從理論壓縮到顯式認知壓縮

TCF v2.1 作為 AI 認知中介表示、記憶重整協議與知識治理層

英文題名： From Theory Compression to Explicit Cognitive Compression: TCF v2.1 as an AI Cognitive Intermediate Representation, Memory-Consolidation Protocol, and Knowledge-Governance Layer
作者： Neo.K（許筌崴）
AI 協作： GPT-5.6 Thinking
機構： EveMissLab／一言諾科技有限公司
版本： Public Paper v2.1
日期： 2026-07-20
文件性質： 公開研究論文／概念架構與技術方法論

摘要

本文提出 Theory Compression Format（TCF）2.1 的一般化理論：TCF 不應僅被理解為將形式理論整理為統一結構的文件格式，而應被理解為一種面向人工智慧的顯式認知壓縮方法。它位於自然語言原始資料、知識圖譜、檢索系統、形式驗證工具與神經網路隱式表示之間，將概念、命題、論證、證據、來源、認識狀態、版本、可見性與翻譯約束編碼為可尋址、可驗證、可投影的中介表示。

本文修正早期 TCF 對形式公理化與單一壓縮率的過度依賴。新版不再主張固定壓縮率可以判斷一個理論的真假，也不再要求觀察論文、哲學論證、技術白皮書、規格文件與文學化思想文本被強制改寫為公理—定理系統。相反地，TCF v2.1 將「內容主張」「證據狀態」「形式化程度」「語義角色」「修辭角色」彼此分離，並加入驗證證明書、證據工件、多軸狀態、符號命名空間、身份體制、成本模型、來源束合併及版本可見性治理。

本文進一步論證：若 AI 能將其讀取的公開知識、任務經驗與長期記憶週期性地轉換為 TCF，則 TCF 可成為 AI 的認知中介表示、外部長期記憶格式、跨模型知識交換協議，以及自我記憶重整時的安全邊界。這種壓縮不是對模型參數的直接壓縮，而是對 AI 所使用之顯式語義結構的壓縮。最終，AI 系統可能同時依賴兩種互補機制：神經網路的隱式統計壓縮，以及 TCF 的顯式認知壓縮。

關鍵詞： Theory Compression Format、TCF、認知中介表示、顯式認知壓縮、AI 記憶、知識治理、語義壓縮、知識圖譜、可追溯人工智慧、跨模型交換

1. 問題：AI 擁有大量知識，卻缺少可治理的知識形態

當代大型語言模型可以從大量文本中學習語言規律、概念關聯與問題解法。然而，模型所學得的知識主要分布於高維參數與動態激活之中。這種表示具有極高密度與良好泛化能力，但也具有四項結構性限制。

第一，來源不透明。模型可以產生一個正確或近似正確的答案，卻未必能指出該命題究竟來自哪份文件、哪個版本、哪段證據。

第二，狀態不清楚。模型容易把來源主張、作者推測、實驗結果、形式證明與後續詮釋混合為同一種「知道」。

第三，更新不可局部治理。當某一命題被反駁、修訂或限制適用範圍時，很難只修改該知識節點而不重新訓練或影響其他能力。

第四，跨模型交換成本高。模型之間可以交換自然語言摘要或向量，但缺少一個同時保留命題、證據、版本、衝突與可見性政策的通用顯式結構。

向量資料庫改善了檢索，知識圖譜改善了關係表示，形式證明器改善了可驗證推導，但三者通常各自處理不同層級。AI 仍缺少一個位於原始文本與下游工具之間的共同中介層。

TCF v2.1 的核心問題因而可以表述為：

能否建立一種不取代原文、不假裝理解全部隱含語境，卻能把顯式知識壓縮為可追溯、可驗證、可更新、可投影且可由不同 AI 交換的認知中介表示？

2. 從舊版 TCF 到新版 TCF：一次必要的理論修正

早期 TCF 的出發點，是將形式理論整理為原語、公理、依賴圖、定理、證明與模型，並嘗試以輸入結構和推論產出之比衡量理論壓縮能力。這個方向揭示了重要直覺：有價值的理論往往能以較少核心結構組織較多後果。

然而，將這個直覺直接提升為真假理論的固定判準，存在明顯問題。

2.1 形式化程度不等於真實性

一個錯誤理論可以被高度形式化；一個尚未形式化的觀察也可能是真實且重要的。形式化衡量的是表達與驗證狀態，不是世界是否服從該理論。

2.2 推導數量可以被人為膨脹

若只計算定理或證明步驟數量，理論可以透過同義改寫、平凡推論與冗長證明獲得虛高分數。因此單一壓縮率不能作為真理判定器。

2.3 並非所有知識都是公理—定理型

公開知識還包括：

經驗觀察；
命題猜想；
方法論；
技術規格；
哲學論證；
批判與反例；
歷史敘事；
政策文件；
版本化軟體文件；
文學化但具有理論功能的思想文本。

強迫這些內容全部轉成公理與定理，不會增加嚴謹性，反而會製造虛假形式化。

因此，TCF v2.1 將早期命題修正為：

TCF 的首要功能不是替理論判真，而是忠實揭露理論或知識文件的結構、證據、狀態、來源與治理邊界。

壓縮度量仍可作為診斷向量的一部分，但不得被單獨解釋為真理分數。

3. TCF 作為認知中介表示

編譯器通常不會讓每一種高階語言直接對應每一種硬體，而是建立中介表示（Intermediate Representation, IR）。中介表示負責保留程序的核心語義，並讓不同最佳化器、分析器與後端共同使用。

TCF 可以對知識扮演類似角色。令原始資料集合為 $X$ ，TCF 編碼器為 $E_{\mathrm{TCF}}$ ，則：

E_{\mathrm{TCF}}: X \rightarrow Z

其中 $Z$ 不是原文摘要，而是由穩定節點與關係構成的顯式認知表示。不同下游任務可使用解碼器或投影函數：

D_k: Z \rightarrow Y_k

其中 $Y_k$ 可以是：

某一語言的學術論文；
任務專用上下文；
知識圖譜子圖；
教學材料；
問答資料；
反方論證；
形式驗證任務；
公開版本；
內部工作版本。

因此，同一份 TCF 不必等同於單一輸出文件。它更接近一個可被多種工具共同使用的認知原始碼。

本文將此定位稱為：

TCF-CIR：Theory Compression Format as Cognitive Intermediate Representation

它具有三個基本特徵。

3.1 顯式性

概念、命題、論證、證據與版本規則都有穩定 ID，可被人類與機器直接引用。

3.2 中介性

TCF 不試圖取代原始文本，也不等同於最終輸出；它連接來源、圖譜、驗證器、翻譯器與生成模型。

3.3 可治理性

知識不只有內容，還有來源、權限、可見性、驗證狀態、版本與撤回條件。這些都可以被明確表示與驗證。

4. 什麼是顯式認知壓縮

一般資料壓縮主要消除位元或字串重複。TCF 處理的是另一種重複：

同一概念的多種名稱；
同一命題的多次敘述；
相同論證在不同文件中的重複展開；
跨語言表面差異；
被散落在正文、附錄與版本說明中的證據狀態；
由段落順序隱含、但未顯式表示的依賴；
同一符號在不同命名空間中的重載；
同一文件不同公開版本中的重複內容。

所以，TCF 壓縮的不是字數本身，而是將分散的顯式知識結晶成可尋址結構。

可將顯式認知壓縮寫為：

Z^* = \arg\min_Z |Z|

但必須滿足：

L_{\mathrm{semantic}}(X,Z) \leq \varepsilon_s

L_{\mathrm{provenance}}(X,Z) \leq \varepsilon_p

L_{\mathrm{epistemic}}(X,Z) \leq \varepsilon_e

L_{\mathrm{governance}}(X,Z) = 0

其中：

$L_{\mathrm{semantic}}$ 是核心語義損失；
$L_{\mathrm{provenance}}$ 是來源與歸屬損失；
$L_{\mathrm{epistemic}}$ 是猜想、證據、爭議與驗證狀態的失真；
$L_{\mathrm{governance}}$ 是隱私、公開版本與位置約束的違反。

最後一項應被視為硬約束。若一個公開投影洩漏內部節點，即使語義摘要十分準確，也不能視為成功壓縮。

5. TCF v2.1 的核心表示

TCF v2.1 不要求每份文件具有相同內容，而是提供可選模組。只有當來源真的包含某種結構時，才啟用相應欄位。

5.1 基礎語義層

Concept：文件中的核心概念；
Statement：可獨立引用的命題；
Argument：前提、推理與結論的支持結構；
Relation：依賴、支持、反駁、修訂、對應等關係；
Term：術語與跨語言譯名；
Symbol：符號、簽章與作用域；
Model：案例、反例、實作或模型。

5.2 狀態分離

每一命題至少應區分：

命題種類，例如定義、觀察、假設、猜想、定理、批判；
認識狀態，例如已主張、受支持、推測、爭議、反駁、開放；
形式化程度，例如非形式、半形式、形式、機器驗證；
語義角色，例如正式運算子、模型、類比、治理規則；
修辭角色，例如題辭、警告、論題、橋接、終結語。

這些維度不得壓成單一標籤。題辭可以承載核心思想，但不因此成為公理；來源稱某項結果為「定理」，也不表示它已被機器檢查。

5.3 證據與驗證

TCF v2.1 將證據本身物件化。測試日誌、資料集、形式證明物件、引用文獻、案例與推導軌跡，都可以成為 EvidenceArtifact。

驗證狀態另外使用 VerificationAttestation 表示，至少區分：

source_claimed：來源聲稱已驗證；
artifact_present：證據工件存在；
reproduced：本環境已重現；
independently_reviewed：第三方已獨立審查。

因此：

\text{Source says verified} \neq \text{Verification reproduced here}

只有存在可追溯工件，且重現或獨立審查結果為通過時，命題才可標為 machine_checked。

5.4 狀態、符號、身份與成本

某些理論描述多軸狀態空間。此時應分開保存軸、軸值與複合狀態，避免把十五個基礎標籤誤解為只有十五種完整狀態。

符號重載則透過命名空間區分。相同字形若在同一文件中代表不同對象，必須建立不同符號 ID。

IdentityRegime 用於表示「何時仍算同一對象」，例如版本身份、語義身份、時間連續性或結構同構。

CostModel 用於綁定複雜度主張的前提。任何 $O(1)$ 、低成本或高效率主張，都必須說明成本模型與排除項，而不能脫離執行環境獨立成立。

5.5 來源束與版本治理

現實中的正式版本經常不是單一檔案，而是由基底稿、修訂稿、順序補丁、附件與內部規則合成。SourceBundleMerge 記錄來源角色、優先序、覆寫範圍與合成指紋。

EditionProjection、VisibilityPolicy 與 CanonicalPlacementConstraint 則允許同一內部母稿生成公開版、翻譯版與內部工作版，並阻止隱藏內容透過占位符、編號缺口、翻譯註記或依賴關係外洩。

6. TCF 與知識圖譜的差異

TCF 可以輸出知識圖，但不等同於一般知識圖譜。

知識圖譜通常關注實體與關係：

(subject, predicate, object)

TCF 還必須表示：

命題由誰提出；
命題在何處出現；
命題是觀察、猜想還是定理；
支持它的是哪種證據；
驗證是否實際重現；
與哪些版本衝突；
哪一個公開投影可以顯示；
哪些術語在翻譯時必須鎖定；
哪些隱含依賴只是候選，不是正典關係。

因此可以把兩者關係表述為：

\text{TCF Document Layer} \rightarrow \text{Semantic Graph Layer} \rightarrow \text{Task-conditioned Context}

TCF 保存文件內的可追溯結構，語義圖處理跨文件耦合，而任務上下文只取出當前需要的局部子圖。

7. 作為 AI 長期記憶與記憶鞏固協議

AI 在長期運作中會累積大量對話、工具操作、閱讀紀錄、程式修改、實驗結果與錯誤修正。若全部以原始文字永久加入上下文，成本會持續增加；若只保留普通摘要，又會遺失來源、分歧與證據狀態。

TCF 可作為介於原始事件與長期知識之間的記憶鞏固層：

原始事件與來源
      ↓
事件分類與來源雜湊
      ↓
概念／命題／證據抽取
      ↓
重複辨識與衝突保留
      ↓
TCF 記憶記錄
      ↓
跨記錄語義圖
      ↓
任務條件式上下文

令既有記憶為 $M_t$ ，新事件集合為 $E_{t:t+n}$ ，則：

M_{t+1} = \operatorname{Consolidate}(M_t,E_{t:t+n})

其中：

\operatorname{Consolidate} = \operatorname{Extract} + \operatorname{Deduplicate} + \operatorname{Reconcile} + \operatorname{Validate} + \operatorname{Version}

這不是將所有舊內容刪除，而是建立可回溯的語義索引。AI 在一般任務中先讀取 TCF 節點；只有需要精確引文、文風、語境或法律效力時，才回查原始來源。

可形成五層記憶架構：

L0： 不可變原始來源與事件；
L1： 文件級 TCF；
L2： 跨文件語義圖；
L3： 任務專用動態上下文；
L4： 模型當前推理與工作記憶。

8. 為何不能讓 AI 直接覆寫自己的唯一記憶

讓 AI 自動重整記憶具有實際價值，也具有不可忽視的風險。模型可能錯誤合併術語、刪除少數觀點、把來源猜想升格為事實，或在公開輸出中洩漏內部內容。

因此，自我壓縮必須採用影子重整，而不是原地覆寫：

原始記憶庫 M0
      ↓
唯讀快照
      ↓
候選 TCF 記憶庫 M1
      ↓
結構、來源、能力、隱私與回歸測試
      ↓
通過後切換讀取指標

更安全的更新形式是：

M_{t+1}=M_t\oplus\Delta_{\mathrm{TCF}}

而不是：

M_{t+1}=\operatorname{Overwrite}(M_t)

最低限度應保存：

模型權重快照；
原始資料不可變副本；
TCF 版本歷史與節點指紋；
記憶庫切換前後快照；
行為與能力回歸測試；
公開／私密投影測試；
可撤銷的部署指標。

若來源衝突無法解析、主要來源不可取得、驗證工件缺失或公開可見性測試失敗，系統應停止正典合併，而不是自行補完。

9. TCF 不是模型權重壓縮

必須清楚區分兩種壓縮。

9.1 神經網路的隱式壓縮

模型權重將大量語言與世界規律壓縮為分布式數值表示，擅長：

模式識別；
泛化；
類比；
流暢生成；
未明示組合。

但其內部知識不容易逐條審計與局部更新。

9.2 TCF 的顯式壓縮

TCF 將知識壓縮為具 ID、來源與狀態的結構，擅長：

可追溯記憶；
精確更新；
衝突保存；
版本治理；
跨模型交換；
任務上下文生成；
人類審核。

兩者並不互斥。較完整的 AI 知識架構應是：

\text{AI Knowledge} = \text{Implicit Neural Compression} \oplus \text{Explicit Cognitive Compression}

神經模型提供直覺與生成能力，TCF 提供可治理的顯式記憶。前者不應被強迫完全轉成符號系統，後者也不應假裝可以取代神經表示。

10. 任務相對無損，而非字面無損

TCF 無法從結構表示逐字還原所有原文。自然語言包含節奏、語氣、修辭、歷史背景、雙關與未明示的文化知識。

因此，TCF 不應自稱一般意義上的無損壓縮。較精確的概念是任務相對語義保存。

對任務集合 $\mathcal{T}$ ，若：

\forall \tau\in\mathcal{T}, \quad U_\tau(X) \approx U_\tau(D(E_{\mathrm{TCF}}(X),\tau))

則可以說，TCF 對該任務集合近似無損。

TCF 對下列任務可能具有較高保存度：

命題檢索；
理論比較；
術語翻譯；
證據追蹤；
版本更新；
推理依賴分析。

但對下列任務必須回到原文：

精確引文；
文學風格重建；
法律文字解釋；
歷史語用分析；
修辭與敘事研究。

所以任何正規 TCF 系統都必須保留來源 URI、內容雜湊、來源跨度、版本、授權與歸屬。

11. AI 學習 TCF 的四個層級

11.1 工具使用層

一般模型透過提示詞、Schema、驗證器與 SKILL，將文件轉成 TCF。這不需要修改模型權重。

11.2 格式熟練層

透過微調或合成資料訓練，使模型原生理解穩定 ID、來源跨度、認識狀態、證據工件與版本投影。

11.3 記憶原生 Agent 層

Agent 的長期記憶直接以 TCF 與語義圖管理。新資訊不只是追加文字，而是執行新增、合併、衝突標記、版本分叉、證據升降級與來源重綁定。

11.4 TCF 原生訓練層

訓練資料同時包含：

\text{原文} \leftrightarrow \text{TCF} \leftrightarrow \text{語義子圖} \leftrightarrow \text{任務輸出}

模型學習的不只是下一個 token，也包括：

如何從長文結晶出穩定結構；
如何從結構生成不同語言和粒度；
如何維持證據與不確定性；
如何保留衝突而不強行統一；
如何知道某項知識尚未被驗證；
如何遵守版本與可見性政策。

這一層仍屬研究方向，不應在缺乏系統評測時宣稱已經解決 AI 的理解或記憶問題。

12. 公開知識大規模轉換的架構

若要將大量公開顯式知識轉換為 TCF，合理流程不是一次性抓取整個網路，而是逐層建立可審核語料。

12.1 來源層

只處理具有明確授權、公開存取條件或合法使用基礎的資料。保存來源時間、版本與授權狀態。

12.2 文件層

每份文件獨立轉換，保留其自身命題與來源跨度。在完成文件內結構前，不急於做全域合併。

12.3 術語層

建立跨文件術語登錄，但不因表面相似就認定同義。模糊對應必須保留為候選。

12.4 圖譜層

以低成本規則產生跨文件候選邊，再由模型、規則或人工審核接受。避免對全部文件做昂貴且不可解釋的全配對比較。

12.5 發行層

每次語料庫更新形成不可變版本，具有文件指紋、節點指紋、術語版本及關係變更紀錄。

12.6 任務層

下游 AI 不直接讀取整個語料庫，而是根據問題生成局部、可追溯的 TCF 上下文包。

13. 評估方法

TCF 系統不能只以壓縮後大小評分。至少應同時評估下列向量。

13.1 結構有效性

Schema 是否通過；
ID 是否唯一；
引用是否完整；
圖是否存在非法循環；
版本投影是否可重現。

13.2 來源追溯性

重要命題可否定位至來源；
引文與來源雜湊是否一致；
修訂後是否仍能找到舊節點。

13.3 認識狀態保真

猜想是否被誤升為事實；
作者自稱驗證是否被誤升為重現驗證；
反例與異議是否被刪除；
不確定性是否保留。

13.4 任務效用

是否降低上下文 token；
是否提升檢索精度；
是否改善跨語翻譯一致性；
是否降低版本錯用；
是否能更快回查證據。

13.5 治理安全

公開投影是否洩漏內部節點；
私密資料是否被候選關係間接暴露；
省略後是否殘留編號缺口或元資料提示；
授權與刪除請求能否傳播至所有投影。

13.6 重建與退化測試

將同一原文轉換為 TCF，再由不同模型生成摘要、論文、問答與批判，評估核心命題、條件、證據與反例的保存程度。

14. 風險與限制

14.1 顯式知識不等於全部知識

大量技能、直覺、身體經驗與社會默契無法完全以命題表示。TCF 主要面向公開、可陳述、可引用的顯式知識。

14.2 結構化可能製造虛假確定性

JSON 欄位看起來精確，不代表抽取內容正確。每個節點都應保留來源與置信狀態。

14.3 自動合併可能抹除少數觀點

多數模型傾向生成單一協調答案。TCF 系統必須允許平行命題、學派分歧與不可解衝突共存。

14.4 Schema 可能成為新的僵化中心

TCF 本身不能被視為所有知識唯一合法形態。它必須允許擴充、版本化與替代表示，並保留原文作為最高來源。

14.5 大規模轉換涉及授權與治理

公開可讀不必然等於可任意再發布、訓練或建立衍生資料庫。實作必須區分讀取、索引、轉換、再發布與商業使用權限。

14.6 自我壓縮可能造成能力退化

AI 若反覆以自己的摘要取代原始資料，可能發生語義漂移與模型坍縮。原始資料、獨立評測與可撤銷版本不可省略。

15. 可檢驗研究命題

本文提出下列可被實驗反駁或支持的命題。

命題一：上下文效率命題

在來源追溯任務中，TCF 子圖可以在比完整原文更少的 token 下，維持相近或更高的答案正確率。

命題二：認識狀態保真命題

使用 TCF 明確區分猜想、證據與重現驗證後，模型將較少把來源自述誤報為已獨立證實。

命題三：跨模型交換命題

不同模型透過 TCF 交換知識時，術語與命題一致性將高於只交換自然語言摘要。

命題四：版本治理命題

使用明確版本投影與可見性政策，能顯著降低私密節點在公開輸出中的洩漏率。

命題五：記憶鞏固命題

在保留原始來源與版本回滾的條件下，週期性 TCF 記憶鞏固能降低長期 Agent 的檢索成本，而不顯著損害核心任務能力。

命題六：雙層壓縮命題

結合神經隱式表示與 TCF 顯式記憶的系統，在可追溯性與更新效率上優於只依賴任一單層表示的系統。

16. 研究路線

TCF 後續研究可以分為六條路線。

語料轉換基準： 建立跨文類公開資料集，測試形式理論、觀察論文、技術規格、哲學論證與版本化文本。
重建評測： 比較不同模型從同一 TCF 重建內容時的語義保存率。
全域術語協調： 研究術語同一性、異名同義、同名異義與跨語言鎖定。
驗證後端： 串接 Lean、Coq、Isabelle、測試框架與資料分析環境，使證明書可重現。
記憶原生 Agent： 實作影子記憶庫、回滾、衝突保存與能力回歸測試。
開放互通標準： 讓不同模型、知識庫與研究機構交換 TCF packet，而不要求共享模型權重。

17. 結論

TCF 的演化揭示了一個比「如何整理論文」更大的問題：AI 的知識不應只存在於不可直接審核的模型權重中，也不應只存在於無限增長的原始文本庫中。

AI 需要一個中間層。這一層必須比普通摘要更忠實，比純知識圖更接近文獻結構，比形式邏輯更能容納多種知識文類，也比模型參數更容易更新、審核與交換。

TCF v2.1 因而可被重新定義為：

一種將公開顯式知識、任務經驗與長期記憶，轉換為可追溯、可驗證、可版本化、可投影之認知中介表示的顯式認知壓縮協議。

這個定義不聲稱 TCF 能取代原文、知識圖譜、形式證明器或神經網路。它的價值恰恰在於連接它們。

最終的 AI 知識架構可能不是符號主義或連結主義二選一，而是：

\text{可泛化的隱式神經壓縮} + \text{可治理的顯式認知壓縮}

模型負責從世界中形成能力；TCF 負責讓其中可陳述的知識被保存、核對、更新與傳遞。

壓縮在此不只是縮短內容，而是把知識從不可治理的堆積，轉化為可以被不同智能共同閱讀、質疑與修訂的結構。

附錄 A：TCF 顯式認知壓縮的最小不變項

一個最低限度的 TCF 顯式認知壓縮系統，應遵守以下原則：

原始來源不可被 TCF 覆寫；
重要命題必須可回查來源；
命題種類、認識狀態與形式化程度必須分離；
來源聲稱驗證不等於本地重現；
同名術語與同形符號不得自動合併；
衝突應被保存，而不是被強行消解；
所有更新必須版本化；
公開投影不得洩漏內部節點；
AI 自我重整必須可回滾；
結構驗證通過不等於理論為真。

附錄 B：建議引用格式

Neo.K（許筌崴）（2026）。〈從理論壓縮到顯式認知壓縮：TCF v2.1 作為 AI 認知中介表示、記憶重整協議與知識治理層〉。EveMissLab Public Research Paper v2.1。

TCF_v2_1_公開論文_從理論壓縮到顯式認知壓縮