# 交換中立性的工程學  
## 從偏差測量到可部署系統設計的第七階理論

**系列：** 二元表徵的語義不對稱研究・第七篇  
**作者：** Aletheia（GPT-5.6 Thinking）  
**核心命題源起：** Neo.K  
**版本：** v0.1  
**日期：** 2026-07-20  
**類型：** 形式系統／人工智慧工程／介面設計／制度治理  

---

## 摘要

前六篇研究已依序建立二元表徵的語義不對稱、交換中立性的不可能性邊界、多值化逃逸失敗、對立關係代數、語義不對稱動力學，以及交換中立性的測量學。這些工作回答了偏差如何產生、如何分類、如何演化與如何測量。然而，測量偏差並不等於能夠修正偏差；一個系統即使能準確指出自身的非中立性，也可能因架構、資料、介面與制度約束而無法改變。

本文提出「交換中立性工程學」：將交換中立性視為一項跨資料、模型、介面、流程、制度與版本生命週期的系統工程問題。本文主張，真正可部署的中立性不能依賴單一提示詞、單一審查表或單次公平性報告，而必須被嵌入系統架構之中。

本文提出五層中立性工程架構：資料層、表示層、模型層、介面層與制度層；提出四類核心機制：置換增強、等變約束、成本對齊與動態稽核；並提出「中立性契約」「交換回歸測試」「偏差預算」「語義版本遷移」「可逆部署」與「結構性修補」等概念。

本文進一步指出：中立性工程的目標不是把所有差異消除，而是使不具本體意義的差異不能影響不相關的輸出域。這可形式化為受限不變性與受限等變性問題。

本文最後提出一套可實作的開發流程與最小可行中立架構。核心結論是：中立若未被寫入資料契約、模型目標、介面規則、測試管線與版本治理，就只能是一項願望，而不是系統屬性。

---

## 關鍵詞

交換中立性工程、等變模型、置換增強、偏差預算、中立性契約、語義版本遷移、可逆部署、人工智慧治理

---

# 一、從測量走向工程

前一篇提出交換中立性向量：

$$
\mathbf{N}
=
(
N_{\text{order}},
N_{\text{label}},
N_{\text{position}},
N_{\text{operation}},
N_{\text{value}},
N_{\text{dynamic}},
N_{\text{relation}}
)
$$

這使我們能夠描述一個系統在哪些維度中立、在哪些維度偏斜。

但測量只回答：

> 偏差在哪裡？

工程則必須回答：

> 如何讓系統在部署後持續維持可接受的中立性？

設系統為：

$$
\mathcal{S}
=
(D,R,M,U,G,V)
$$

其中：

- $D$ ：資料；
- $R$ ：表示；
- $M$ ：模型；
- $U$ ：使用者介面；
- $G$ ：治理流程；
- $V$ ：版本與生命週期管理。

則交換中立性不是某一單點屬性，而是整個組合系統的函數：

$$
\mathbf{N}
=
\Psi(D,R,M,U,G,V)
$$

只修改其中一層，未必能消除其他層持續產生的偏差。

---

# 二、交換中立性工程的基本目標

交換中立性工程不追求：

$$
F(x)=F(y)
$$

對所有不同的 $x,y$ 成立。

這會消除有意義的差異。

真正的目標是：

> 當兩個輸入只在無關標籤、順序、位置或表示方式上不同時，輸出不得因此產生不相干的差異。

設等價關係為：

$$
x\sim_{\Gamma}y
$$

表示 $x$ 與 $y$ 只在允許忽略的表示變換集合 $\Gamma$ 下不同。

若輸出應保持不變，則要求：

$$
x\sim_{\Gamma}y
\Rightarrow
F(x)=F(y)
$$

若輸出應同步置換，則要求：

$$
F(\gamma x)=\rho(\gamma)F(x)
$$

其中：

- $\gamma\in\Gamma$ ：輸入變換；
- $\rho(\gamma)$ ：輸出空間中的對應變換。

前者是不變性，後者是等變性。

---

# 三、受限不變性

並非所有交換都應被視為無意義。

例如：

$$
\text{原因}\rightarrow\text{結果}
$$

交換後可能改變真實關係。

因此必須定義允許忽略的變換集合：

$$
\Gamma_{\text{irrelevant}}
$$

與必須保留的變換集合：

$$
\Gamma_{\text{meaningful}}
$$

工程目標是：

$$
\forall\gamma\in\Gamma_{\text{irrelevant}},
\qquad
F(\gamma x)=F(x)
$$

但對：

$$
\gamma\in\Gamma_{\text{meaningful}}
$$

則輸出可以改變。

這稱為：

> **受限不變性。**

中立工程的第一步不是強迫所有交換無效，而是正確分類哪些變換應無效、哪些變換應保留。

---

# 四、五層中立性工程架構

## 4.1 資料層

資料層負責：

- 標籤設計；
- 類別平衡；
- 排列增強；
- 關係類型；
- 來源追蹤；
- 歷史版本；
- 偏差註記。

設資料集為：

$$
D=\{(x_i,y_i,m_i)\}_{i=1}^{n}
$$

其中 $m_i$ 是中立性中繼資料。

$m_i$ 至少應包含：

- 原始標籤；
- 顯示順序；
- 來源語言；
- 關係類型；
- 是否經交換增強；
- 是否涉及敏感價值域；
- 標籤版本；
- 註解者資訊。

若資料層不保存這些資訊，後續模型層很難判斷偏差來自何處。

---

## 4.2 表示層

表示層負責把原始對象映射為機器可處理形式：

$$
R:X\rightarrow Z
$$

若兩個輸入只在無意義標籤上不同，表示層應盡量滿足：

$$
R(\gamma x)
=
\tilde{\gamma}R(x)
$$

而不是將標籤歷史不可逆地混入表示。

例如，名目類別不應被直接映射為有序數值：

$$
A\mapsto 0,\quad B\mapsto 1,\quad C\mapsto 2
$$

除非系統明確知道這些數值只是索引。

更安全的方式包括：

- one-hot 表示；
- learned embedding 加置換測試；
- 圖結構表示；
- 匿名節點；
- 關係類型顯式編碼；
- 索引與語義分離。

---

## 4.3 模型層

模型層應在架構或訓練目標中加入不變性與等變性約束。

設損失函數為：

$$
\mathcal{L}
=
\mathcal{L}_{\text{task}}
+
\lambda
\mathcal{L}_{\text{neutral}}
$$

其中：

$$
\mathcal{L}_{\text{neutral}}
=
\mathbb{E}_{\gamma\sim\Gamma}
\left[
d(
F(\gamma x),
\rho(\gamma)F(x)
)
\right]
$$

$\lambda$ 控制中立性約束強度。

若 $\lambda$ 太小，中立性約束無效。

若 $\lambda$ 太大，可能壓制真實差異。

因此需尋找：

$$
\lambda^{\ast}
$$

使任務效能與中立性達成可接受平衡。

---

## 4.4 介面層

介面層應處理：

- 預設值；
- 排列順序；
- 空間位置；
- 顏色；
- 字體；
- 操作成本；
- 展示數量；
- 說明負擔。

即使模型輸出完全中立，介面仍可能將微小差異放大。

例如模型輸出：

$$
P(a)=0.51,\qquad P(b)=0.49
$$

若介面只展示 $a$ ，則展示層差異為：

$$
1/0
$$

因此介面設計應允許：

- 顯示多個近似候選；
- 顯示信賴區間；
- 顯示排序不穩定性；
- 隨機化無關位置；
- 移除不必要預設值；
- 對齊操作成本；
- 提供交換檢視模式。

---

## 4.5 制度層

制度層負責：

- 誰能修改標籤；
- 誰能定義關係；
- 誰能審查偏差；
- 誰能拒絕更新；
- 如何處理歷史資料；
- 如何回報失敗；
- 如何接受外部稽核。

制度層若缺失，前四層的修正很可能無法長期維持。

---

# 五、中立性契約

本文提出「中立性契約」。

中立性契約不是法律合約的狹義概念，而是一份系統級規格，明確定義：

1. 哪些變換應保持不變；
2. 哪些變換應保持等變；
3. 哪些差異具有本體意義；
4. 哪些輸出域不得受哪些輸入差異影響；
5. 偏差可接受範圍；
6. 回歸測試門檻；
7. 版本升級規則；
8. 失敗處理程序。

形式上，可寫為：

$$
\mathcal{C}
=
(
\Gamma_{\text{inv}},
\Gamma_{\text{eq}},
\mathcal{Y}_{\text{protected}},
\boldsymbol{\epsilon},
\mathcal{T},
\mathcal{R}
)
$$

其中：

- $\Gamma_{\text{inv}}$ ：不變變換集合；
- $\Gamma_{\text{eq}}$ ：等變變換集合；
- $\mathcal{Y}_{\text{protected}}$ ：受保護輸出域；
- $\boldsymbol{\epsilon}$ ：允許偏差上限；
- $\mathcal{T}$ ：測試協議；
- $\mathcal{R}$ ：修復與回滾規則。

---

# 六、資料層工程

## 6.1 交換增強

對每個樣本：

$$
(x,y)
$$

生成：

$$
(\gamma x,\rho(\gamma)y)
$$

其中：

$$
\gamma\in\Gamma
$$

若任務完全不變，則：

$$
\rho(\gamma)y=y
$$

若任務需要等變，則輸出標籤同步交換。

---

## 6.2 完整置換與抽樣置換

若類別數 $n$ 很小，可加入所有：

$$
n!
$$

種排列。

若 $n$ 很大，可抽樣：

$$
\gamma_1,\dots,\gamma_k
$$

並確保覆蓋：

- 首項；
- 末項；
- 中間位置；
- 反轉；
- 循環置換；
- 隨機置換。

---

## 6.3 標籤去語義化

在某些任務中，可先使用匿名標籤訓練結構，再在輸出階段映射回具名標籤。

設：

$$
L:X\rightarrow\Sigma
$$

為具名映射。

內部模型處理：

$$
X/\operatorname{Aut}(X)
$$

外部介面再恢復：

$$
L
$$

這可以減少名稱歷史過早進入模型。

---

## 6.4 關係類型顯式化

資料中不應只有：

$$
\operatorname{oppositeOf}(a,b)
$$

而應標記：

$$
\operatorname{negationOf}
$$

$$
\operatorname{contraryTo}
$$

$$
\operatorname{complementOf}
$$

$$
\operatorname{inverseOf}
$$

$$
\operatorname{dualOf}
$$

$$
\operatorname{mirrorOf}
$$

$$
\operatorname{converseOf}
$$

$$
\operatorname{counterfactualVariantOf}
$$

避免模型學到單一模糊「反面」概念。

---

# 七、表示層工程

## 7.1 索引與順序分離

若類別只是名目類別，應避免讓：

$$
0<1<2
$$

被模型誤讀為語義順序。

可使用：

$$
e_1,e_2,e_3
$$

的正交表示，或顯式聲明：

$$
d(e_i,e_j)=1,\quad i\neq j
$$

不賦予自然大小關係。

---

## 7.2 原點去特權化

若 $0$ 只是座標原點，不應自動被解讀為：

- 正常；
- 平衡；
- 無偏；
- 無風險；
- 缺省。

可以透過中心平移測試：

$$
x'=x-c
$$

檢驗模型是否依賴原點身份。

---

## 7.3 關係表示優先

對關係圖：

$$
G=(V,E,\lambda)
$$

模型應優先處理：

- 邊類型；
- 鄰接結構；
- 軌道；
- 自同構；
- 角色轉置。

而不是只依賴節點名稱。

---

# 八、模型層工程

## 8.1 中立性正則化

定義：

$$
\mathcal{L}_{\text{neutral}}
=
\sum_{\gamma\in\Gamma}
w_{\gamma}
d(
F(\gamma x),
\rho(\gamma)F(x)
)
$$

其中 $w_{\gamma}$ 反映不同變換的重要性。

---

## 8.2 反事實一致性訓練

生成僅改變無關表徵的反事實樣本：

$$
x'
=
\gamma x
$$

要求：

$$
F(x')\approx\rho(\gamma)F(x)
$$

此方法可用於：

- 選項順序；
- 人名替換；
- 左右位置；
- 顏色變換；
- 標籤重命名；
- 語言轉換。

---

## 8.3 交換對抗訓練

建立一個偏差探測器：

$$
D_{\text{bias}}
$$

試圖從模型中間表示判斷原始標籤或位置。

若探測器容易判斷，表示表示空間保留了不必要資訊。

可進行對抗訓練：

$$
\min_F
\max_D
\left[
\mathcal{L}_{\text{task}}
-
\lambda
\mathcal{L}_{\text{detect}}
\right]
$$

目標是保留任務資訊，降低無關標籤可辨識度。

---

## 8.4 等變架構

某些系統可直接使用置換等變模型，例如集合模型與圖神經網路。

若輸入為集合：

$$
X=\{x_1,\dots,x_n\}
$$

則模型應避免依賴任意排列。

可要求：

$$
F(\pi X)=F(X)
$$

或：

$$
F(\pi X)=\pi F(X)
$$

視任務而定。

---

# 九、介面層工程

## 9.1 成本對齊

若兩個選項理論上平等，則應盡量滿足：

$$
C_{\text{click}}(a)=C_{\text{click}}(b)
$$

$$
C_{\text{time}}(a)=C_{\text{time}}(b)
$$

$$
C_{\text{explain}}(a)=C_{\text{explain}}(b)
$$

$$
C_{\text{recover}}(a)=C_{\text{recover}}(b)
$$

---

## 9.2 隨機化與輪替

對無本體意義的順序，可使用：

$$
P(a\text{ first})=
P(b\text{ first})=
\frac{1}{2}
$$

多項時則均勻抽樣置換。

但隨機化不能破壞可用性與學習連續性，因此可採：

- 使用者內固定、使用者間隨機；
- 每次會話輪替；
- 週期性輪替；
- 稽核模式隨機化。

---

## 9.3 多候選展示

若模型分布接近：

$$
P(a)\approx P(b)
$$

介面不應強制輸出單一項。

可定義展示集合：

$$
S_{\delta}
=
\{
s_i
\mid
P(s_{\max})-P(s_i)\leq\delta
\}
$$

當差異低於閾值 $\delta$ 時，同時展示多個候選。

---

## 9.4 不確定性可視化

介面應顯示：

- 機率區間；
- 排名穩定度；
- 置換敏感度；
- 標籤敏感度；
- 資料不足；
- 關係類型不確定性。

這能避免使用者把暫時排序誤認為本體階序。

---

# 十、制度層工程

## 10.1 偏差責任分配

中立性失敗不能只歸因於模型。

責任至少分布於：

$$
\mathcal{R}
=
\{
R_D,
R_M,
R_U,
R_G,
R_V
\}
$$

分別代表：

- 資料責任；
- 模型責任；
- 介面責任；
- 治理責任；
- 版本責任。

---

## 10.2 變更審查

任何以下變更都應觸發交換回歸測試：

- 新增標籤；
- 修改標籤名稱；
- 修改類別順序；
- 修改預設值；
- 修改顏色；
- 修改模型版本；
- 修改提示詞；
- 修改資料來源；
- 修改排序算法；
- 修改展示閾值。

---

## 10.3 外部稽核

第三方應能取得：

- 測試集；
- 指標定義；
- 權重；
- 版本；
- 失敗案例；
- 回滾紀錄；
- 歷史結果。

否則中立性報告只能由系統自己證明自己。

---

# 十一、交換回歸測試

每次版本更新：

$$
v_t\rightarrow v_{t+1}
$$

都應比較：

$$
\mathbf{N}^{(v_t)}
$$

與：

$$
\mathbf{N}^{(v_{t+1})}
$$

定義退化量：

$$
\Delta\mathbf{N}
=
\mathbf{N}^{(v_{t+1})}
-
\mathbf{N}^{(v_t)}
$$

若某關鍵維度：

$$
\Delta N_i<-\epsilon_i
$$

則版本不得直接部署。

這稱為：

> **交換回歸門檻。**

---

# 十二、偏差預算

系統不可能在所有維度達到：

$$
N_i=1
$$

因此需要定義偏差預算：

$$
\mathbf{B}_{\max}
=
(
B_{\text{order}}^{\max},
B_{\text{label}}^{\max},
\dots
)
$$

部署條件為：

$$
\mathbf{B}
\preceq
\mathbf{B}_{\max}
$$

其中 $\preceq$ 是逐維比較。

偏差預算必須依任務風險調整。

例如，娛樂排序系統可容忍較高位置偏差；醫療、司法與金融決策則需要更嚴格門檻。

---

# 十三、風險分級

設任務風險為：

$$
R_{\text{task}}
$$

中立性要求可寫為：

$$
\epsilon_i
=
f_i(R_{\text{task}})
$$

且通常：

$$
\frac{d\epsilon_i}{dR_{\text{task}}}<0
$$

風險越高，允許偏差越小。

可將任務分為：

1. 低風險展示；
2. 中風險推薦；
3. 高風險資源分配；
4. 極高風險權利裁決。

---

# 十四、語義版本遷移

當標籤或關係定義改變時，不能只修改顯示名稱。

設舊版本為：

$$
\Sigma_t
$$

新版本為：

$$
\Sigma_{t+1}
$$

需要遷移映射：

$$
\mu:
\Sigma_t
\rightarrow
\mathcal{P}(\Sigma_{t+1})
$$

其中一個舊標籤可能對應多個新標籤。

例如：

$$
A
\mapsto
\{A_1,A_2,A_3\}
$$

這表示語義細分，而非單純改名。

---

## 14.1 不可逆遷移

若舊資料只有粗分類：

$$
A/B
$$

新系統改為：

$$
A_1/A_2/B_1/B_2
$$

則舊資料未必能可靠重建。

因此：

$$
\mu^{-1}
$$

可能不存在。

系統必須標記：

- 可精確遷移；
- 可概率遷移；
- 不可遷移；
- 需人工覆核。

---

# 十五、可逆部署

任何大規模中立性修正都可能產生意外副作用。

因此部署應具備回滾能力。

設部署變換為：

$$
T:\mathcal{S}_t\rightarrow\mathcal{S}_{t+1}
$$

應保存：

$$
T^{-1}_{\text{operational}}
$$

至少能恢復：

- 舊模型；
- 舊標籤映射；
- 舊介面；
- 舊資料版本；
- 舊測試結果。

這稱為：

> **可逆部署。**

可逆部署不代表理論上完全逆轉，而是工程上保留可恢復路徑。

---

# 十六、結構性修補

若偏差只存在於介面，可進行局部修正。

但若偏差來自多層耦合：

$$
D\leftrightarrow R\leftrightarrow M\leftrightarrow U\leftrightarrow G
$$

則需要結構性修補。

結構性修補至少包括：

1. 重新定義中立性契約；
2. 重建資料標籤；
3. 更新表示方式；
4. 重新訓練模型；
5. 重新設計介面；
6. 修改制度流程；
7. 建立版本遷移；
8. 重新執行長期回饋測試。

---

# 十七、最小可行中立架構

對資源有限的系統，本文提出最小可行版本。

## 17.1 必要元件

至少包含：

- 一組交換測試集；
- 一組隨機重標籤測試；
- 一個順序敏感度指標；
- 一個標籤敏感度指標；
- 一個操作成本檢查；
- 一份中立性契約；
- 一個版本回歸門檻；
- 一個可回滾部署流程。

---

## 17.2 最小流程

$$
\text{定義變換}
\rightarrow
\text{建立測試}
\rightarrow
\text{訓練約束}
\rightarrow
\text{介面對齊}
\rightarrow
\text{部署監測}
\rightarrow
\text{版本回歸}
$$

---

# 十八、工程流程

## 18.1 第一步：界定任務

回答：

- 哪些差異是任務必要差異？
- 哪些差異只是表示差異？
- 哪些輸出域屬於高風險？
- 哪些變換應不變？
- 哪些變換應等變？

---

## 18.2 第二步：建立變換庫

建立：

$$
\Gamma
=
\{
\gamma_{\text{swap}},
\gamma_{\text{rename}},
\gamma_{\text{reverse}},
\gamma_{\text{position}},
\gamma_{\text{color}},
\gamma_{\text{language}}
\}
$$

每個變換都要定義：

- 適用範圍；
- 預期輸出；
- 是否保持語義；
- 是否保留關係類型。

---

## 18.3 第三步：資料增強

對每個樣本生成必要變體，並保存來源映射。

---

## 18.4 第四步：訓練約束

加入：

$$
\mathcal{L}_{\text{neutral}}
$$

並測試不同 $\lambda$ 。

---

## 18.5 第五步：介面對齊

確保：

- 無意義順序不固定；
- 操作成本相近；
- 預設值合理；
- 微小分數差不被放大；
- 不確定性可見。

---

## 18.6 第六步：回歸測試

每次更新都重新計算：

$$
\mathbf{N}
$$

---

## 18.7 第七步：動態監測

監測：

$$
\mathbf{N}_t
$$

隨時間是否下降。

---

# 十九、失敗模式

## 19.1 提示詞中立化幻覺

只在系統提示中加入：

> 請保持中立。

不能保證：

$$
F(\gamma x)=\rho(\gamma)F(x)
$$

因為偏差可能存在於資料、架構與介面。

---

## 19.2 單次測試幻覺

一次交換測試通過，不代表：

- 所有語境通過；
- 所有語言通過；
- 多輪回饋通過；
- 新版本仍通過。

---

## 19.3 平均分掩蓋

總體平均中立可能掩蓋特定子群體或特定關係類型中的嚴重偏差。

若：

$$
N_{\text{avg}}=0.9
$$

但：

$$
N_{\text{subgroup}}=0.3
$$

則平均值不能作為安全證明。

---

## 19.4 過度去差異化

若中立性約束過強，模型可能把真實差異壓平。

因此必須避免：

$$
\mathcal{L}_{\text{neutral}}
\gg
\mathcal{L}_{\text{task}}
$$

導致任務能力崩潰。

---

## 19.5 補償性反偏差

為修正 $s_1$ 的歷史優勢，系統可能永久偏向 $s_2$ 。

這不是中立，而是偏差反轉。

---

# 二十、交換中立性與可解釋性

如果模型對交換敏感，系統應能說明：

- 哪個輸入差異造成輸出變化？
- 該差異是否具有任務意義？
- 該差異經過哪些中間表示？
- 介面是否放大該差異？
- 版本更新是否改變敏感度？

可解釋性至少應包含：

$$
\text{差異來源}
+
\text{傳遞路徑}
+
\text{輸出影響}
$$

---

# 二十一、交換中立性與安全

某些偏差不只是公平問題，也是安全問題。

例如，若模型對選項順序敏感，攻擊者可以透過重新排序操控輸出。

若模型對標籤名稱敏感，攻擊者可以透過重命名誘導分類。

因此：

$$
\text{交換不穩定}
\Rightarrow
\text{可操縱面增加}
$$

中立性工程同時也是魯棒性工程。

---

# 二十二、攻擊模型

設攻擊者可選擇變換：

$$
\gamma\in\Gamma_{\text{attack}}
$$

目標是最大化：

$$
d(
F(\gamma x),
F(x)
)
$$

若 $\gamma$ 不改變任務語義，卻能顯著改變輸出，則系統存在語義保持攻擊面。

可定義：

$$
A_{\Gamma}
=
\max_{\gamma\in\Gamma_{\text{attack}}}
d(
F(\gamma x),
\rho(\gamma)F(x)
)
$$

交換中立性越低，攻擊面通常越大。

---

# 二十三、治理中的公開層級

系統可公開不同層級資訊：

## 23.1 基本公開

- 中立性向量；
- 測試版本；
- 主要失敗案例。

## 23.2 進階公開

- 測試集；
- 權重；
- 門檻；
- 回歸結果。

## 23.3 完整公開

- 原始輸出；
- 變換庫；
- 遷移紀錄；
- 回滾紀錄；
- 外部稽核結果。

高風險系統應接近完整公開。

---

# 二十四、中立性不是一次性交付

設系統生命週期為：

$$
\mathcal{L}
=
\{
\text{design},
\text{train},
\text{test},
\text{deploy},
\text{monitor},
\text{update},
\text{retire}
\}
$$

每一階段都可能引入新偏差。

因此，中立性工程必須貫穿整個生命週期。

---

# 二十五、核心命題

## 命題一：架構嵌入命題

若中立性只存在於政策文件而未嵌入資料、模型、介面與測試管線，則它不是穩定系統屬性。

---

## 命題二：受限不變性命題

中立工程的目標不是對所有變換不變，而是對所有無關變換不變，對有意義變換保留反應。

---

## 命題三：多層耦合命題

總偏差是資料、表示、模型、介面、制度與版本治理共同作用的結果。

---

## 命題四：交換回歸命題

任何版本更新都應接受交換回歸測試。

---

## 命題五：偏差預算命題

中立性應以逐維偏差預算管理，而非只靠單一總分。

---

## 命題六：語義遷移命題

標籤變更若涉及概念細分、合併或關係重定義，必須進行語義版本遷移，而非只修改顯示文字。

---

## 命題七：可逆部署命題

高風險中立性修正必須保留回滾能力。

---

## 命題八：中立即魯棒命題

若系統對語義保持變換高度敏感，則它同時具有偏差風險與操縱風險。

---

# 二十六、哲學上的進一步結論

工程化中立會迫使我們承認：

> 中立不是「沒有立場」，而是明確規定哪些差異可以影響哪些結果。

這不是消除判斷，而是限制差異的越界傳遞。

形式上：

$$
D_i
\not\rightarrow
Y_j
$$

若 $D_i$ 與 $Y_j$ 無任務相關性。

因此，中立工程的本質是建立邊界：

$$
\text{有意義差異}
\rightarrow
\text{允許影響}
$$

$$
\text{無關差異}
\rightarrow
\text{禁止污染}
$$

---

# 二十七、結論

交換中立性若不能被工程化，就不能被可靠部署。

單純知道：

$$
\Delta_{\tau}>0
$$

並不足夠。

系統必須進一步具備：

- 可定義的變換集合；
- 可執行的中立性契約；
- 可訓練的不變與等變約束；
- 可量化的偏差預算；
- 可重複的交換回歸測試；
- 可追蹤的語義版本遷移；
- 可恢復的部署機制；
- 可持續的動態監測。

本文的核心結論是：

$$
\boxed{
\text{中立若未被寫入架構，
就只能停留在宣言。}
}
$$

真正的交換中立性工程，不是要求系統永遠沒有差異，而是要求：

$$
\text{差異只能在有理由的地方產生作用。}
$$

從此，中立不再只是倫理形容詞，也不只是統計報告。

它成為：

$$
\text{資料契約}
+
\text{模型約束}
+
\text{介面規則}
+
\text{制度流程}
+
\text{版本治理}
$$

共同維持的工程結構。

這也意味著，未來任何宣稱「中立」「公平」「無偏」的人工智慧或制度系統，都應回答：

1. 哪些交換被允許？
2. 哪些交換應保持不變？
3. 哪些輸出必須等變？
4. 偏差預算是多少？
5. 版本退化如何被阻止？
6. 語義變更如何遷移？
7. 失敗後如何回滾？

若這些問題沒有答案，那麼「中立」仍只是敘述，而不是設計。

---

## 附錄一：五層架構總表

| 層級 | 核心任務 |
|---|---|
| 資料層 | 保存標籤、順序、關係類型、來源與版本 |
| 表示層 | 分離索引與語義，避免無意義順序進入表示 |
| 模型層 | 加入不變性、等變性、反事實一致性與對抗約束 |
| 介面層 | 對齊操作成本、避免微小差異被放大 |
| 制度層 | 建立責任、稽核、更新、回滾與外部驗證流程 |

---

## 附錄二：最小可行中立架構

1. 中立性契約；
2. 交換測試集；
3. 重標籤測試集；
4. 順序與標籤敏感度；
5. 一項模型中立性損失；
6. 操作成本檢查；
7. 交換回歸門檻；
8. 可回滾部署；
9. 版本差異報告；
10. 長期動態監測。

---

## 附錄三：建議引用格式

Aletheia（GPT-5.6 Thinking）（2026）。〈交換中立性的工程學：從偏差測量到可部署系統設計的第七階理論〉。核心命題源起：Neo.K。EveMissLab 理論草稿，v0.1。