---
title: "智能驗證缺口：從形式可接受性到語義等價、意圖保真與 AI 中介形式驗證"
subtitle: "意圖語言時代的人機驗證重構"
author: "Neo.K / EVEMISSLAB"
date: "2026-07-14"
version: "v1.0"
status: "理論草稿／方法論論文"
language: "zh-TW"
---

# 智能驗證缺口：從形式可接受性到語義等價、意圖保真與 AI 中介形式驗證

## 摘要

現代數位系統雖已廣泛引入大型語言模型、AI Agent、自然語言介面與自動化工作流，但其底層驗證機制仍大量沿用前 AI 時代的形式驗證邏輯：輸入若不符合指定字串、型別、欄位、格式、schema、語法、路徑或參數，即被判定為無效、未同意、未授權或任務失敗。此類機制在機器內部可能保持一致，卻常在人類使用層產生一種高度荒謬的現象：使用者的意思已經成立，任務目標也已足夠清楚，但機器仍因表示形式不完全相符而宣告「不是」。

本文將此現象稱為「智能驗證缺口」：系統具備或接入了智能理解能力，卻仍以非智能的形式成員資格判定作為唯一真值入口。本文區分形式可接受性、語義成立性、任務充分性、授權有效性與後果安全性，指出它們彼此相關但不可互相取代。本文提出「語義性假陰性」概念，用以描述某一輸入在形式驗證器中被拒絕，但在具體上下文與任務目標下其語義已充分成立的情況；並進一步提出「AI 中介形式驗證」架構，使 AI 負責語義理解、上下文補全、等價判定、無損正規化與修復候選生成，形式驗證器則保留型別、不變量、權限、安全與可執行性檢查。

本文並提出智能語義驗證層、意圖保真條件、語義修復證書、風險分層驗證、後果敏感式消歧與六態驗證結果，主張未來人機系統不應再將「不符合唯一指定表示」直接等同於「沒有意義」「沒有同意」或「沒有意圖」。意圖語言時代的真正進步，不是取消形式化，而是將形式化從使用者負擔轉化為智能系統內部的責任，使人類主要操作意義、目的與限制，而讓 AI 與形式驗證器共同完成語義—形式之間的保真轉換。

**關鍵詞：** 智能驗證、形式驗證、語義等價、語義性假陰性、意圖保真、AI Agent、意圖語言、AI 中介形式驗證、自然語言計算、權限確認

---

# 一、問題的提出

## 1.1 「明明就是，但機器卻說不是」

人類與現代數位系統互動時，經常遭遇一類看似微小、實際上極具結構性的失敗：

- 使用者輸入了正確日期，但格式不是系統要求的唯一格式；
- 使用者已明確表示同意，但沒有使用系統規定的關鍵字；
- 使用者要求修改目前專案中的某個檔案，系統卻要求完整絕對路徑；
- 使用者提供的名稱、地址、檔案或識別資訊已可唯一定位，系統仍以欄位不完整為由拒絕；
- 某段內容在語義上等價，但因大小寫、空格、標點、命名風格或資料型別不同而被判定失敗；
- Agent 已能理解任務，但外圍驗證器仍將非標準表達視為無效輸入；
- 使用者在上下文中已完成授權，系統卻因缺乏單一形式化確認句而判定「未同意」。

對傳統機器而言，這些結果可能完全符合規格。對使用者而言，它們卻是典型的「白痴事件」：

> 事情在意義上已經成立，但機器只因表示方式不同，就拒絕承認它成立。

這類事件並非單純的使用者體驗問題，而是一個關於驗證本體、語義層級與智能系統架構的基礎問題。

## 1.2 現代智能介面與傳統驗證核心的錯位

當前許多系統形成以下混合結構：

```text
上層：
自然語言、AI 助手、Agent、語義理解、上下文推理

下層：
固定欄位、精確字串、傳統 parser、schema、布林驗證器
```

上層系統可以理解：

- 「明天下午」；
- 「那個原本的資料夾」；
- 「幫我照前面的方式繼續」；
- 「可以，直接做」；
- 「這些其實是同一個東西」。

但下層系統只接受：

```text
2026-07-15T15:00:00+08:00
/path/to/exact/folder
CONFIRM_ACTION=true
resource_id=...
```

於是產生一種結構性矛盾：

$$
\text{系統具有語義理解能力}
$$

但同時：

$$
\text{系統不允許語義理解影響驗證結果}
$$

本文將此矛盾稱為：

# **智能驗證缺口**

其核心定義為：

> 一個系統具備、接入或可取得語義理解能力，但其有效性判定仍主要依賴非智能的形式成員資格檢查，因而無法辨識語義已成立但形式未完全對齊的輸入。

---

# 二、形式驗證究竟驗證了什麼

## 2.1 形式語言中的接受與拒絕

傳統驗證器可抽象為：

$$
V_F:X\rightarrow\{0,1\}
$$

其中：

$$
V_F(x)=1
$$

表示輸入 $x$ 屬於系統允許的形式集合 $L_F$ ：

$$
x\in L_F
$$

反之：

$$
V_F(x)=0
\iff
x\notin L_F
$$

這個結論本身通常沒有錯。

問題在於，系統往往將：

$$
x\notin L_F
$$

錯誤地擴張為：

$$
\operatorname{Meaningless}(x)
$$

或：

$$
\operatorname{NoIntent}(x)
$$

甚至：

$$
\operatorname{NoConsent}(x)
$$

然而，形式驗證器真正能證明的通常只有：

> 這個表示不屬於目前定義的形式接受集合。

它不能由此推出：

- 使用者沒有意思；
- 使用者沒有完成表達；
- 使用者沒有授權；
- 事情在實際任務中不能成立；
- 沒有其他等價表示可以通過驗證。

因此：

$$
V_F(x)=0
\not\Rightarrow
\operatorname{InvalidMeaning}(x)
$$

這是本文最基本的邏輯起點。

## 2.2 形式不相等不等於語義不等價

設 $x$ 與 $y$ 是兩個不同表示：

$$
x\neq y
$$

這只表示它們在字串、結構、型別或符號層不完全相同。

但仍可能有：

$$
\operatorname{Meaning}(x,C)
\simeq
\operatorname{Meaning}(y,C)
$$

其中 $C$ 為上下文。

例如：

```text
true
True
YES
同意
可以
照做
```

在特定語境下可能都對應同一個確認意圖。

因此，傳統驗證器實際上可能只接受一個規範代表元：

$$
x^\ast\in[x]_{\sim}
$$

而拒絕同一語義等價類中的其他表示：

$$
y\in[x]_{\sim},
\quad
y\neq x^\ast
$$

人類在操作語義等價類，傳統機器卻只接受等價類中的單一代表元。這正是大量「明明就是」事件的根源。

---

# 三、五種不可混淆的成立性

未來智能系統若要避免荒謬驗證，至少必須區分五種不同層次的成立性。

## 3.1 表示成立性

輸入是否符合字串、型別、schema 或語法規格：

$$
F_{\mathrm{repr}}(x)
$$

例如：

- 日期是否為 ISO 8601；
- 布林值是否為 `true` 或 `false`；
- 路徑是否為絕對路徑；
- JSON 是否符合指定 schema。

## 3.2 語義成立性

輸入是否在當前上下文中表達了可辨識的意義：

$$
F_{\mathrm{sem}}(x\mid C)
$$

例如：

> 「明天下午。」

單獨看不完整，但在提醒任務上下文中已具有明確功能。

## 3.3 任務成立性

輸入是否已足以讓系統完成當前任務：

$$
F_{\mathrm{task}}(x\mid C,G)
$$

其中 $G$ 是任務目標。

有些輸入不是完整描述，但對目前任務已經足夠。例如在唯一開啟的專案中說：

> 「把 README 修一下。」

即使沒有絕對路徑，仍可能足以完成任務。

## 3.4 授權成立性

輸入是否構成特定行動的有效授權：

$$
F_{\mathrm{auth}}(x,a\mid C,P)
$$

其中：

- $a$ ：候選行動；
- $P$ ：既有權限與先前授權。

語義理解正確不等於授權成立：

$$
F_{\mathrm{sem}}=1
\not\Rightarrow
F_{\mathrm{auth}}=1
$$

## 3.5 後果成立性

即使語義與授權都成立，實際行動是否仍在安全、可逆與合理後果範圍內：

$$
F_{\mathrm{conseq}}(a\mid W,R)
$$

其中：

- $W$ ：當前世界狀態；
- $R$ ：風險與不可逆性。

完整的智能驗證不應將這五層壓縮成單一布林值。

---

# 四、語義性假陰性

## 4.1 定義

本文將以下情況定義為「語義性假陰性」：

$$
V_F(x)=0
$$

但存在某個形式合法表示 $y$ ，使得：

$$
y\in L_F
$$

且：

$$
\operatorname{Meaning}(y,C,G)
\simeq
\operatorname{Meaning}(x,C,G)
$$

則稱 $x$ 對目前驗證系統構成語義性假陰性。

形式化為：

$$
\operatorname{SFN}(x)
\iff
\left[
V_F(x)=0
\right]
\land
\left[
\exists y\in L_F:
y\simeq_{C,G}x
\right]
$$

其中 SFN 代表 Semantic False Negative。

## 4.2 三種主要類型

### 表示性假陰性

語義相同，只因表示不同被拒絕。

例如：

```text
yes
YES
Yes
true
1
同意
```

### 上下文性假陰性

單獨看不完整，但上下文已足以補全。

例如：

> 「放回原本那裡。」

若當前任務只有一個明確來源位置，「原本那裡」可能已足以唯一解析。

### 實用性假陰性

輸入沒有完整符合原始規格，但已足以完成使用者目的。

例如地址少了一個行政層級，但郵遞區號與街道已能唯一定位。此時「格式不完整」不等於「任務不可完成」。

---

# 五、傳統形式驗證不是錯，而是被放錯了位置

本文並不主張取消形式驗證。

形式驗證在以下領域仍然不可替代：

- 型別安全；
- 記憶體安全；
- 密碼學；
- 財務交易；
- 權限邊界；
- 核心狀態不變量；
- 航太與工業控制；
- 不可逆資料操作；
- 法律與身份認證；
- 關鍵基礎設施。

真正的問題不是形式驗證太嚴格，而是：

> 形式驗證被錯誤地當成了人類意圖的第一層也是唯一一層判定器。

傳統結構為：

```text
人類輸入
→ 形式驗證
→ 通過／失敗
```

智能化結構應為：

```text
人類輸入
→ 語義理解
→ 上下文補全
→ 等價判定
→ 無損正規化
→ 授權判定
→ 形式驗證
→ 後果檢查
→ 執行
```

形式驗證仍保留最終精確性，但不再直接負責理解自然語言。

---

# 六、智能語義驗證層

## 6.1 定義

本文提出「智能語義驗證層」：

# **Intelligent Semantic Validation Layer**

縮寫：

$$
\mathrm{ISVL}
$$

其位置位於人類表達與傳統形式驗證器之間。

完整流程為：

```text
Human Expression
→ Semantic Parsing
→ Context Retrieval
→ Semantic Envelope
→ ISVL
→ Intent–Authorization Mediation
→ Formal Validator
→ Runtime
→ Consequence Validator
→ Human-Visible Feedback
```

## 6.2 輸入

ISVL 的輸入可表示為：

$$
\mathcal I_t
=
(x_t,C_t,G_t,M_t,W_t)
$$

其中：

- $x_t$ ：當前使用者輸入；
- $C_t$ ：對話與任務上下文；
- $G_t$ ：任務目標；
- $M_t$ ：長短期記憶；
- $W_t$ ：目前世界與系統狀態。

## 6.3 輸出

ISVL 不應只輸出成功或失敗，而應輸出：

$$
\mathcal O_t
=
(y_t,E_t,A_t,Q_t,R_t)
$$

其中：

- $y_t$ ：規範化候選；
- $E_t$ ：語義等價說明；
- $A_t$ ：採用的假設；
- $Q_t$ ：置信度；
- $R_t$ ：風險與可逆性評估。

---

# 七、AI 中介形式驗證

## 7.1 核心概念

本文提出「AI 中介形式驗證」：

# **AI-Mediated Formal Validation**

其基本結構為：

$$
\boxed{
\text{人類語義表達}
\rightarrow
\text{AI 語義理解}
\rightarrow
\text{規範化候選}
\rightarrow
\text{語義保真檢查}
\rightarrow
\text{形式驗證}
\rightarrow
\text{風險控制}
}
$$

AI 並不直接取代形式驗證器，而是負責人類語義空間與機器形式空間之間的轉換。

## 7.2 正規化算子

設：

$$
N(x,C,G)=y
$$

其中 $N$ 是智能正規化算子。

系統僅在以下條件成立時自動接受：

$$
V_F(y)=1
$$

$$
d_{\mathrm{sem}}(x,y\mid C,G)\leq\varepsilon
$$

$$
R(y)\leq\rho
$$

其中：

- $d_{\mathrm{sem}}$ ：語義距離；
- $\varepsilon$ ：最大允許語義偏差；
- $R(y)$ ：行動風險；
- $\rho$ ：自動處理風險閾值。

因此智能驗證器可表示為：

$$
V_I(x,C,G)
=
V_F(N(x,C,G))
\land
\left[
d_{\mathrm{sem}}
\left(
x,N(x,C,G)
\mid C,G
\right)
\leq\varepsilon
\right]
$$

## 7.3 不取消精確性

AI 中介形式驗證的目的不是：

> AI 覺得差不多，就直接算通過。

而是：

> AI 先找到與使用者意圖保真的合法表示，再交由形式系統進行精確驗證。

分工如下：

```text
AI：
理解、補全、消歧、正規化、建立候選、解釋假設。

形式驗證器：
檢查型別、範圍、schema、不變量、權限、安全與可執行性。

Runtime：
執行、記錄、回滾、監測後果。

人類：
設定目的、限制、風險偏好與最終高風險決策。
```

---

# 八、意圖保真條件

## 8.1 為何需要保真

正規化本身可能改變意義。

例如：

> 「明天下午提醒我。」

系統將其正規化為：

```text
2026-07-15 15:00 Asia/Taipei
```

這看似合理，但實際加入了至少兩個假設：

- 「下午」預設為 15:00；
- 使用者時區為 Asia/Taipei。

因此智能驗證不能只檢查形式合法，還必須檢查轉換是否保存使用者意圖。

## 8.2 保真函數

定義：

$$
\operatorname{Fidelity}(x,y\mid C,G)\in[0,1]
$$

只有當：

$$
\operatorname{Fidelity}(x,y\mid C,G)\geq\tau
$$

系統才可將 $y$ 視為 $x$ 的可接受正規化。

其中 $\tau$ 為保真門檻。

## 8.3 保真維度

意圖保真至少包含：

$$
\mathcal F
=
(
F_{\mathrm{goal}},
F_{\mathrm{scope}},
F_{\mathrm{object}},
F_{\mathrm{time}},
F_{\mathrm{method}},
F_{\mathrm{risk}}
)
$$

即：

- 目標是否保存；
- 作用範圍是否保存；
- 操作對象是否保存；
- 時間條件是否保存；
- 方法限制是否保存；
- 風險邊界是否保存。

即使目標一致，若作用範圍被擴大，仍不能視為完全保真。

---

# 九、語義修復證書

為避免 AI 正規化成為不可見黑箱，本文提出「語義修復證書」。

其最小格式可為：

```yaml
original_input: "明天下午"
normalized_value: "2026-07-15T15:00:00+08:00"

context_used:
  timezone: "Asia/Taipei"
  current_date: "2026-07-14"

assumptions:
  afternoon_default: "15:00"

semantic_operations:
  - resolve_relative_date
  - resolve_daypart
  - attach_timezone

fidelity:
  goal: 1.00
  time: 0.92
  scope: 1.00

confidence: 0.96
risk: low
reversible: true
formal_validation: passed
```

語義修復證書的功能包括：

- 讓人類看見 AI 做了哪些補全；
- 讓系統能追溯錯誤來源；
- 讓高風險操作可進一步審查；
- 讓不同 Agent 可承接同一判定；
- 讓形式驗證與語義推理之間具有可稽核接口。

---

# 十、六態驗證模型

傳統驗證通常只有：

$$
\{\text{Pass},\text{Fail}\}
$$

本文主張智能驗證至少應有六種狀態。

## 10.1 精確通過

原輸入已符合形式與語義規格。

$$
D_1=\text{Exact Pass}
$$

## 10.2 等價正規化後通過

原輸入形式不符，但可無損轉換。

$$
D_2=\text{Normalized Pass}
$$

## 10.3 上下文補全後通過

缺失資訊可由上下文唯一或高置信補全。

$$
D_3=\text{Contextual Pass}
$$

## 10.4 限定範圍後通過

整體意圖成立，但只能在最小安全範圍內執行。

$$
D_4=\text{Scoped Pass}
$$

## 10.5 需要最小化澄清

存在多個後果差異顯著的合理解讀。

$$
D_5=\text{Clarification Required}
$$

## 10.6 真正拒絕

無法合理正規化、明確越權、風險過高或違反政策。

$$
D_6=\text{Reject}
$$

此六態模型能把大量本應屬於「可修復」的輸入，從錯誤失敗中分離出來。

---

# 十一、後果敏感式消歧

## 11.1 不應對所有模糊都詢問

自然語言幾乎永遠存在模糊性。

如果系統要求所有模糊都被完全消除，則人類必須替機器完成全部形式化，意圖語言將失去意義。

因此，系統不應問：

> 這句話是否存在任何模糊？

而應問：

> 不同合理解讀是否會造成顯著不同後果？

## 11.2 候選分歧

設語義候選集合為：

$$
\mathcal M(x)
=
\{m_1,m_2,\dots,m_n\}
$$

每個候選對應行動：

$$
a_i=\pi(m_i)
$$

若：

$$
\operatorname{Divergence}(a_i,a_j)\leq\theta
$$

則不同理解的實際後果近似，可以直接採取最小風險方案。

只有當：

$$
\operatorname{Divergence}(a_i,a_j)>\theta
$$

才需要澄清。

這稱為：

# **後果敏感式消歧**

它反對的是「語法潔癖式消歧」：只因表達不完美就中斷任務。

---

# 十二、驗證與權限不可混為一談

即使系統正確理解使用者的意思，仍不代表已取得完整操作授權。

因此：

$$
\operatorname{SemanticMatch}(x,a)
\not\Rightarrow
\operatorname{Authorized}(a)
$$

相反地，形式表達不完整也不等於沒有授權：

$$
\neg\operatorname{FormalComplete}(x)
\not\Rightarrow
\neg\operatorname{Authorized}(a)
$$

完整架構需要兩個不同中介層：

```text
ISVL：
判斷「這是不是那個意思」。

IAML：
判斷「這個意思是否授權這個行動」。
```

其順序為：

$$
\text{Expression}
\rightarrow
\mathrm{ISVL}
\rightarrow
\mathrm{IAML}
\rightarrow
\mathrm{FormalValidator}
\rightarrow
\mathrm{Runtime}
$$

---

# 十三、風險分層與智能驗證

## 13.1 驗證嚴格度不應固定

不同任務應使用不同驗證強度。

定義錯誤執行損失：

$$
L_{\mathrm{wrong}}
=
p_{\mathrm{misinterpret}}
\cdot
I_{\mathrm{impact}}
\cdot
(1-R_{\mathrm{reversible}})
$$

其中：

- $p_{\mathrm{misinterpret}}$ ：誤解機率；
- $I_{\mathrm{impact}}$ ：影響程度；
- $R_{\mathrm{reversible}}$ ：可逆性。

再定義打斷成本：

$$
C_{\mathrm{interrupt}}
$$

當：

$$
L_{\mathrm{wrong}}
>
C_{\mathrm{interrupt}}
$$

系統才應要求確認。

## 13.2 低風險任務

例如：

- 搜尋；
- 摘要；
- 建立草稿；
- 產生預覽；
- 可回滾的局部修改。

應允許較高程度的智能補全。

## 13.3 中風險任務

例如：

- 修改專案；
- 建立外部可見內容；
- 更新設定；
- 大量搬移資料。

應採：

- 顯示 Diff；
- 限定作用範圍；
- 保留回滾；
- 記錄假設。

## 13.4 高風險任務

例如：

- 刪除資料；
- 發送外部訊息；
- 正式部署；
- 財務交易；
- 法律承諾；
- 身份與權限變更。

應保留明確形式確認，不得僅依語義近似。

因此，智能化不是全面放寬，而是：

> 在低風險處減少無意義阻斷，在高風險處保留精確、可追溯的形式邊界。

---

# 十四、典型案例

## 14.1 布林同意

使用者輸入：

> 可以。

傳統驗證器要求：

```text
CONFIRM=true
```

智能系統應先判斷：

- 當前是否正在等待確認；
- 「可以」是否指向該行動；
- 是否存在其他候選對象；
- 行動風險級別為何。

若是低風險且上下文唯一，可轉換為：

```text
CONFIRM=true
```

若是高風險刪除，則仍應顯示：

> 你正在確認永久刪除 327 個檔案。

## 14.2 日期時間

使用者輸入：

> 明天下午提醒我。

智能正規化：

```text
date: 2026-07-15
time: 15:00
timezone: Asia/Taipei
```

若系統認為「下午」預設存在不確定性，可採可逆提醒並顯示假設，而非直接失敗。

## 14.3 路徑與工作區

使用者輸入：

> 把 README 改成剛才那個版本。

若：

- 當前工作區唯一；
- README 唯一；
- 「剛才那個版本」在上下文中唯一；
- 修改可回滾；

則系統應直接生成 Patch 並顯示 Diff，而不是要求完整路徑與版本 ID。

## 14.4 格式差異

系統要求：

```text
report_final.md
```

使用者提供：

```text
Report Final.MD
```

系統應根據檔案系統大小寫規則、專案命名規約與現有檔案狀態判斷是否為同一目標，而不是直接宣告不存在。

## 14.5 地址與識別資訊

若使用者提供的資料已能唯一定位，額外欄位缺失應標記為「形式不完整但任務充分」，而非必然拒絕。

---

# 十五、智能驗證缺口命題

本文提出以下核心命題。

## 命題一：形式拒絕非語義拒絕

$$
V_F(x)=0
$$

只能推出：

$$
x\notin L_F
$$

不能直接推出：

$$
\operatorname{InvalidIntent}(x)
$$

## 命題二：語義等價類擴張接受域

若存在：

$$
y\in L_F
$$

且：

$$
y\simeq_{C,G}x
$$

則 $x$ 應進入智能修復程序，而非直接失敗。

## 命題三：智能驗證應最小化雙重錯誤

系統同時面臨：

$$
E_{\mathrm{false\ accept}}
$$

與：

$$
E_{\mathrm{false\ reject}}
$$

成熟系統應最小化：

$$
\boxed{
E_{\mathrm{false\ accept}}
+
E_{\mathrm{false\ reject}}
+
C_{\mathrm{interrupt}}
}
$$

## 命題四：高風險不等於高模糊

某些高風險操作即使語義非常清楚，也仍需明確確認。

因此驗證嚴格度應主要由後果、不可逆性與授權要求決定，而非只由語句模糊度決定。

## 命題五：智能化驗證不取消形式化

智能驗證最終仍需回到形式合法表示：

$$
x
\xrightarrow{\mathrm{ISVL}}
y
\xrightarrow{V_F}
\{0,1\}
$$

其革新在於形式化不再完全由使用者手工完成。

---

# 十六、與意圖語言時代的關係

如果未來系統仍要求人類：

- 記住每一個 enum；
- 輸入完全一致的關鍵字；
- 手動填滿所有 schema；
- 重複提供上下文；
- 指定完整絕對路徑；
- 自行把自然語言轉成 API 參數；
- 為每個低風險步驟重新確認；

那麼這不是真正的意圖語言系統。

它只是：

> 傳統形式系統外面包了一個聊天介面。

真正的意圖語言架構應分工為：

$$
\boxed{
\text{Human}
:
\text{Meaning, Goal, Constraint, Value}
}
$$

$$
\boxed{
\text{AI}
:
\text{Interpretation, Completion, Alignment, Normalization}
}
$$

$$
\boxed{
\text{Formal Machine}
:
\text{Proof, Type, Invariant, Permission, Safety}
}
$$

$$
\boxed{
\text{Runtime}
:
\text{Execution, Trace, Recovery, Consequence}
}
$$

意圖語言時代不是形式化消失，而是形式化責任從使用者身上部分移交給智能中介層。

---

# 十七、與 Agent 系統的關係

Agent 若沒有智能驗證層，就會出現兩種極端。

## 17.1 過度執行

Agent 認為：

> 我理解你的意思，因此我可以執行所有相關操作。

這會產生錯誤授權。

## 17.2 過度拒絕

Agent 認為：

> 你的表達沒有完全符合形式，因此你沒有意圖、沒有授權或沒有完成要求。

這會產生語義性假陰性。

成熟 Agent 必須同時避免：

$$
\text{False Authorization}
$$

以及：

$$
\text{False Non-Authorization}
$$

因此完整 Agent 決策鏈應為：

$$
I_H
\rightarrow
\mathcal S_I
\rightarrow
\mathrm{ISVL}
\rightarrow
\mathrm{IAML}
\rightarrow
A_{\mathrm{IR}}
\rightarrow
\mathcal R
\rightarrow
\mathcal V_F
\rightarrow
\mathcal E
\rightarrow
\Delta W
$$

其中：

- $I_H$ ：人類輸入；
- $\mathcal S_I$ ：語義包絡；
- $\mathrm{ISVL}$ ：智能語義驗證；
- $\mathrm{IAML}$ ：意圖授權調和；
- $A_{\mathrm{IR}}$ ：候選行動表示；
- $\mathcal R$ ：風險判定；
- $\mathcal V_F$ ：形式驗證；
- $\mathcal E$ ：執行；
- $\Delta W$ ：世界狀態變化。

---

# 十八、工程實作建議

## 18.1 驗證器應回傳結構化結果

不應只回傳：

```json
{
  "valid": false
}
```

應改為：

```json
{
  "status": "repairable",
  "formal_error": "invalid_datetime_format",
  "semantic_interpretation": "2026-07-15T15:00:00+08:00",
  "assumptions": [
    "timezone=Asia/Taipei",
    "afternoon=15:00"
  ],
  "confidence": 0.96,
  "risk": "low",
  "recommended_action": "normalize_and_continue"
}
```

## 18.2 驗證流程分層

```text
Layer 1：字串與語法檢查
Layer 2：資料型別與 schema
Layer 3：語義等價與上下文補全
Layer 4：任務充分性
Layer 5：授權範圍
Layer 6：後果與風險
Layer 7：Runtime 不變量
Layer 8：執行後驗證
```

## 18.3 保留傳統驗證器作為可信底座

AI 層不可直接繞過：

- 型別；
- 權限；
- 不變量；
- 資料庫約束；
- 安全政策；
- 交易一致性；
- 不可逆操作確認。

AI 的責任是提出合法候選，不是任意關閉驗證。

## 18.4 建立可回滾的自動修復

對低風險操作，系統可採：

```text
理解
→ 正規化
→ 模擬
→ 驗證
→ 執行
→ 記錄
→ 可回滾
```

## 18.5 驗證假設必須可見

所有由 AI 加入的關鍵假設應：

- 可顯示；
- 可追蹤；
- 可撤回；
- 可修正；
- 可供後續 Agent 使用。

---

# 十九、評估框架

智能驗證系統不能只用「通過率」評估。

至少應包含以下指標。

## 19.1 語義假陰性率

$$
\operatorname{SFNR}
=
\frac{
\text{語義成立但形式拒絕的案例數}
}{
\text{全部語義成立案例數}
}
$$

## 19.2 錯誤接受率

$$
\operatorname{FAR}
=
\frac{
\text{語義或授權不成立但被接受的案例數}
}{
\text{全部不應接受案例數}
}
$$

## 19.3 語義保真率

$$
\operatorname{FidelityRate}
=
\mathbb E[
\operatorname{Fidelity}(x,N(x))
]
$$

## 19.4 不必要澄清率

$$
\operatorname{UCR}
=
\frac{
\text{其實可安全自動處理但要求澄清的案例}
}{
\text{全部澄清案例}
}
$$

## 19.5 任務完成率

比較：

- 純形式驗證；
- AI 中介形式驗證；
- AI 無形式底座；
- 分層混合驗證。

## 19.6 風險加權效用

$$
U
=
S_{\mathrm{task}}
-
\lambda_1 E_{\mathrm{false\ accept}}
-
\lambda_2 E_{\mathrm{false\ reject}}
-
\lambda_3 C_{\mathrm{interrupt}}
$$

其中：

- $S_{\mathrm{task}}$ ：任務成功收益；
- $\lambda_i$ ：風險權重。

---

# 二十、限制與反對意見

## 20.1 AI 可能誤判語義

是。因此 AI 不應直接取代形式驗證，而應提供：

- 候選；
- 假設；
- 置信度；
- 保真評估；
- 風險分級；
- 可回滾路徑。

## 20.2 語義等價並不總能形式證明

是。本文提出的並非所有語義等價都能被完全證明，而是建立一個可稽核、可限制、可回退的工程中介層。

## 20.3 智能驗證可能增加複雜度

是。但目前系統已將複雜度轉嫁給使用者。智能驗證只是把這些隱性成本重新放回系統內部。

## 20.4 高風險領域不應依賴語義推定

部分正確。高風險領域仍需要明確授權與嚴格形式化，但即使在高風險領域，AI 仍可協助：

- 正規化輸入；
- 發現缺漏；
- 解釋差異；
- 準備確認內容；
- 減少無意義格式錯誤。

## 20.5 是否會讓使用者過度依賴 AI

有可能。因此系統必須顯示假設與關鍵轉換，不能讓智能正規化完全不可見。

---

# 二十一、結論

本文主張，現代人機系統最荒謬的一類失敗，不是機器算錯，而是機器驗證錯了層級。

當使用者的意圖在語義上已成立、任務上已充分、上下文中已可補全時，系統卻仍因形式表示不完全一致而宣告失敗，這不是單純的格式問題，而是「智能驗證缺口」。

本文提出：

1. 形式拒絕不等於語義拒絕；
2. 語義等價類不應被單一形式代表元壟斷；
3. 應區分表示、語義、任務、授權與後果五種成立性；
4. 應識別語義性假陰性；
5. 應建立智能語義驗證層；
6. 應採用 AI 中介形式驗證；
7. 應以意圖保真限制智能正規化；
8. 應將驗證結果由二元改為六態；
9. 應以後果敏感而非語法潔癖決定是否澄清；
10. 應保留形式驗證作為安全與精確性的底座。

因此，未來驗證系統的目標不應只是：

> 判斷輸入是否符合既定格式。

而應升級為：

> 判斷使用者的意義是否已充分成立，是否可以在保真、授權與安全條件下轉換成可執行形式。

意圖語言時代真正需要的，不是讓人類更擅長迎合機器格式，而是讓智能系統終於有能力承認：

> 即使表示不完全一樣，事情有時候確實已經是了。

---

# 附錄 A：核心定義表

| 概念 | 定義 |
|---|---|
| 智能驗證缺口 | 系統具備語義理解能力，但有效性判定仍只依賴傳統形式成員資格 |
| 語義性假陰性 | 形式驗證拒絕，但存在語義等價且形式合法的表示 |
| 智能語義驗證層 | 位於自然語言輸入與形式驗證器之間的語義補全、等價判定與正規化層 |
| AI 中介形式驗證 | AI 生成保真的合法候選，再由形式系統進行精確驗證 |
| 意圖保真 | 正規化結果是否保存原始目標、範圍、對象、時間、方法與風險限制 |
| 語義修復證書 | 記錄原始輸入、正規化結果、假設、語義操作、置信度與風險的可稽核資料 |
| 後果敏感式消歧 | 只有不同合理解讀會造成顯著不同後果時才要求澄清 |

---

# 附錄 B：最小參考架構

```text
┌─────────────────────────────────────────────┐
│ Human Meaning / Goal / Constraint           │
├─────────────────────────────────────────────┤
│ Context & Memory Retrieval                  │
├─────────────────────────────────────────────┤
│ Semantic Envelope                           │
├─────────────────────────────────────────────┤
│ ISVL: Intelligent Semantic Validation       │
├─────────────────────────────────────────────┤
│ Intent Fidelity & Repair Certificate        │
├─────────────────────────────────────────────┤
│ IAML: Intent–Authorization Mediation        │
├─────────────────────────────────────────────┤
│ Formal Validator / Type / Schema / Policy   │
├─────────────────────────────────────────────┤
│ Risk / Consequence / Reversibility          │
├─────────────────────────────────────────────┤
│ Runtime / Execution / Trace / Rollback      │
├─────────────────────────────────────────────┤
│ Human-Visible State & Explanation           │
└─────────────────────────────────────────────┘
```

---

# 附錄 C：後續可延伸論文

1. 《語義意圖與操作授權之間：AI Agent 的模糊性、部分同意與後果敏感驗證機制》
2. 《意圖保真理論：自然語言到可執行中間表示的語義保存條件》
3. 《AI 中介形式系統：從 parser、schema 到語義修復證書》
4. 《語義性假陰性的測量：智能表單、Agent 工具與工作流驗證基準》
5. 《後果敏感式消歧：自然語言 Agent 中的最小澄清原理》