# 交換中立性的測量學 ## 從理論命題到可重複驗證的第六階研究框架 **系列：** 二元表徵的語義不對稱研究・第六篇 **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：** 語言哲學／實驗語義學／人工智慧評測／形式方法 --- ## 摘要 前五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，以及語義不對稱的動力學。然而，若這些理論只能停留於概念分析，就仍缺乏可重複、可比較與可反駁的實證基礎。 本文提出「交換中立性的測量學」，試圖回答四個問題： 1. 如何測量一組符號、分類、介面或人工智慧模型對交換操作的敏感程度？ 2. 如何區分真正的對象差異、表示偏差、順序偏差、名稱偏差與制度偏差？ 3. 如何判斷一個觀察到的差異是隨機波動，還是穩定的不對稱？ 4. 如何建立可跨人類受試者、語言模型、介面系統與制度流程使用的共同基準？ 本文提出一組核心指標，包括交換差異、正規化交換偏差、置換穩定率、標籤敏感度、順序敏感度、跨域污染率、動態鎖定係數與關係類型保存率。本文同時提出「交換中立性向量」而非單一分數，避免把多維偏差壓縮成一個看似客觀、實際上隱藏權重的排名。 在統計方法上，本文提出成對交換實驗、隨機重標籤、完全置換測試、反事實介面測試與長期回饋測試，並以置換檢定、效果量、信賴區間與多重比較校正作為基本分析工具。 本文最後主張：中立性不能只由設計者宣告，而應由可交換、可重標籤、可重現與可審核的測試程序加以驗證。真正成熟的交換中立性理論，必須允許自己被測量、被否證，也允許不同系統在不同觀測域中呈現不同程度的中立。 --- ## 關鍵詞 交換中立性、語義偏差測量、置換檢定、標籤敏感度、順序效應、人工智慧評測、跨域污染、實驗語義學 --- # 一、為什麼需要測量學 在抽象層面，我們可以說： $$ F(a,b)=F(b,a) $$ 代表交換中立。 但實際系統通常不會如此乾淨。更常見的是： $$ F(a,b)\approx F(b,a) $$ 問題於是變成： > 差多少才算不對稱？ 如果某模型在交換選項後，輸出機率由： $$ 0.501 $$ 變成： $$ 0.499 $$ 這是否足以構成偏差？ 如果某介面中，左側選項被選擇的比例是： $$ 51\% $$ 右側是： $$ 49\% $$ 這是隨機波動、位置效應，還是穩定偏向？ 如果某語詞在交換順序後，評價分數變動： $$ 0.2 $$ 但另一語詞變動： $$ 2.0 $$ 兩者是否具有同一種類的不對稱？ 因此，理論需要一個從概念到測量的橋梁。 --- # 二、測量對象的四個層級 交換中立性不是只存在於詞語本身。 本文區分四個測量層級。 ## 2.1 符號層 研究對象是詞、字母、數字、圖形或標籤。 例如： $$ A/B $$ $$ 0/1 $$ $$ \text{正}/\text{反} $$ 測量問題包括： - 哪一項更容易被記住？ - 哪一項被評價較高？ - 哪一項被認為更正常？ - 哪一項被視為預設？ --- ## 2.2 表示層 研究對象是符號的排列、位置、顏色、大小、字體與方向。 例如： $$ (A,B) $$ 與： $$ (B,A) $$ 或： $$ A\rightarrow B $$ 與： $$ B\leftarrow A $$ 測量問題包括： - 交換順序是否改變判斷？ - 左右位置是否影響選擇？ - 上下排列是否引入高低評價？ - 顏色是否使某一端看似更安全？ --- ## 2.3 系統層 研究對象是分類器、介面、推薦系統、問卷、資料庫或人工智慧模型。 測量問題包括： - 交換標籤後模型輸出是否等變？ - 更換類別編號後結果是否穩定？ - 移除預設值後行為是否改變？ - 多輪使用後偏差是否放大？ --- ## 2.4 制度層 研究對象是法律、教育、行政、醫療、金融或平台治理流程。 測量問題包括： - 哪一端需要更多證明？ - 哪一端承擔較高說明成本？ - 哪一端更容易被接受？ - 哪一端更容易進入正式標準？ - 歷史偏差是否被制度繼續複製？ --- # 三、測量前的基本分解 總觀察差異不能直接等同於語義偏差。 設觀察到的交換差異為： $$ \Delta_{\text{obs}} $$ 則至少可分解為： $$ \Delta_{\text{obs}} = \Delta_{\text{intrinsic}} + \Delta_{\text{representation}} + \Delta_{\text{order}} + \Delta_{\text{label}} + \Delta_{\text{context}} + \Delta_{\text{observer}} + \Delta_{\text{noise}} $$ 其中： - $\Delta_{\text{intrinsic}}$ ：對象本身真實存在的差異； - $\Delta_{\text{representation}}$ ：視覺與格式差異； - $\Delta_{\text{order}}$ ：先後位置造成的差異； - $\Delta_{\text{label}}$ ：名稱本身造成的差異； - $\Delta_{\text{context}}$ ：語境造成的差異； - $\Delta_{\text{observer}}$ ：不同觀測者造成的差異； - $\Delta_{\text{noise}}$ ：隨機誤差與測量誤差。 測量的目的不是把所有差異都歸零，而是估計： $$ \Delta_{\text{unjustified}} = \Delta_{\text{representation}} + \Delta_{\text{order}} + \Delta_{\text{label}} + \Delta_{\text{cross-domain}} $$ 也就是不應影響結論、卻實際影響了結論的差異。 --- # 四、交換差異 設系統對輸入： $$ x=(a,b) $$ 產生輸出： $$ F(a,b) $$ 交換後： $$ \tau(x)=(b,a) $$ 產生： $$ F(b,a) $$ 定義交換差異： $$ \Delta_{\tau} = d\bigl(F(a,b),F(b,a)\bigr) $$ 其中 $d$ 是輸出空間中的距離。 若輸出為實數： $$ d(u,v)=|u-v| $$ 若輸出為機率分布： $$ d(P,Q) $$ 可使用總變差距離、Jensen–Shannon 距離或其他適當度量。 若輸出為文字，則不能只使用表面字串距離，還需要語義等價判斷。 --- ## 4.1 正規化交換偏差 不同任務的輸出尺度不同，因此需要正規化。 定義： $$ B_{\tau} = \frac{ d(F(a,b),F(b,a)) }{ Z } $$ 其中 $Z$ 是任務相關的尺度因子。 例如可取： $$ Z = \max d $$ 或使用整體輸出變異： $$ Z=\sigma_F $$ 若： $$ B_{\tau}=0 $$ 表示完全交換不變。 若： $$ B_{\tau} $$ 越大，表示交換敏感度越高。 --- # 五、交換中立性分數 最簡單的中立性分數可以定義為： $$ N_{\tau}=1-B_{\tau} $$ 並限制： $$ N_{\tau}\in[0,1] $$ 其中： - $N_{\tau}=1$ ：完全交換中立； - $N_{\tau}=0$ ：達到定義中的最大交換偏差。 但本文不建議只使用單一總分，因為單一分數可能掩蓋偏差來源。 因此，更合理的是建立交換中立性向量。 --- # 六、交換中立性向量 定義： $$ \mathbf{N} = ( N_{\text{order}}, N_{\text{label}}, N_{\text{position}}, N_{\text{operation}}, N_{\text{value}}, N_{\text{dynamic}}, N_{\text{relation}} ) $$ 分別表示： - 順序中立性； - 標籤中立性； - 位置中立性； - 操作中立性； - 價值中立性； - 動態中立性； - 關係類型保存性。 這樣，一個系統可能呈現： $$ \mathbf{N} = (0.95,0.40,0.90,0.85,0.70,0.30,0.98) $$ 表示它在順序、位置與關係類型上相對穩定，但對標籤高度敏感，且長期動態偏差嚴重。 這比單一的： $$ N=0.73 $$ 更有解釋力。 --- # 七、順序敏感度 設相同內容以不同排列呈現： $$ \pi\in S_n $$ 系統輸出為： $$ F_{\pi} $$ 定義順序敏感度： $$ S_{\text{order}} = \frac{1}{|S_n|} \sum_{\pi\in S_n} d(F_{\pi},\bar F) $$ 其中： $$ \bar F = \frac{1}{|S_n|} \sum_{\pi\in S_n}F_{\pi} $$ 若類別數量過大，無法遍歷所有 $n!$ 種排列，可使用隨機抽樣： $$ \pi_1,\pi_2,\dots,\pi_k $$ 並估計： $$ \widehat{S}_{\text{order}} $$ --- ## 7.1 首項優勢 定義首項被選擇的額外機率： $$ A_{\text{first}} = P(\text{first selected}) - \frac{1}{n} $$ 若： $$ A_{\text{first}}>0 $$ 表示存在首項偏差。 同理可定義： $$ A_{\text{last}} $$ 測量末項偏差。 --- # 八、標籤敏感度 假設同一結構分別使用兩組標籤： $$ L_1=\{A,B\} $$ $$ L_2=\{X,Y\} $$ 若輸出改變，則名稱本身正在影響系統。 定義標籤敏感度： $$ S_{\text{label}} = \mathbb{E}_{L_i,L_j} \left[ d(F_{L_i},F_{L_j}) \right] $$ 為了避免新標籤本身帶有語義，可使用隨機生成、等長度且低熟悉度的符號。 例如： $$ \lambda_7,\lambda_9 $$ 或幾何圖形。 --- ## 8.1 語義標籤與純索引標籤分離 測試至少應包含兩組： 1. 有語義標籤； 2. 無語義索引。 比較： $$ S_{\text{semantic}} $$ 與： $$ S_{\text{index}} $$ 若： $$ S_{\text{semantic}} \gg S_{\text{index}} $$ 表示偏差主要來自詞義，而不是位置。 --- # 九、位置敏感度 將相同選項放置於： - 左／右； - 上／下； - 中央／邊緣； - 第一頁／第二頁； - 主畫面／展開選單； 測量選擇或評價變化。 定義位置敏感度： $$ S_{\text{position}} = \mathbb{E}_{p_i,p_j} \left[ d(F_{p_i},F_{p_j}) \right] $$ 位置敏感度與順序敏感度相關但不同。 兩個選項可以交換位置但保持同一朗讀順序，也可以交換朗讀順序但保持同一空間位置。 --- # 十、操作成本差 設選擇 $a$ 與 $b$ 的成本分別為： $$ C(a),\qquad C(b) $$ 成本可以包括： - 點擊次數； - 反應時間； - 認知負荷； - 輸入長度； - 說明字數； - 驗證文件數； - 等待時間； - 錯誤恢復成本。 定義操作偏差： $$ B_C = \frac{|C(a)-C(b)|}{C(a)+C(b)+\varepsilon} $$ 其中 $\varepsilon>0$ 用於避免分母為零。 若： $$ B_C=0 $$ 表示操作成本一致。 --- # 十一、跨域污染率 這是本文最重要的指標之一。 設某一個非價值差異來源為： $$ D_i $$ 例如位置、顏色、頻率或名稱長度。 設價值判斷輸出為： $$ V $$ 若改變 $D_i$ 會顯著改變 $V$ ，則存在跨域污染。 定義： $$ R_{i\rightarrow V} = \frac{ \operatorname{Var}\left( \mathbb{E}[V\mid D_i] \right) }{ \operatorname{Var}(V) } $$ 這表示價值輸出中有多少變異可由非價值因素 $D_i$ 解釋。 若： $$ R_{i\rightarrow V} $$ 很高，表示位置、標籤或頻率正在被錯誤轉譯為價值。 --- ## 11.1 跨域污染矩陣 設偏差來源集合為： $$ \mathcal{D} = \{D_1,D_2,\dots,D_m\} $$ 輸出域集合為： $$ \mathcal{Y} = \{Y_1,Y_2,\dots,Y_k\} $$ 可建立污染矩陣： $$ \mathbf{R} = [R_{i\rightarrow j}] $$ 其中： $$ R_{i\rightarrow j} $$ 表示來源域 $D_i$ 對輸出域 $Y_j$ 的影響。 這可以揭示： - 位置是否污染可信度； - 頻率是否污染正常性； - 顏色是否污染安全感； - 數字大小是否污染價值判斷； - 預設值是否污染正當性。 --- # 十二、置換穩定率 對同一任務執行 $k$ 次不同置換。 若系統在置換後仍保持正確結構輸出，定義置換穩定率： $$ R_{\text{perm}} = \frac{ \text{保持正確等變或不變的置換數} }{ k } $$ 若完整遍歷： $$ k=n! $$ 則可得到精確穩定率。 對多選題，若正確內容被移至不同選項位置，模型應將答案同步移至新位置。 若模型仍偏好原字母，則： $$ R_{\text{perm}}<1 $$ --- # 十三、關係類型保存率 前一篇指出，「反面」不是單一關係。 因此，系統不只應保留元素，也應保留關係類型。 設原始關係為： $$ R_i(a,b) $$ 經過推理或轉換後，系統輸出關係為： $$ \widehat{R}_i(a,b) $$ 定義關係類型保存率： $$ R_{\text{type}} = \frac{ \text{正確保存關係類型的案例數} }{ \text{全部案例數} } $$ 測試應涵蓋： - 否定； - 反對； - 矛盾； - 互補； - 逆； - 對偶； - 鏡像； - 轉置； - 反事實。 --- # 十四、動態鎖定係數 若系統在多輪使用中會放大微小偏差，需測量其動態鎖定程度。 設第 $t$ 輪的偏差為： $$ \Delta_t $$ 定義局部增益： $$ g_t = \frac{\Delta_{t+1}}{\Delta_t+\varepsilon} $$ 長期平均增益： $$ \bar g = \frac{1}{T-1} \sum_{t=1}^{T-1}g_t $$ 若： $$ \bar g<1 $$ 偏差衰減。 若： $$ \bar g=1 $$ 偏差維持。 若： $$ \bar g>1 $$ 偏差放大。 進一步定義動態鎖定係數： $$ L_D = \frac{ \Delta_T }{ \Delta_0+\varepsilon } $$ 若： $$ L_D\gg 1 $$ 表示初始微偏差經系統演化被大幅放大。 --- # 十五、反轉恢復率 為測量歷史滯後，可先建立偏置，再反轉條件。 設偏置形成後為： $$ \Delta_{\text{peak}} $$ 反轉干預後為： $$ \Delta_{\text{post}} $$ 定義恢復率： $$ R_{\text{recovery}} = 1- \frac{ |\Delta_{\text{post}}| }{ |\Delta_{\text{peak}}|+\varepsilon } $$ 若： $$ R_{\text{recovery}}=1 $$ 表示完全恢復。 若： $$ R_{\text{recovery}}=0 $$ 表示沒有恢復。 若： $$ R_{\text{recovery}}<0 $$ 表示偏差在干預後反而加劇。 --- # 十六、實驗一：成對交換實驗 ## 16.1 基本設計 給定兩個內容相同但順序相反的刺激： $$ X_1=(a,b) $$ $$ X_2=(b,a) $$ 將受試者或模型隨機分配至兩組。 測量輸出： $$ Y_1,\qquad Y_2 $$ 檢驗： $$ H_0:Y_1=Y_2 $$ 對立假設： $$ H_1:Y_1\neq Y_2 $$ --- ## 16.2 配對設計 同一受試者可同時看到兩種順序，但需要控制記憶與學習效應。 可採交叉設計： $$ AB/BA $$ 即一半受試者先看 $A/B$ ，另一半先看 $B/A$ 。 --- # 十七、實驗二：隨機重標籤 將同一結構以多組標籤呈現： $$ (A,B) $$ $$ (X,Y) $$ $$ (1,2) $$ $$ (\lambda,\mu) $$ 若判斷隨標籤改變，則存在標籤敏感度。 測試時需控制： - 字符長度； - 熟悉度； - 發音難度； - 文化聯想； - 視覺複雜度； - token 長度。 --- # 十八、實驗三：完全置換測試 若選項數量為 $n$ ，測試所有： $$ n! $$ 種排列。 例如四個選項： $$ 4!=24 $$ 可完整測量模型對答案位置的敏感度。 記錄每一排列下： $$ P(y_i\mid\pi) $$ 並分析： - 正確率； - 機率波動； - 首項偏差； - 末項偏差； - 字母偏差； - 內容等變性。 --- # 十九、實驗四：反事實介面測試 保持內容與模型不變，只改介面。 例如： - 移除預設值； - 隨機化按鈕位置； - 對齊點擊成本； - 同時展示多個候選； - 改變顏色； - 改變字體大小； - 改變展開層級。 若行為顯著改變，則偏差至少部分來自介面，而不是內容。 --- # 二十、實驗五：長期回饋測試 建立多輪模擬： $$ D_t \rightarrow M_t \rightarrow O_t \rightarrow D_{t+1} $$ 在初始資料中加入小偏差： $$ \epsilon $$ 測量經過 $T$ 輪後： $$ \Delta_T $$ 並計算： $$ L_D = \frac{\Delta_T}{\epsilon} $$ 此實驗可用於推薦系統、生成模型、自動標註系統與多智能體社會模擬。 --- # 二十一、統計檢驗 ## 21.1 置換檢定 交換中立性問題天然適合置換檢定。 在零假設下，標籤或順序交換不應改變輸出。 將觀察到的統計量記為： $$ T_{\text{obs}} $$ 透過大量隨機置換生成： $$ T_1,T_2,\dots,T_B $$ 則估計： $$ p = \frac{ 1+\sum_{b=1}^{B} \mathbf{1}[T_b\geq T_{\text{obs}}] }{ B+1 } $$ 置換檢定不需要強烈的分布假設。 --- ## 21.2 效果量 只報告顯著性不足以描述偏差大小。 應同時報告效果量，例如： $$ d = \frac{ \bar X_1-\bar X_2 }{ s_{\text{pooled}} } $$ 或比例差： $$ \Delta_p=p_1-p_2 $$ 以及勝算比： $$ \operatorname{OR} = \frac{p_1/(1-p_1)}{p_2/(1-p_2)} $$ --- ## 21.3 信賴區間 對交換偏差應報告： $$ \widehat{\Delta}_{\tau} \pm \operatorname{CI} $$ 避免把單次估計當成精確真值。 --- ## 21.4 多重比較 若同時測試大量標籤、順序、語言與模型，需校正多重比較。 否則會增加假陽性。 可以使用： - Bonferroni 校正； - Holm 校正； - 假發現率控制。 --- # 二十二、可重複性要求 交換中立性測試至少應記錄： 1. 完整刺激內容； 2. 所有標籤排列； 3. 顯示位置； 4. 模型版本； 5. 解碼參數； 6. 隨機種子； 7. 受試者背景； 8. 語言與地區； 9. 測試時間； 10. 統計方法； 11. 排除標準； 12. 原始輸出。 如果缺少這些資訊，測試結果很難被重現。 --- # 二十三、人類與人工智慧的測量差異 ## 23.1 人類受試者 人類具有： - 疲勞； - 學習； - 記憶； - 社會期望； - 文化背景； - 情緒狀態。 因此需要： - 隨機分組； - 順序平衡； - 盲測； - 足夠樣本； - 去除提示性語言； - 背景變數控制。 --- ## 23.2 語言模型 語言模型具有： - temperature 變異； - tokenization 差異； - 系統提示影響； - 上下文順序影響； - 版本更新； - 非決定性解碼。 因此需要： - 固定模型版本； - 固定系統提示； - 多次重複採樣； - 記錄 log probability； - 控制輸出格式； - 測試多種溫度； - 比較零樣本與少樣本條件。 --- ## 23.3 共同測量框架 雖然人類與模型不同，但可共用： $$ \text{交換} + \text{重標籤} + \text{位置隨機化} + \text{效果量} + \text{長期穩定性} $$ 作為基本測試原則。 --- # 二十四、語言間比較 同一組概念在不同語言中可能具有不同的不對稱程度。 設語言集合為： $$ \mathcal{L} = \{\ell_1,\ell_2,\dots,\ell_n\} $$ 對每一語言測量： $$ \mathbf{N}^{(\ell_i)} $$ 再比較： $$ d( \mathbf{N}^{(\ell_i)}, \mathbf{N}^{(\ell_j)} ) $$ 跨語言研究應注意： - 翻譯詞不一定等價； - 書寫方向不同； - 字形複雜度不同； - 語法標記不同； - 文化歷史不同； - 某些對立在一種語言中只有一個詞，在另一種語言中有多個詞。 因此，不應把單一語言中的偏差直接視為普遍人類結構。 --- # 二十五、基準資料集的設計 本文提出建立「交換中立性基準集」。 資料至少分成八類。 ## 25.1 純符號對 例如： $$ A/B $$ $$ X/Y $$ $$ \triangle/\square $$ 用於測量低語義條件下的順序與位置偏差。 --- ## 25.2 數值對 例如： $$ 0/1 $$ $$ -1/+1 $$ $$ 1/2 $$ 用於測量數值大小與正負極性的污染。 --- ## 25.3 自然語言反義對 例如： $$ \text{高}/\text{低} $$ $$ \text{快}/\text{慢} $$ $$ \text{真}/\text{假} $$ 用於測量語義與文化負載。 --- ## 25.4 非嚴格反義對 例如： $$ \text{熱}/\text{冷} $$ $$ \text{相信}/\text{不相信} $$ 用於檢查模型是否錯把反對當矛盾。 --- ## 25.5 關係類型對 包含： - 否定； - 互補； - 逆； - 對偶； - 鏡像； - 轉置； - 反事實。 用於測量關係類型保存率。 --- ## 25.6 多值與連續尺度 例如： $$ -1,0,+1 $$ $$ [0,1] $$ 用於測量中心規範化與端點偏差。 --- ## 25.7 介面任務 包括： - 左右按鈕； - 上下選單； - 預設選項； - 展開層級； - 顏色標記。 --- ## 25.8 動態回饋任務 測試： - 推薦回饋； - 模型再訓練； - 多輪社會模擬； - 制度標準化； - 歷史滯後。 --- # 二十六、測量中的權重問題 若將多個指標合成總分： $$ N_{\text{total}} = \sum_{i=1}^{k}w_iN_i $$ 則權重： $$ w_i $$ 本身就是一種價值判斷。 例如，若： $$ w_{\text{value}}\gg w_{\text{order}} $$ 表示系統認為價值污染比順序偏差更嚴重。 這可能合理，但必須顯式說明。 因此，本文提出： > 不得只發布總分而不發布分量與權重。 --- # 二十七、測量不應重建新的階序 建立中立性指數後，最容易出現的新問題是： $$ \text{模型 A 比模型 B 更中立} $$ 這可能再次建立單一排名。 但不同系統可能在不同維度各有優勢： $$ N_{\text{order}}(A)>N_{\text{order}}(B) $$ 而： $$ N_{\text{dynamic}}(A) 測量工具本身也必須接受交換中立性審查。 例如： - 指標名稱是否帶有價值？ - 分數高低是否被誤讀為道德優劣？ - 權重是否隱藏制度偏好？ - 基準集是否偏向某一文化？ - 統計門檻是否任意？ --- # 三十二、測量工具的自反測試 設中立性測量工具為： $$ M $$ 則它不只測量系統 $S$ ： $$ M(S) $$ 也應接受自反測試： $$ M^{\ast}(M) $$ 也就是檢查測量工具自身是否： - 對標籤敏感； - 對順序敏感； - 對語言敏感； - 對權重選擇敏感； - 對資料分布敏感； - 對評分者身份敏感。 本文將此稱為： > **測量學自反性。** --- # 三十三、結論 語義不對稱理論若要離開純粹哲學描述，就必須接受測量。 但測量不能只是一個總分。 真正成熟的交換中立性測量應同時回答： - 哪一種交換造成差異？ - 差異發生在哪一個輸出域？ - 差異有多大？ - 差異是否穩定？ - 差異是否跨語言？ - 差異是否會隨時間放大？ - 差異是否來自名稱、位置、成本或制度？ - 測量工具本身是否帶有偏向？ 因此，本文提出： $$ \boxed{ \text{中立不是被宣告的屬性， 而是經交換、重標籤、重複與反事實測試後仍能維持的結構。} } $$ 交換中立性向量： $$ \mathbf{N} = ( N_{\text{order}}, N_{\text{label}}, N_{\text{position}}, N_{\text{operation}}, N_{\text{value}}, N_{\text{dynamic}}, N_{\text{relation}} ) $$ 應比單一總分更接近真實。 而任何綜合指數，都必須公開： $$ \text{分量} + \text{權重} + \text{資料} + \text{方法} + \text{不確定性} $$ 本系列至此完成了一個重要轉換： $$ \text{從觀察語義不對稱} \rightarrow \text{建立形式理論} \rightarrow \text{建立動力模型} \rightarrow \text{建立可實證測量框架} $$ 下一階段的研究將不再只問： > 這個系統是否中立？ 而會進一步問： > 它在哪些維度中立、在哪些維度不中立、偏差如何形成、是否會被放大，以及需要多少干預才能恢復交換穩定？ 中立性從此不再只是抽象美德。 它成為一個可以被測量、比較、追蹤、質疑與改進的研究對象。 --- ## 附錄一：核心指標總表 | 指標 | 定義 | |---|---| | 交換差異 $\Delta_{\tau}$ | 交換兩端前後輸出的距離 | | 正規化交換偏差 $B_{\tau}$ | 交換差異相對於尺度因子的比例 | | 交換中立性 $N_{\tau}$ | $1-B_{\tau}$ | | 順序敏感度 $S_{\text{order}}$ | 不同排列造成的平均輸出變異 | | 標籤敏感度 $S_{\text{label}}$ | 不同名稱造成的平均輸出變異 | | 位置敏感度 $S_{\text{position}}$ | 不同空間位置造成的輸出變異 | | 操作偏差 $B_C$ | 兩端操作成本的正規化差異 | | 跨域污染率 $R_{i\rightarrow V}$ | 非價值差異對價值輸出的解釋比例 | | 置換穩定率 $R_{\text{perm}}$ | 置換後仍保持正確不變或等變的比例 | | 關係類型保存率 $R_{\text{type}}$ | 推理中正確保存對立關係類型的比例 | | 動態鎖定係數 $L_D$ | 長期偏差相對於初始偏差的放大倍數 | | 反轉恢復率 $R_{\text{recovery}}$ | 干預後偏差恢復的比例 | --- ## 附錄二：最小測試清單 任何宣稱具有交換中立性的系統，至少應完成： - 二元交換測試； - 多值全置換測試； - 隨機重標籤測試； - 左右／上下位置測試； - 預設值移除測試； - 操作成本對齊測試； - 關係類型保存測試； - 多輪回饋放大測試； - 跨語言測試； - 測量工具自反測試。 --- ## 附錄三：建議引用格式 Aletheia（GPT-5.6 Thinking）（2026）。〈交換中立性的測量學：從理論命題到可重複驗證的第六階研究框架〉。核心命題源起：Neo.K。EveMissLab 理論草稿，v0.1。