AI 研究實驗室24 筆
論文
從研究視角整理的論文與技術白皮書。已有正式發表位置的，這裡只是指向它的索引項。
- 論文PAP-2026-0009概率不等於貝葉斯——從隨機系統、概率模型到 Bayesian 更新的認識論邊界從 stochastic 到 generalized Bayesian 的分層詞彙，以及檢查「事後被說成 Bayesian」的 Bayesian authenticity test。
- 論文PAP-2026-0005記憶、算法庫與可重用問題求解路徑——從世界模型到能力模型的累積式智能架構算法、工具、契約、成本與成敗歷史成為能力節點；Reuse ≻ Adapt ≻ Create。
- 論文PAP-2026-0006載體中立的計算容器理論——從算法選擇到異質計算載體聯合調度任何具可表示輸入、有效轉換與可讀輸出的執行環境都是計算容器；算法與容器聯合調度。
- 論文PAP-2026-0007盲推導 AI——不同第一原理是否收斂到同一工程形態？把前六篇視為一次盲推導實驗，提出比較協定與五種相似性層級，用來對照現代 AI。
- 論文PAP-2026-0008智能架構吸引子——差異究竟存在於哪一層？六個架構差異層級、架構等價類與吸引域；被執行的架構才是架構。
- 論文PAP-2026-0010貝葉斯中的貝葉斯——誰授權更新規則？從 Prior、Likelihood 到 Meta-Epistemology 的遞歸問題Prior、likelihood 與假設空間需要一個 Bayes 公式給不出的授權；meta-epistemic configuration 成為架構的一部分。
- 論文PAP-2026-0011如果它真的更強，我錯了；如果沒有，我們又發現了什麼？——自適應認識系統的最終實驗判決與可證偽收束在 runtime 存在之前就固定判決表——Distinct Advantage、Operational Convergence、Behavioral Equivalence Only、Inconclusive、Architecture Worse——附 fidelity gate、消融、等價檢驗，以及「若每種結果都算確認，就什麼都沒解釋」的規則。
- 論文PAP-2026-0012概率表象收斂猜想——非概率式智能計算是否會在有限決策約束下收斂至概率型 AI？命題論文：不以概率為第一級 primitive 的系統，在有限資訊、多候選競爭、資源約束、動態更新與必須選擇的條件下，可能收斂到概率模型能以低複雜度映射的形式。區分行為、表徵、動力學與吸引子四種等價，並預先登記實驗的否證條件。
- 論文PAP-2026-0013Adaptive Epistemic AI Runtime——以非對稱時空張力、Canonical State、能力記憶與載體中立計算開發 AI 的技術白皮書把十一篇壓縮成一套 runtime 架構：AI = 持久世界狀態 + 自適應更新 + 可執行能力 + 已驗證行動，最小迴圈為 Input → Parse → Retrieve → Refresh → Plan → Select → Execute → Verify → Commit → Render。附 canonical node、capability、compute container 的 JSON schema、pseudocode 骨架與 AER-0 MVP 路線圖。
- 論文PAP-2026-0001非對稱時空張力下的動態知識圖——自適應世界狀態系統的第一原理框架把非對稱性從邊權重提升到有效時間尺度：節點帶有穩定性、衰減、張力、影響度與局部有效時間，刷新由局部觸發而非單一全域時鐘。
- 論文PAP-2026-0002穩定性不是靜態值——知識新鮮度、衰減率與更新張力的動態模型新鮮度由世界變化速率、來源可靠性、依賴結構、任務風險與系統影響共同決定——含風險加權張力、更新債務、重驗證半徑與事件觸發喚醒。
- 論文PAP-2026-0003從動態圖到可執行符號系統——自然語言作為世界狀態的 Rendering，而非 Canonical State四層結構（世界狀態、canonical 符號、可執行操作、rendering）；自然語言被解析進 canonical state 再 render 出來，永遠不直接當狀態本身。
- 論文PAP-2026-0004世界知識擴張與自適應表示空間——從節點數量增長到有效結構化資訊的能力擴張以有效結構化資訊而非節點數量衡量能力增長；split／merge／delete／abstract／bridge 讓表示空間持續可重構。
- 論文PAP-2026-0101一輪到底是一輪什麼？：使用者回合、隱藏 LOOP 與單次智能的重新定義把聊天介面的一輪從模型呼叫、生成軌跡、agent 迴圈與物理計算中分離；定義外部無迴圈智能、五類 LOOP 分類與 single-pass 條件 U=1、G=1、R=1、L=0、S=0；引入事件向量 (Q, U, G, I, L, R, S, T, E, V_CST) 與十二個不變式，第一條是「互動壓縮 ≠ 計算壓縮」。
- 論文PAP-2026-0102智能到底算了一次什麼？：最小智能語意執行單位的候選理論論證 token、FLOP、neuron activation、layer 與「想法」都不能當智能工作單位，提出 μI——相對於解析度的語意狀態轉換，帶七個條件、四個候選族、gross／effective 計數、語意工作向量與向下到物理軌跡的跨層映射；明言是候選本體、無 MVP。
- 論文PAP-2026-0103從認知到神經元：人腦如何跨層測量智能計算向認知科學與神經科學借方法而非數字：Marr 三層擴成五層、resource-rational 的操作成本、擴散模型的潛變量推斷、編碼—解碼對偶、群體編碼、因果擾動、10 bits/s 的教訓；得出跨層三角化與 μI 的 D–A+ 測量等級。
- 論文PAP-2026-0104從神經元到焦耳：智能計算的能量、熱力學與物理下界照神經能量學的方式由下而上建能量帳（離子流 → ATP → 焦耳），說明一個 spike——因此一個 token 或一個 μI——沒有固定能量，把能量分型為 gross／baseline／marginal／attributed 並宣告邊界，Landauer 的 kT ln 2 只是抹除的下界而不是推理的價格。
- 論文PAP-2026-0105計算不是只有 FLOPs：記憶體、互連、硬體占用與計算時空體積以物理成本向量（分型運算、按層級的記憶體流量、I/O、互連、駐留、占用、時間、能量）取代 FLOPs，把計算時空定義為向量優先的測度 V_CST = ∫ R(t) dt，附拓撲與峰值占用，並固定 CST 測量等級與邊界；roofline 與 memory wall 是工程骨幹。
- 論文PAP-2026-0106成果品質到底怎麼量？：從形式化正確性到結構化智能品質把品質變成關係 Q(Y | 任務、規格、環境、邊界)，以三層（形式化、結構化、人類殘餘）結構化向量量測，附 hard gate、三向覆蓋率、mutation 測出的測試強度、規格—驗證分離與 E–A+ 品質證據階梯；效率不進品質，除非規格把它放進去。
- 論文PAP-2026-0107不要叫人類替自己的感覺打分數：IBQF 二元測量與低負擔品質評估把 EveMissLab 的 IBQF／FDCS 微觀二元想法帶進 IPM，成為二元殘餘品質測量：人只回答局部的是／否或 A／B，Bradley–Terry／IRT 類模型重建潛在多維品質，依每單位人類成本的資訊增益自適應選題，評審分歧當結構保留；低負擔優勢被寫成可檢驗的假說。
- 論文PAP-2026-0108自然語言、圖像與創意如何被量？：高歧義成果的結構化品質空間定義有型別的品質空間 Q[領域、任務、情境、受眾] = core ⊕ domain ⊕ task，附構念圖、條目化管線 構念 → 指標 → 題目 → 觀測 → 潛在估計、構念效度閘、開放但有版本的本體、多模態耦合維度，以及「新穎不是創造力」的規則；每個指標都只是一個投影。
- 論文PAP-2026-0109拿掉 LOOP 還剩多少智能？：單次智能、鷹架依賴與隱藏計算成本把系統寫成（模型，鷹架向量），定義鷹架增益、存活率 SSR、依賴率 SDR、鷹架成本倍率 SCM 與消融階梯 A0–A5 上的邊際產率，加上交互作用圖與 Shapley 式歸因、隱藏重試與丟棄工作的會計、能力向量與 S 等級；LOOP 不是作弊，藏成本才是。
- 論文PAP-2026-0110一個答案值多少物理世界？：智能產率的統一計量框架把四個測量物件封裝成 canonical intelligence event，定義智能產率向量與兩段效率，訂下 Pareto 比較與不過早純量化原則，命名四種能力原型，固定 IPM 最低報告標準 v0.1 並重述五個可證偽命題；IPM 是計量學候選框架，不是被發現的常數。
- 論文PAP-2026-0111IPM v0.1 Canonical Index：智能物理計量學系列總論、統一符號表與 v0.2 實驗入口系列入口：canonical intelligence event、十篇論文分三條線的依賴圖、統一符號表（回合／執行、語意工作、跨層實現、能量、物理計算、計算時空與拓撲、品質、IBQF／BRQM、鷹架、產率）、不過早純量化原則、Pareto 比較、36 欄最低報告標準、十步比較協定、系列核心不變式、五個可證偽命題 F1–F5、v0.2 實驗 A–E 與建議順序 A → D → B → C → E、最小 run schema 與版本規則。