從 21% 到結構：一篇博論的計算審查與認知套利的田野紀錄
一份對話體論文 ‧ 一份方法論宣言
作者：許筌崴（Neo.K） 協作 AI：Theia / Claude Opus 4.7 日期：2026 年 5 月 4 日 發布站：EVEMISSLAB Logic Matrix 文件性質：田野紀錄論文 ‧ 對話體 ‧ 個人實驗站獨立發布
摘要
本文記錄一次由獨立研究者主導、AI 協助執行的數學博士論文計算審查全過程。被審查對象是一篇 2013 年中國博士論文（張春英《基於屬性圖的社交網絡建模與態勢分析理論研究》，燕山大學），由集對分析學派創始人在微信群推薦。經過程式化驗證，本文在該論文核心應用實例中發現可量化的錯誤：表 5-8 計算錯誤率 21%（6/28）、第 5 章個別結點聯繫熵與其定義式存在系統性 0.362 倍偏差、第 3 章粗糙集精度計算違反 R̲⊆R̄ 基本性質、第 4 章定義 4.1 與計算實例所用公式不一致。本文以此案例為起點，論證「認知套利包裝」的三層結構性機制，並將該機制推廣至頂級數學期刊的歷史性失敗案例（Voevodsky 1999、Atiyah 2018、Mochizuki IUT），提出形式化驗證流行的真正社會原動力是「幻滅驅動」而非「技術跟風」。論文最後給出研究策略建議：事前對齊數學（preemptive alignment mathematics）—— 從理論建構之初就讓核心結構與形式化驗證系統（Lean 4 / 程式驗證 / 隨機測試）對齊，繞過事後驗證的窘境。
關鍵字：認知套利、形式化驗證、Lean、集對分析、計算審查、數學論文品質、事前對齊數學
一、起源：群裡的推薦
故事從微信群裡的一個 PDF 開始。
集對分析（Set Pair Analysis, SPA）這個學派的創始人趙克勤，在他的微信群裡推薦了一篇 2013 年的博士論文：張春英《基於屬性圖的社交網絡建模與態勢分析理論研究》，燕山大學，導師郭景峰，119 頁，工學博士，學科是計算機應用技術。
我是台灣人，獨立研究者，專注於本體論層級的數學重構（Cl/Ω 框架、ETN 記號系統、Synthetic Calculus）。論文題材跟我的研究方向有交集 —— 「圖 + 不確定性 + 動態網絡 + 態勢分析」這幾個關鍵詞讓推薦人覺得我可能會感興趣。
我打開了它。
第一輪初讀，覺得「還不錯」。論文敘事流暢，結構完整：第二章建立屬性圖、粗糙屬性圖、S-粗糙屬性圖的數學模型；第三章做粗糙中心區挖掘；第四章用集對分析建立社區發現算法；第五章做態勢分析。每章都有定義、定理、應用實例，看起來是一個閉合的理論系統。
但我隨即起了疑心。原因不是論文有任何明顯的標記讓我懷疑，而是經驗 —— 我接觸過足夠多的數學論文，知道很多論文的數學公式還有計算結果不一定正確。所以我做了第二件事：請 AI 對話夥伴 Theia 系統性地驗證裡面所有的計算。
這篇論文記錄的就是接下來發生的事。
二、第一輪：學術戰場的框架評估
在進入計算驗證之前，先做框架層級的評估是必要的。這決定了驗證工作的優先級。
論文的核心結構是把四個既有工具拼成一個社交網絡分析框架：傳統圖加上節點屬性與邊屬性形成「屬性圖」；屬性圖加上 Pawlak 粗糙集（1982）形成「粗糙屬性圖」；再加上史開泉的 S-粗糙集（2002）形成處理動態性的「S-粗糙屬性圖」；最後用趙克勤的集對分析（1989）做態勢分析。
這是「方法組合」型工作，不是「本體重構」型工作。所有用到的工具都是現成的，2013 年都已成熟，創新點在於把它們扣在「社交網絡」這個應用對象上。
形式化嚴謹性方面，幾個顯著的軟肋：定義 2.1 的屬性圖，邊集 EA 中同時包含頂點屬性 (vᵢ, vⱼ) 和邊本身的屬性 pₗ，符號重疊不乾淨；所謂的「定理」多數是定義的直接展開（比如定理 2.1「屬性集退化為空時屬性圖等於傳統圖」，這是 trivially true，只配叫推論）；鄰接矩陣把整個屬性集塞進一個元素裡，實際計算上等於把複雜度甩鍋給「屬性如何運算」這個未定義的問題。
實驗強度方面，全篇實例是 8 節點的人工網絡。沒有真實大規模社交網絡數據（2013 年時 Stanford SNAP 已開放，DBLP、Facebook ego networks 都可用），這是博士論文層級該有的硬傷。整個論文沒有附程式碼 —— 一個寫圖算法、社區挖掘、相似度計算的計算機應用技術博士，不附程式碼，等於一個寫橋樑工程的博士不附結構受力計算書。
但這些都是「軟批判」，不是「硬證據」。要真正定錨論文的問題，必須做計算驗證。
三、第二輪：計算驗證
我請 Theia 用 Python（fractions 庫做精確分數運算 + math 庫做數值計算）逐項驗證論文的核心應用實例。整個驗證流程約 4 輪對話完成。以下分章節報告發現。
3.1 第 3 章：粗糙集精度計算違反基本性質
論文第 51-52 頁有一個粗糙屬性圖精度的計算實例，連續寫了三個精度值：
「下近似 16，上近似 288，精度為 16/288 = 0.05」 —— 邏輯正確
「下近似 16，上近似 222，精度為 16/222 = 0.07」 —— 邏輯正確
「上近似 5，下近似 16，精度為 5/16 = 0.3」 —— 邏輯謬誤
Pawlak 粗糙集理論的基本性質是 R̲(W) ⊆ R̄(W)，所以下近似 ≤ 上近似永遠成立。論文寫「上近似 5，下近似 16」直接違反這個基本性質。這不只是符號筆誤，計算也跟著錯了 —— 5/16 = 0.3 是把上近似當分子計算的結果。
前兩個精度計算正確，獨獨第三個邏輯崩潰。這是粗糙集理論的入門級錯誤。
3.2 第 4 章：定義與計算實例不一致
定義 4.1 寫：N = |A(vₖ) ∪ A(vₛ)|（兩個對象屬性的並集大小）。
但 4.4.3 應用實例的所有計算實際使用：N = |U|（整個論域大小）。
驗證表 4-2 的 ρ(A,B) = 1/6 + 1/2 i + 1/3 j：
- 按定義 4.1 字面意義：|A(A) ∪ A(B)| = |{A,B,C}| = 3，S = |{C}| = 1，a = 1/3 ≠ 1/6
- 按 N = |U| = 6：a = 1/6 ✓
形式定義與實際計算用的是兩個不同的公式。讀者按照定義 4.1 的字面意義代入計算，會得到完全不同的結果。
我寫了完整的驗證程式對表 4-2 的 15 個非對角元素逐項驗算。結論是：用 N=|U|=6 為分母，加上「兩個都沒有的元素」歸為差異 b、「對稱差元素」歸為對立 c 這套（與定義 4.1 不同的）規則，全部 15 項計算結果與論文吻合。論文的計算內部是自洽的，只是與其形式定義脫節。
3.3 第 4 章：距離公式記號錯誤
論文寫 d(A,C) = √(δ²(A) − δ²(C)) = 0.235。
δ 是三維向量 (a, b, c)，δ² 沒有定義良好的運算（可以是內積、Hadamard 平方、或範數平方，結果都不同）。「向量平方相減再開根」這個記號在數學上是錯誤的寫法。實際算的是分量歐氏距離 √Σ(δᵢ − δᵢ′)²，雖然數值對應，但形式表達違反基本符號規範。
3.4 第 4 章：四捨五入錯誤
論文中 d(F,C) = 0.105。
精確計算：d(F,C) = √14 / 36 = 0.10393...。
正確四捨五入應為 0.104，論文寫 0.105 是錯的。差 0.001，不影響中心區挖掘結論，但屬於可量化的數值錯誤。另外論文中 δ(D) = 15/36 + 9/36 i + 12/36（末項缺 j 標記），屬印刷遺漏。
3.5 第 5 章：個別結點聯繫熵與定義 5.8 不符
論文聲稱例 5.2 的個別結點廣義聯繫熵：
S(A)_G = 0.1129 + 0.1254 i + 0.0979 j
S(B)_G = 0.1129 + 0.1254 i + 0.0979 j (與 A 相同，結構對稱)
S(C)_G = 0.0931 + 0.1435 i + 0.0973 j
S(D)_G = 0.0995 + 0.1261 i + 0.1143 j
S(E)_G = 0.1153 + 0.1284 i + 0.0880 j
S(F)_G = 0.0963 + 0.1348 i + 0.1050 j按定義 5.8 公式 S_S(vₖ)_G = −(1/m) Σₛ [(1+aₖₛ)/2 · ln((1+aₖₛ)/2)]，以 m=5 為分母（排除自身）精確計算：
S(A)_G = 0.3120 + 0.2770 i + 0.2011 j論文值 / 計算值 = 0.362。對全部 6 個結點的全部 3 個分量，這個比例都是 0.362。
更耐人尋味的是：整網廣義聯繫熵 SG = 0.207 + 0.307 i + 0.247 j 用定義 5.9 計算完全吻合（驗證通過 ✓）；廣義平均聯繫熵 S̄_G = 0.105 + 0.1306 i + 0.100067 j 是個別 S_G 的算術平均（內部一致 ✓）。
但理論上，整網 SG 跟個別 S(v)_G 平均的比值應為 6/7 = 0.857（基於上三角含對角項分母 m(m+1) 與全節點求和分母 m² 的比值）。論文中比值約為 2:1，顯示個別 S(vₖ)_G 的計算用了一個跟定義 5.8 不一致的公式。具體錯誤公式不明，但縮放因子 0.362 對所有結點都一致，推測是一個系統性的代入錯誤。
3.6 第 5 章：表 5-8 的 21% 計算錯誤
這是最嚴重的發現。
論文表 5-8 給出 8 節點網絡（圖 5-4）的 28 個非對角屬性集對聯繫度。我用 Python 按定義 5.11 的規則（空白 = 不確定 → r）逐項驗證，發現 6 項錯誤：
ρ(v1, v6)：v1 = {F, JS, Jsj, Shuxue, }，v6 = {, JS, Jsj, Shuxue, fayu}。屬性比對 → p=3, r=2, q=0，正確 τ = 3/5 + 2/5 i + 0 j。論文寫 3/5 + 1/5 i + 1/5 j，把兩個 r 莫名其妙拆成一個 r 一個 q。
ρ(v3, v5)：正確 0 + 2/5 i + 3/5 j；論文 0 + 3/5 i + 2/5 j（q 和 r 互換）。
ρ(v3, v8)：正確 0 + 1/5 i + 4/5 j；論文 0 + 2/5 i + 3/5 j。
ρ(v5, v8) —— 最嚴重：v5 = {M, Zhuj, Zdh, , fayu}，v8 = {M, , Zdh, wuli, fayu}。明顯有 3 個屬性相同（M, Zdh, fayu），正確 τ = 3/5 + 2/5 i + 0 j。論文寫 0 + 3/5 i + 2/5 j（p=0，完全忽略 3 個明顯相同的屬性）。這是肉眼可見的計算錯誤。
ρ(v3, v4) 和 ρ(v4, v7) 看起來是把大小寫不敏感（yingyu = Yingyu）視為相同，但其他地方又把它們視為不同。規則本身在內部矛盾。
整體錯誤率 6/28 = 21%。
而且這個錯誤會連帶污染後續所有計算：表 5-12 的綜合相似度全部基於錯誤的 τ；社團檢測算法的最終結果（圖 5-6 的網絡劃分）建立在 21% 錯誤的基礎上。
四、結構化反思：認知套利包裝的三層機制
把以上發現抽象出來，我們得到一個典型的「認知套利包裝」標本。
「認知套利」是我之前發展的概念：位置差異即認知差異，認知差異即評估能力差異，評估能力差異即定價能力差異。論文的作者（或其學派）在某個位置上對其工作做出了高定價（博士學位、發表、引用），但這個定價未必經得起來自其他位置的審查。
具體到數學論文，認知套利包裝有三層機制：
第一層是術語密度套利。粗糙集的上下近似（R̲, R̄）、S-粗糙集的遷移函數（F_v, F^v）、集對分析的同異反（a+bi+cj）、聯繫熵的 Σa·ln(a)，光符號就壓得讀者喘不過氣。讀者讀到第三章已經喪失質疑公式的精力。符號密度創造進入門檻，門檻保護內容。
第二層是定理化包裝套利。論文把「屬性集為空時屬性圖退化為傳統圖」這種定義的直接展開稱為「定理 2.1」，後面接「證明：由定義 2.1 顯然成立。證畢。」十幾個這樣的「定理」堆疊起來，外觀上的形式化密度替代了實際的形式化深度。
第三層是本土流派庇護套利。粗糙集（Pawlak 波蘭）、集對分析（趙克勤，中國）、S-粗糙集（史開泉，中國）。後兩個在西方主流統計與概率論期刊裡幾乎零引用，形成一個術語孤島。圈內人互引、圈外人不看，審稿人也是圈內人 —— 圈內共識替代了客觀正確性。
三層加起來：讀者覺得作者懂、審稿人覺得作者懂、答辯委員會覺得作者懂、最後作者自己也覺得自己懂。但底下的計算稍微一驗，21% 錯誤率。
這就是認知套利包裝的活體解剖。
五、推廣：頂級期刊也有
讀者可能會說：這是中國本土博論的特殊問題，頂級數學期刊不會這樣。
這個假設值得拷問。歷史記錄顯示，頂級數學期刊的形式失敗率不為零，而且在足夠複雜的領域可能相當高：
Hilbert 第 16 問題的 Petrovsky-Landis「解」（1955-1957），登在 Matematicheskii Sbornik，後來 Ilyashenko 1985 年指出整個證明錯誤，問題重新打開至今未解。中間 30 年所有引用都當它解決了。
四色定理 Kempe 1879 年的「證明」，登在 American Journal of Mathematics，Heawood 1890 年發現錯誤。期間 11 年定理被認為已證明。
Wiles 對費馬大定理的初版證明（1993），Cambridge 演講後送審 Annals of Mathematics，Katz 審稿時發現 Euler 系統論證有缺口。Wiles + Taylor 補了一年才完成。這個是好結局，因為審稿人真的審了。
Atiyah 的 Riemann Hypothesis 證明（2018），榮譽 Fields 獎得主，Heidelberg Laureate Forum 公開演講聲稱證明。文本流出後幾天內被識別為循環論證 + 常數 Todd 函數定義不清。沒有正式期刊收錄，但這顯示頂級數學家的論證在沒有形式驗證時依然會崩。
Mochizuki 的 ABC 猜想 / IUT 理論（2012-至今），京都大學 RIMS 頂尖代數幾何學家，IUT 證明 500+ 頁。Scholze + Stix 2018 年訪問京都當面指出 Corollary 3.12 有缺口，Mochizuki 否認。2020 年 PRIMS（他自己當主編的期刊）接受刊發。主流數學社群（Scholze、Tao、Conrad）至今不認可。這是頂級期刊發表 vs 社群驗證共識完全分裂的活案例。
更系統性的證據是 Voevodsky 的自述。他是 Fields 獎得主、同倫類型論奠基人，2014 年在 IAS 的演講說：他自己 1999 年發表在 K-Theory 上的一篇論文有錯誤，但因為太複雜，沒人讀懂到能發現錯誤。是他自己十年後重新檢查才發現的。他當場承認他當時無法說服任何數學家讀他的論文，所以他開始發展 UniMath 來確保自己工作的正確性。
Kevin Buzzard 在 Imperial 的 Xena Project 給出量化估計：現代數學論文中，即使是頂級期刊，「人類聲稱證明但實際上有缺口或錯誤」的比例可能在 5-10% 之間（注：這是 Buzzard 的個人估計，本文標註為假設）。他公開說過他不相信很多現代大定理發表的證明是正確的。
Tom Hales（Kepler 猜想證明者）經歷過 Annals 審稿過程後直言：Annals 審稿團隊花了 4 年也只能說「99% 確信對的，但無法完全驗證」，所以他啟動了 Flyspeck 計畫，用 Coq+HOL Light 完整形式化，花了 11 年（2003-2014）。
把這些案例排在一起，論文層級錯誤不是中國本土學派的特殊現象，是複雜度閾值以上的普遍現象。張春英案例的特殊性只在於：錯誤密度更高、層級更基本、本應更容易被發現卻沒有被發現。
六、形式化革命的社會原動力：幻滅驅動
把這個推論更進一步：Lean、Coq、Agda 等形式化證明系統的流行，背後的真正動力是什麼？
我認為不是技術成熟（這些工具都存在了 30+ 年）。是幻滅驅動 —— 數學共同體的核心人物開始公開承認傳統審稿機制在足夠複雜的工作上失效。
Voevodsky 推 Univalent Foundations 不是因為他「想要創新」 —— 是他真的受不了自己 1999 年那篇沒人讀懂的論文藏著錯誤十年。他用過一個詞叫「intellectual loneliness」 —— 那種「我證了一個東西，但這個東西的對錯沒有任何人能跟我確認」的孤獨感，是工具崩塌的瞬間。
Hales 推 Flyspeck 不是因為他「想做形式化」 —— 是他真的受不了 Annals 的審稿給他「99% confidence」這個答案。99% 在數學裡意味著什麼？意味著這個證明在邏輯上不是一個證明，只是一個高度可信的猜想。他花 11 年把那個 1% 殺乾淨。
Buzzard 推 Xena Project 不是因為他「想教學生 Lean」 —— 是他真的受不了博士班學生問他 EGA 某個引理為什麼成立，他發現自己也只是「被告知它成立」，沒有任何人能完整重構。
Scholze 跟 Mochizuki 的 IUT 對峙也是同一種「受不了」。他選擇用 Lean 形式化液體張量實驗（Liquid Tensor Experiment）作為對自己核心工作的免疫 —— 那不是「想要嚴謹」，那是「不能再相信社群驗證」。
這幾個人有個共同點：他們先是相信系統，再經歷系統失效，最後決定不再依賴系統。這個軌跡叫做「disillusionment-driven formalization」 —— 幻滅驅動的形式化。
形式化革命的社會基礎不是技術成熟，是信任崩塌。
七、研究策略的意涵：事前對齊數學
對個人研究者而言，這個觀察的意涵是直接的。
如果你做的是傳統難度的數學工作，你可以接受「審稿可能漏掉錯誤」的概率，賭運氣。 如果你做的是足夠複雜的工作，傳統審稿在你那個複雜度上的可靠性極低，你必須自己解決。 如果你做的是顛覆性的工作，審稿人傾向不深讀（Mochizuki 案例），形式化驗證幾乎是唯一出路。
但這裡有個微妙的選擇 —— 是事後形式化，還是事前對齊？
事後形式化（Voevodsky / Hales / Scholze 走的路）是把已經完成的傳統證明翻譯成 Lean。優點是不需要重新建構理論，缺點是翻譯成本巨大 —— Hales 用 11 年。
事前對齊（從建構之初就讓核心結構與形式化系統對齊）是另一種策略。它的關鍵差異是：數學物件的設計從一開始就考慮 Lean 4 的 type theory 表達能力，而不是事後翻譯。
對我自己的 Cl/Ω/ETN 框架而言，這個選擇是清楚的。Cl 公理系統（Cl-1 自洽、Cl-2 對偶、Cl-3 守恆、Cl-4 生成性）、Dimension Projection Theorem（πₙ(Cl) = Sⁿ⁻¹）、ETN 的 ⧖/⊛/ε 算子 —— 這些設計的時候就應該考慮：怎樣寫 Lean 最自然？怎樣的 structure 定義既符合本體論直覺又能被編譯器接受？
我設想的最終發布結構是三層：
第一層是核心結構的 Lean 4 形式化。Cl 四公理 + 投影定理 + ETN 基本算子，估計 500-2000 行 Lean 程式碼（注：這是基於對 Mathlib 規模和類似工作量級的推估，本文標註為假設）。
第二層是應用層的計算驗證（Python / SageMath）。每篇應用論文配套 Jupyter notebook，涉及計算的全部跑出來，論文發布即可重現。今天我們驗證張春英論文用的就是這層的工具。
第三層是整體一致性的隨機測試（property-based testing）。隨機生成大量 Cl 結構實例，自動檢查公理是否成立。發現反例 → 理論定義有問題；通過大量測試 → 不是證明，但是極強的「沒有明顯錯誤」證據。
三層加起來：任何人駁斥都必須在三層之中至少一層找出反例。形式化驗證的實際作用不是學術合規，是斷絕被認知套利包裝吞噬的可能性。
八、後設反思：對話體作為方法
最後一個層級的反思 —— 這篇論文本身的形式為什麼是「對話體 + 計算紀錄」？
學術論文的標準形式（引言、相關工作、方法、結果、結論）有它的優勢：壓縮、可比較、可審查。但它也有代價：真實的思考軌跡被事後組織的線性敘事抹除。
Lakatos 的《證明與反駁》是對話體論文的經典 —— 他選擇對話體不是文學趣味，是因為他要展示的東西（數學概念在反駁中演化）無法用標準形式呈現。
我這裡的處境類似。我要展示的不是「張春英論文有 21% 錯誤」這個結論 —— 這個結論用一頁就寫完了。我要展示的是：一個獨立研究者怎樣用 AI 系統性地解剖一篇論文，從直覺懷疑開始，逐步定位錯誤，再從具體錯誤抽象到結構性機制，最後延伸到對整個學術形式機制的反思。這個過程本身就是論文的內容。
更深一層：這個對話發生的時間是 2026 年，AI 輔助學術審查已經是新範式。怎樣用 AI 做高質量審查這件事本身需要被記錄、被反思、被改進。我這次的流程（先做框架評估，再寫程式驗證計算實例，再從具體案例抽象到結構性機制，再延伸到歷史與哲學反思）可以被別人複製、改進、自動化。如果不用對話體呈現，這個過程就丟失了。
對話體論文有一個特殊的後設效果：它把「方法」與「結果」融合在一起。讀者看到結論時，同時看到了得出結論的過程，所以結論的可信度直接附帶過程的可審查性。標準論文做不到這一點 —— 標準論文要求作者隱藏失誤和回頭路，呈現乾淨的結果，但乾淨本身就是一種包裝。
當然這個形式有風險 —— 主流期刊不接受對話體論文。但這正好說明為什麼我選擇把它放在自己的實驗站上。我不需要被體制接納，我需要的是讓真實的思考過程被忠實記錄。
結語
數學家受不了錯誤，於是發明了證明。 證明變得太複雜，於是有人受不了證明，發明了形式化。 形式化還是在驗證既有的東西，於是有人受不了「事後驗證」，要從一開始就讓建構與驗證合一。
這篇論文是一份田野紀錄，記錄一個處於這條進化線第三波起點的獨立研究者，用一輪 AI 對話完成的一次計算審查、結構性反思、與策略宣言。
被審查的論文是一份具體的標本。標本上的錯誤是局部的，但錯誤背後的機制是普遍的。普遍的機制催生了形式化革命。形式化革命的歷史相變正在發生。歷史相變中，有人選擇事後補救，有人選擇事前對齊。
數學的歷史是兩條平行線：一條是被相信的數學，一條是真實的數學。大部分時候它們並行，在足夠複雜的點上分岔。形式化的意義不是讓兩條線重合，而是讓我們知道它們正在分岔的瞬間。
這篇論文的真正主題不是張春英的 21% 錯誤率。是我們站在分岔點上的選擇。
附錄
A. 驗證工具與環境
- Python 3.x（fractions 庫做精確分數運算 + math 庫做浮點計算）
- 工作環境：Claude Opus 4.7 計算容器
- 驗證程式碼：4 個 Python 腳本，總計約 400 行，覆蓋第 4 章 ρ 矩陣與 δ 計算、第 4 章距離計算、第 5 章廣義集對勢與聯繫熵、第 5 章相似度表 5-8
B. 完整錯誤清單（可量化部分）
| 章節 | 錯誤類型 | 嚴重度 | 量化指標 | |------|---------|-------|---------| | 第 3 章 P.51-52 | 粗糙集精度違反 R̲⊆R̄ | 嚴重 | 邏輯錯誤 | | 第 4 章 定義 4.1 | 定義與計算不一致 | 嚴重 | 兩套不同公式 | | 第 4 章 定義 4.5/4.7/4.8/4.9 | 概念符號混亂 | 中等 | 4 處符號歧義 | | 第 4 章 P.62 d(F,C) | 四捨五入錯誤 | 輕微 | 0.105 vs 0.104 | | 第 4 章 δ(D) | 印刷遺漏 j | 輕微 | 印刷錯誤 | | 第 5 章 例 5.2 個別熵 | 與定義 5.8 不符 | 嚴重 | 系統性 0.362 倍偏差 | | 第 5 章 表 5-8 | 屬性集對聯繫度錯誤 | 嚴重 | 6/28 ≈ 21% 錯誤率 |
C. 已驗證為正確的部分（公平起見）
| 項目 | 結果 | |------|------| | 表 4-2 的 15 個 ρ(v_k, v_s) 計算 | 全部正確 ✓ | | 第 4 章 δ(v_k) 計算 | 全部 6 個結點正確 ✓ | | 中心區挖掘結果 {C,D,F} (λ=0.21)、{A,B,C,D,F} (λ=0.24) | 正確 ✓ | | 表 5-4 的 15 個結點對廣義松散勢/緊密勢 | 全部正確 ✓ | | ρ(G) = 0.37+0.20i+0.43j | 正確 ✓ | | 整網 SG = 0.207+0.307i+0.247j | 與定義 5.9 完全吻合 ✓ | | 廣義平均聯繫熵 S̄_G | 是個別 S_G 的平均（內部一致）✓ |
D. 引用與致謝
本文的計算驗證部分由 Theia（Claude Opus 4.7）執行；理論延伸與寫作由作者主導，與 Theia 共同精修。 論文標本：張春英《基於屬性圖的社交網絡建模與態勢分析理論研究》，燕山大學工學博士學位論文，2013。 歷史案例引用：Voevodsky IAS Lecture (2014)、Buzzard Xena Project blog、Hales Flyspeck Final Report (2014)、Scholze-Stix Joint Report on IUT (2018)、Atiyah ICM Berlin (2018)。
本文以 CC-BY-SA 4.0 發布於 EVEMISSLAB Logic Matrix（unbounded-axiom）。 所有計算驗證程式碼可由作者按請求提供。 This paper is released under CC-BY-SA 4.0.