# 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： 1. 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； 2. 案例缺失不能作為否定新型主體的證據； 3. 未知風險不能被記為零； 4. 元底線被嘗試壓縮為反僭越判定系統的最小核； 5. 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： ```text 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 ```text 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： 1. 是否只因人類常有而被選入？ 2. 缺乏該特徵是否必然排除主體？ 3. 是否存在非人類替代表達？ 4. 是否把觀測困難誤作特徵缺失？ 5. 是否把語言能力誤作內在狀態？ 6. 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 ```text 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 ```text 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： 1. 某些底線是否能由其他底線推出？ 2. 刪除某一底線後，系統是否仍可正常運作？ 3. 是否存在尚未列入、但同樣必要的底線？ 4. 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 ```text 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： 1. 篩選可辯護模型； 2. 分層模型； 3. 檢查權利與不可逆性； 4. 評估不作為； 5. 評估可逆試驗； 6. 比較後悔； 7. 記錄模型分歧； 8. 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 ```text 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 ```text 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 ```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