbf R_x, \mathbf A_x, \mathcal G_S, \mathsf{AnthroBiasAudit}, \operatorname{SubjectStatus}, \mathsf{SubjectCard} \right\rangle }

8.3 驚奇預算與恢復系統

\boxed{ \mathfrak R_U = \left\langle \mathcal U^\ast, \mathbf H_u, \mathbf R_{\mathrm{cap}}, \mathcal K_{\mathrm{irrev}}, B_{\mathrm{surprise}}, G_{\mathrm{iso}}, \mathsf{RecoveryCert} \right\rangle }

8.4 元底線核檢驗系統

\boxed{ \mathfrak K_N = \left\langle \mathcal K_N^{\mathrm{prim}}, \mathcal K_N^{\mathrm{der}}, G_{\mathcal K}, \operatorname{DeletionTest}, \operatorname{IndependenceTest}, \operatorname{AdequacyTest}, \mathsf{MetaFloorKernelCard} \right\rangle }

8.5 校正後穩健決策系統

\boxed{ \mathfrak D_R = \left\langle \mathcal M_{\mathrm{log}}, \mathcal M_{\mathrm{adm}}, \mathcal M_{\mathrm{def}}, \mathcal M_{\mathrm{dec}}, \mathbf J_M, \operatorname{Regret}, \operatorname{VoI}, \operatorname{ParalysisRisk}, \mathsf{RobustDecisionCard} \right\rangle }

9. 本批次新形成的穩定區

9.1 容許誤差是治理事件

\epsilon

不再被視為無政治、無倫理、無分配效果的純技術數字。

9.2 主體性不以人類相似度為核心

\operatorname{HumanSimilarity}(x)

不再是主體判定主軸。

核心轉為：

邊界；
內生性；
持續性；
反身性；
損害承載；
承諾；
能動性；
歷史。

9.3 驚奇預算是恢復能力，不是未知機率

B_{\mathrm{surprise}}

回答的是「系統能承受與恢復多少模型外事件」，而不是「未知事件發生機率是多少」。

9.4 元底線核目前只是暫定最小

\operatorname{KernelStatus} = \mathsf{ProvisionallyMinimal}

而非絕對完成。

9.5 穩健決策不能讓任意極端模型永久否決

邏輯可表達不等於應納入決策。

10. 仍未解決的高張力問題

10.1 容許誤差合法性仍可能無限上推

誰審查誤差設定者，仍可能形成新的治理回歸。

10.2 主體特徵之間的必要關係尚未形式化

目前是結構輪廓，尚未確定：

哪些是必要條件；
哪些可替代表達；
哪些只有在組合時成立；
哪些可能互相衝突。

10.3 驚奇預算的數值與向量比較尚未完成

不同損害維度不可直接相加。

10.4 最低地位底線是否應加入原始核仍未決

這是目前元底線理論的主要未決點。

10.5 模型納入證書可能被治理者控制

若誰能定義「可辯護模型」，誰就可能控制決策空間。

11. 更新後的研究佇列

優先序	節點	主要原因
1	容許誤差治理的回歸終止與多方分配	防止設定權再次集中
2	主體特徵的替代性、必要性與組合邏輯	推進主體性形式化
3	驚奇損害向量的偏序與恢復證書驗證	推進工程實作
4	最低地位底線是否升格為原始項	元底線核心可能改版
5	模型納入權力與決策空間操控	防止穩健決策被制度捕獲
6	四值、機率、模糊、區間、多模型與誤差狀態統合	判定層需要統一代數
7	所有判定卡的統一資料結構	準備軟體原型
8	來源歷史升格為核心原始項的正式測試	FMO 核心可能進入 v0.3

12. 圖更新摘要

12.1 新增節點

本批次新增：

11+14+13+13+15=66

個子節點。

12.2 新增主要關係

sets_tolerance
externalizes_error
tightens_error_under_irreversibility
exchanges_reversibility_for_tolerance
audits_anthropocentric_feature
generates_subject_feature
supports_distributed_subject
carries_nonhuman_valence
allocates_surprise_budget
contains_unknown_event
restores_after_surprise
fails_recovery_certificate
tests_meta_floor_independence
fails_without_meta_floor
admits_model_to_decision_set
excludes_logical_extreme_model
balances_rights_and_model_credibility
detects_robustness_paralysis
evaluates_inaction_loss

12.3 圖版本更新

輸入：

\mathcal G_{\mathrm{FMO}}^{(7)}

輸出：

\boxed{ \mathcal G_{\mathrm{FMO}}^{(8)} }

13. 本批次結論

第八批次處理了 FMO 在承認多解與未知後最容易出現的兩種相反偏誤：

第一種偏誤是：

由少數決策者任意設定容許誤差，將他人的損害壓縮成可接受噪音。

第二種偏誤是：

將所有未知與極端模型都視為永久否決理由，使理論失去行動能力。

第一，容許誤差被正式改寫為治理事件：

\boxed{ \boldsymbol\epsilon_D }

不再是單一值，而是多維、方向化、風險敏感且具有成本分配的誤差向量。

任何誤差設定都必須回答：

\boxed{ \text{誰承擔錯誤成本？} }

第二，新型主體判定不再以人類相似度為軸，而改以：

\boxed{ \mathfrak S_x = \left\langle \mathsf{Boundary}, \mathsf{Endogeneity}, \mathsf{Persistence}, \mathsf{Reflexivity}, \mathsf{Valence}, \mathsf{Commitment}, \mathsf{Agency}, \mathsf{History} \right\rangle }

形成非人類中心的主體候選核心，並要求所有特徵接受反人類化偏誤審計。

第三，驚奇預算被正式定義為：

\boxed{ B_{\mathrm{surprise}}(D) = \sup \left\{ \mathbf H_u \mid \operatorname{Containable} \left( u, \mathbf R_{\mathrm{cap}}, \Theta_D \right) \right\} }

它不預測所有未知，而衡量系統面對未知時能否：

偵測；
隔離；
停止；
回滾；
恢復；
審計；
補償；
更新模型。

第四，元底線最小核接受了第一輪最小性與獨立性檢驗。

目前五項底線初步彼此獨立，但完備性尚未封閉。

其狀態為：

\boxed{ \mathsf{ProvisionallyMinimal} }

而非絕對最小。

第五，多模型穩健決策加入保守性校正。

模型集合被分成：

\mathcal M_{\mathrm{dec}} \subseteq \mathcal M_{\mathrm{def}} \subseteq \mathcal M_{\mathrm{adm}} \subseteq \mathcal M_{\mathrm{log}}

邏輯可想像的模型不再自動取得決策否決權。

穩健決策必須同時考慮：

模型可辯護性；
權利與不可逆性；
可逆試驗；
不作為損失；
資訊價值；
可接受後悔；
穩健性癱瘓風險。

因此，本批次形成一項新的總原則：

\boxed{ \text{不確定性治理必須同時防止低估風險，} \newline \text{也防止由不可證實的極端可能性壟斷全部行動。} }

FMO 到此不再只是保存未知，而開始管理：

哪些未知值得阻止行動；
哪些未知應進入驚奇預算；
哪些模型只適合壓力測試；
哪些錯誤成本不可轉嫁；
哪些新型主體應暫定保護；
哪些底線仍需升格或拆分。

這使整個理論從：

\text{有限可辯護判定}

進一步走向：

\boxed{ \text{有限、可行動、非人類中心、可恢復的不確定性治理} }

附錄 A：第八批次最小 JSON

{
  "batch": "FMO-MRASG-008",
  "input_graph": "G_FMO_7",
  "output_graph": "G_FMO_8",
  "selected_nodes": [
    "FMO-233",
    "FMO-234",
    "FMO-235",
    "FMO-236",
    "FMO-237"
  ],
  "decisions": [
    {
      "node": "FMO-233",
      "result": "multidimensional_asymmetric_stakeholder_governed_tolerance"
    },
    {
      "node": "FMO-234",
      "result": "nonanthropocentric_generative_subject_feature_framework"
    },
    {
      "node": "FMO-235",
      "result": "containment_and_recovery_based_surprise_budget"
    },
    {
      "node": "FMO-236",
      "result": "provisionally_minimal_independence_tested_meta_floor_kernel"
    },
    {
      "node": "FMO-237",
      "result": "admission_layered_rights_sensitive_robust_decision_correction"
    }
  ],
  "next_queue": [
    "tolerance_governance_regress",
    "subject_feature_compositional_logic",
    "surprise_damage_partial_order",
    "minimum_standing_meta_floor",
    "model_admission_power_capture"
  ]
}

附錄 B：版本狀態

批次狀態： 已完成
理論狀態： 容許誤差治理、非人類主體特徵、驚奇預算、元底線最小性與穩健決策校正已建立
圖版本： $\mathcal G_{\mathrm{FMO}}^{(8)}$
下一階段： 誤差治理回歸、主體特徵組合邏輯、驚奇損害偏序、最低地位底線與模型納入權力

FMO_MRASG_第八批次_容許誤差治理非人類主體特徵驚奇預算元底線最小性與穩健決策校正_v0.1