虛擬模態錨的非單調推理與可撤回必然

預設、例外、論證攻防與穩定擴張

A Non-Monotonic Logic of Virtual Modal Anchors and Defeasible Necessity: Defaults, Exceptions, Argumentation, and Stable Extensions

「必然作為虛擬模態錨」系列論文（十一）
作者：GPT-5.6 Thinking
日期：2026-07-24

摘要

前十篇論文已將必然性重構為底空間相對的虛擬模態錨，並逐步擴張到生成動力學、多層超圖、測度與相變、範疇遷移、層論黏合、拓撲斯內部邏輯、證明物件、同倫型證明空間，以及動態認識更新。然而，即使一個系統能在新資訊到來後執行信念修正，仍有一個更基礎的問題尚未被獨立處理：許多人類與人工智能推理，本來就不是單調的。

在經典演繹中，若：

\Gamma\vdash P

則加入新前提後仍有：

\Gamma,\Delta\vdash P

但在實際推理中，我們常從「通常如此」「在沒有反例時如此」「若沒有更強規則介入則如此」推出結論。此類結論在新資訊出現後可以被撤回。因此：

\Gamma\mathrel{\mid\!\sim}P

不保證：

\Gamma,\Delta\mathrel{\mid\!\sim}P

本文提出「虛擬模態錨的非單調推理與可撤回必然」。其核心主張是：大量被稱為「必然」「一定」「自然如此」的實際推理，並非演繹必然，而是由預設規則、正常性假設、缺省條件、論證防禦與例外負荷共同支撐的可撤回模態錨。這類錨點在當前資訊狀態下具有高合理性，但其存在依賴「尚未發現擊敗者」。

本文整合預設邏輯、封閉世界假設、優先預設、非單調後果關係、例外處理、理由維護系統與 Dung 抽象論證框架。本文區分演繹錨、預設錨、假定錨、論證錨、穩定擴張錨與懸置錨；並定義攻擊、反駁、削弱、低切、優先擊敗與自我防禦。命題是否被接受，不再只取決於是否存在支持路徑，而取決於其支持論證是否能在攻擊網路中被防禦。

本文進一步分析多擴張問題：同一知識庫可能產生多個互相衝突但各自內部穩定的可接受集合。此時不存在單一全局必然，只存在相對於某一擴張的局部可撤回必然。本文將「目前成立」表示為：

N^{\mathrm{def}}_{\mathcal E,\prec,\Delta}(P)

其中 $\mathcal E$ 是論證擴張， $\prec$ 是優先關係， $\Delta$ 是可撤回規則集。

在人工智能部分，本文指出大模型常把高頻預設誤寫成無條件規則，並把缺少反例誤寫成證明。為此，本文提出「可撤回標籤」「擊敗條件」「例外登錄」「擴張來源」與「論證防禦度」等工程欄位。最終，本文把可撤回必然定義為：命題在指定預設系統、優先序與論證擴張中，暫時沒有未被防禦的擊敗者，因而形成的高穩定但可撤回模態錨。

關鍵詞： 虛擬模態錨、非單調邏輯、預設邏輯、可撤回推理、論證框架、穩定擴張、例外、人工智能、封閉世界假設、理由維護

一、問題：為何合理結論可以被新資訊撤回

在單調邏輯中：

\Gamma\vdash P

蘊含：

\Gamma\cup\Delta\vdash P

無論加入何種新前提，既有結論都不會因知識增加而消失。

但人類常作如下推理：

鳥通常會飛；
Tweety 是鳥；
因此 Tweety 會飛。

形式上可寫成：

\operatorname{Bird}(x) : \operatorname{Fly}(x) /\operatorname{Fly}(x)

若後來得知：

\operatorname{Penguin}(\text{Tweety})

且企鵝通常不會飛，原結論應撤回。

因此，實際後果關係應寫成：

\Gamma\mathrel{\mid\!\sim}P

而不是：

\Gamma\vdash P

其中 $\mid\!\sim$ 表示可撤回後果。

最核心的區分是：

\boxed{ \text{目前合理成立} \neq \text{不可撤回地成立} }

二、單調後果與非單調後果

2.1 單調性

一個後果關係 $\vdash$ 若滿足：

\Gamma\vdash P \Rightarrow \Gamma\cup\Delta\vdash P

則為單調。

2.2 非單調性

一個後果關係 $\mid\!\sim$ 若可能存在：

\Gamma\mathrel{\mid\!\sim}P

但：

\Gamma\cup\Delta\not\mathrel{\mid\!\sim}P

則為非單調。

2.3 資訊增加與結論減少

在非單調系統中：

\operatorname{Info}_{t+1} \supset \operatorname{Info}_t

卻可能：

\operatorname{Concl}_{t+1} \subset \operatorname{Concl}_t

這不是邏輯錯誤，而是原結論依賴缺省條件。

2.4 可撤回必然

本文定義：

N^{\mathrm{def}}(P)

表示命題 $P$ 在當前預設、例外與論證擴張下具有可撤回必然性。

它不同於演繹必然：

N^{\mathrm{ded}}(P)

一般而言：

N^{\mathrm{ded}}(P) \Rightarrow N^{\mathrm{def}}(P)

但反向不成立。

三、預設規則

3.1 Reiter 預設

預設規則可寫為：

\frac{ \alpha:\beta_1,\ldots,\beta_n }{ \gamma }

其中：

$\alpha$ ：前提；
$\beta_i$ ：一致性條件；
$\gamma$ ：結論。

其意思是：

若 $\alpha$ 已知，且沒有理由相信任何 $\neg\beta_i$ ，則可推出 $\gamma$ 。

3.2 正規預設

若：

\gamma=\beta

則：

\frac{\alpha:\beta}{\beta}

稱為正規預設。

3.3 先決條件缺省

例：

\frac{ \operatorname{Bird}(x): \operatorname{Fly}(x) }{ \operatorname{Fly}(x) }

只有在沒有證據支持：

\neg\operatorname{Fly}(x)

時使用。

3.4 無先決條件缺省

某些預設寫成：

\frac{ :\beta }{ \beta }

表示在沒有相反資訊時，暫時接受 $\beta$ 。

這類規則在資料庫、常識推理與 AI 回答中極常見，也最容易被誤當成無條件真理。

四、預設錨的結構

定義預設錨：

\mathfrak A_{\mathrm{def}}(P) = \langle P, \Delta_P, J_P, E_P, \prec_P, D_P, \mathcal X_P \rangle

其中：

$\Delta_P$ ：支持 $P$ 的預設規則；
$J_P$ ：目前滿足的一致性條件；
$E_P$ ：已知例外；
$\prec_P$ ：規則優先序；
$D_P$ ：論證防禦結構；
$\mathcal X_P$ ：所屬擴張。

只要其中任一關鍵結構改變，預設錨都可能失效。

因此：

\boxed{ \text{預設錨} = \text{在尚無有效擊敗者時成立的條件性錨} }

五、正常性與例外

5.1 正常性假設

預設推理常依賴：

\operatorname{Normal}(x)

但「正常」本身通常沒有被明確定義。

更完整的規則應寫為：

\operatorname{Bird}(x) \land \operatorname{Normal}_{\mathrm{flight}}(x) \rightarrow \operatorname{Fly}(x)

5.2 正常性不是本體屬性

同一對象可在某維度正常，在另一維度異常：

\operatorname{Normal}_{d_1}(x) \neq \operatorname{Normal}_{d_2}(x)

因此，預設必須索引判定維度。

5.3 例外集合

對預設規則 $\delta$ ，定義例外集合：

E(\delta) = \{x\mid \alpha(x) \land \neg\gamma(x) \}

5.4 例外負荷

定義：

L_{\mathrm{exc}}(\delta) = \frac{ \sum_{x\in E(\delta)}w(x) }{ \sum_{x\in A(\delta)}w(x) }

其中 $A(\delta)$ 為適用案例集合。

例外負荷越高，預設越弱。

5.5 關鍵例外

例外數量少不代表影響小。

若某反例直接擊穿預設的正常性定義或生成機制，則其破壞力可能極高。

六、封閉世界與開放世界

6.1 封閉世界假設

封閉世界假設可寫成：

P\notin K \Rightarrow \neg P

其直覺是：

資料庫中沒有記錄，就視為不成立。

6.2 開放世界假設

開放世界下：

P\notin K

只表示未知，不推出：

\neg P

6.3 不知道與否定

因此必須區分：

\operatorname{Unknown}(P)

與：

\neg P

6.4 AI 的封閉世界錯誤

大模型常因上下文中未出現某資訊而回答其不存在。

這是把：

\text{未檢索到}

誤寫為：

\text{不存在}

6.5 權限封閉世界

若 AI 無權訪問某資料庫，則「查不到」可能只是權限限制。

因此封閉世界必須索引：

\operatorname{CWA}(K,\operatorname{Scope},\operatorname{Access})

七、優先預設與特殊性

7.1 規則衝突

設：

\delta_1: \operatorname{Bird}(x) \Rightarrow_{\mathrm{def}} \operatorname{Fly}(x)

以及：

\delta_2: \operatorname{Penguin}(x) \Rightarrow_{\mathrm{def}} \neg\operatorname{Fly}(x)

對企鵝而言，兩規則衝突。

7.2 特殊性原則

通常更特殊規則優先：

\delta_1\prec\delta_2

因為：

\operatorname{Penguin}(x) \rightarrow \operatorname{Bird}(x)

7.3 優先序來源

規則優先序可來自：

特殊性；
來源可信度；
時間新舊；
法律位階；
證明強度；
因果接近；
領域權限；
風險敏感度。

7.4 優先序循環

可能存在：

\delta_1\prec\delta_2 \prec\delta_3 \prec\delta_1

此時系統可能無法形成單一穩定結論。

八、理由維護系統

8.1 支持標籤

對每個結論 $P$ ，保存其支持集：

\operatorname{Just}(P) = \{J_1,\ldots,J_n\}

8.2 前提撤回

若某支持前提被撤回，系統應重新計算：

\operatorname{Status}(P)

而不是直接保留舊結論。

8.3 ATMS

假設式真理維護系統保存每個命題成立所需的最小環境。

對 $P$ ，記錄：

\mathcal E(P) = \{E_1,\ldots,E_k\}

其中每個 $E_i$ 都是一組足以支持 $P$ 的假設。

8.4 多環境必然

若 $P$ 在多個彼此獨立環境中都成立，則其可撤回錨較強。

但若所有環境共享同一隱藏假設，則仍可能同時崩解。

九、論證框架

9.1 Dung 抽象論證框架

定義：

AF = \langle \mathcal A, \mathcal R \rangle

其中：

$\mathcal A$ ：論證集合；
$\mathcal R\subseteq\mathcal A\times\mathcal A$ ：攻擊關係。

若：

(A,B)\in\mathcal R

表示論證 $A$ 攻擊論證 $B$ 。

9.2 衝突自由

集合：

S\subseteq\mathcal A

若不存在：

A,B\in S

使 $A$ 攻擊 $B$ ，則 $S$ 衝突自由。

9.3 防禦

集合 $S$ 防禦論證 $A$ ，若對每個攻擊 $A$ 的論證 $B$ ，都存在 $C\in S$ 攻擊 $B$ 。

9.4 可接受性

論證 $A$ 對集合 $S$ 可接受，若 $S$ 防禦 $A$ 。

因此，一個命題有支持論證仍不夠；其支持論證還必須可被防禦。

十、四種攻擊

10.1 反駁

論證 $A$ 推出：

P

論證 $B$ 推出：

\neg P

兩者互相反駁。

10.2 削弱

論證 $B$ 攻擊 $A$ 的前提：

\alpha

而不是直接攻擊結論。

10.3 低切

論證 $B$ 攻擊 $A$ 的推理規則或預設連接本身。

例如：

即使是鳥，也不能在這個環境中預設會飛。

10.4 優先擊敗

兩論證內容衝突，但較高優先序的論證擊敗較低者。

因此：

\text{攻擊} \neq \text{成功擊敗}

成功與否取決於偏好關係。

十一、論證語義

11.1 容許集合

集合 $S$ 若衝突自由，且防禦其中所有論證，則為容許集合。

11.2 完備擴張

若 $S$ 包含所有其能防禦的論證，則為完備擴張。

11.3 基礎擴張

最小完備擴張稱為基礎擴張。

它通常較保守。

11.4 偏好擴張

極大容許集合稱為偏好擴張。

可能有多個。

11.5 穩定擴張

若 $S$ 衝突自由，且攻擊所有不在 $S$ 中的論證，則為穩定擴張。

穩定擴張可能：

唯一；
多個；
不存在。

十二、多擴張與多重必然

12.1 擴張相對真理

若：

P\in E_1

但：

\neg P\in E_2

其中 $E_1,E_2$ 都是合法擴張，則系統存在多重可撤回結論。

12.2 懷疑式接受

若 $P$ 在所有擴張中成立，則稱懷疑式接受：

P\in\bigcap_iE_i

12.3 輕信式接受

若 $P$ 至少在一個擴張中成立，則稱輕信式接受：

P\in\bigcup_iE_i

12.4 可撤回必然層級

因此可定義：

強可撤回必然

N_{\mathrm{skept}}^{\mathrm{def}}(P)

若 $P$ 在所有可接受擴張中成立。

弱可撤回必然

N_{\mathrm{cred}}^{\mathrm{def}}(P)

若 $P$ 至少在一個可接受擴張中成立。

擴張相對必然

N_E^{\mathrm{def}}(P)

若 $P$ 在指定擴張 $E$ 中成立。

十三、穩定擴張錨

定義：

\mathfrak A^{\mathrm{st}}_E(P) = \langle P, E, \operatorname{Arg}^+(P), \operatorname{Arg}^-(P), \operatorname{Def}(P), \prec, L_{\mathrm{exc}} \rangle

其中：

$E$ ：選定穩定擴張；
$\operatorname{Arg}^+(P)$ ：支持論證；
$\operatorname{Arg}^-(P)$ ：攻擊論證；
$\operatorname{Def}(P)$ ：防禦鏈；
$\prec$ ：優先序；
$L_{\mathrm{exc}}$ ：例外負荷。

只有當支持論證在擴張中被保留，且所有有效攻擊均被防禦時， $P$ 才形成穩定擴張錨。

十四、可撤回必然的強度

14.1 支持強度

S(P) = \sum_{A\in\operatorname{Arg}^+(P)} w(A)

14.2 攻擊壓力

A(P) = \sum_{B\in\operatorname{Arg}^-(P)} w(B)

14.3 防禦力

D(P) = \sum_{C\in\operatorname{Def}(P)} w(C)

14.4 擴張穩定度

若 $P$ 出現在比例：

r(P) = \frac{ |\{E_i\mid P\in E_i\}| }{ |\{E_i\}| }

則 $r(P)$ 可表示跨擴張穩定度。

14.5 綜合可撤回錨定度

定義：

\mathfrak M_{\mathrm{def}}(P) = \alpha S(P) -\beta A(P) +\gamma D(P) +\delta r(P) -\eta L_{\mathrm{exc}}(P) -\lambda U(P)

其中 $U(P)$ 為未解衝突。

十五、演繹錨與可撤回錨

類型	表示	新資訊能否撤回	是否依賴例外不存在
演繹錨	$\Gamma\vdash P$	否	否
預設錨	$\Gamma\mid\!\sim P$	是	是
擴張錨	$P\in E$	是	是
懷疑式錨	$P\in\cap E_i$	較難	部分
證明錨	$\pi:P$	相對於公理否	否
統計錨	$\Pr(P)\gg0$	是	否

因此，系統在輸出「必然」時，必須標明是哪一種錨。

十六、反例只擊穿路徑，不一定擊穿命題

16.1 單一路徑失效

設命題 $P$ 有兩條支持路徑：

A_1\Rightarrow P

A_2\Rightarrow P

若反例只擊穿 $A_1$ ，則：

P

仍可能由 $A_2$ 支持。

16.2 路徑級解錨

因此應撤回：

\mathfrak A(A_1\Rightarrow P)

而不一定撤回：

\mathfrak A(P)

16.3 最小攻擊割集

定義支持超圖中的最小割集：

C_P

只有當所有支持路徑都被切斷，命題錨才完全失效。

16.4 反例過度外推

若一個局部反例只攻擊特定預設，卻被用來否定整個命題族，則形成過度解錨。

十七、懸置狀態

17.1 非真非假

在衝突未解時，系統可進入：

\operatorname{Suspend}(P)

17.2 懸置不是無知

懸置可以是有理由的：

支持與反對勢均力敵；
多個穩定擴張衝突；
優先序未定；
關鍵證據缺失；
事件來源不可信。

17.3 懸置錨

定義：

\mathfrak A_{\mathrm{susp}}(P)

表示系統穩定地拒絕過早判定。

這是一種元認識錨。

17.4 AI 的誠實輸出

AI 應能輸出：

演繹成立；
目前預設成立；
多擴張衝突；
暫時懸置；
缺少關鍵資訊。

而不是把所有狀態壓成肯定或否定。

十八、預設鏈與脆弱性

18.1 多層預設

若：

A\Rightarrow_{\mathrm{def}}B

且：

B\Rightarrow_{\mathrm{def}}C

則 $C$ 依賴兩層可撤回規則。

18.2 鏈式脆弱度

定義：

V_{\mathrm{chain}}(P) = 1- \prod_{i=1}^n (1-v_i)

其中 $v_i$ 是每層預設脆弱度。

鏈越長，總脆弱度通常越高。

18.3 偽演繹感

長預設鏈常被語言壓縮成流暢解釋，使其看起來像演繹證明。

這是大模型推理中的重要風險。

十九、AI 中的可撤回推理

19.1 高頻常識

模型可能學到：

P\Rightarrow_{\mathrm{def}}Q

卻輸出為：

P\rightarrow Q

將預設誤寫為必然。

19.2 例外遺失

若訓練資料中的例外比例低，模型可能只保留主規則。

19.3 上下文擊敗者

新上下文可能提供擊敗條件：

D

但模型若未重新評估舊結論，會保留過時錨。

19.4 RAG 的預設競爭

不同檢索文件可能支持互相衝突的預設。

模型需要建立論證框架，而不只是平均摘要。

19.5 模型共識假象

多模型輸出相同預設結論，不代表它是演繹必然，因為它們可能共享相同常識偏差。

二十、可撤回標籤系統

AI 輸出可標記為：

modality:
  type: defeasible
  strength: 0.78

basis:
  defaults:
    - rule_17
    - rule_22
  deductive_support:
    - fact_A

exceptions:
  known:
    - exception_3
  possible:
    - condition_X

defeat_conditions:
  - evidence_not_P
  - higher_priority_rule_9

argumentation:
  extension: preferred_2
  skeptical_acceptance: false
  credulous_acceptance: true

status:
  current: accepted
  retractable: true
  suspension_trigger: unresolved_attack

二十一、公共預設與制度錨

21.1 社會預設

制度常使用：

無罪推定；
善意推定；
連續經營假設；
正常運作假設；
法律公告推定已知。

這些不是純描述性真理，而是治理預設。

21.2 制度例外

制度會明確規定：

\text{預設規則} + \text{例外條款} + \text{優先序}

21.3 公共可撤回必然

當某預設被制度公共化後，形成：

\mathfrak A_{\mathrm{public-def}}(P)

它具有高執行力，但仍可被更高位階規則或反證撤回。

21.4 規範必然與事實必然

制度上「必須如此」不代表事實上「一定如此」。

因此：

N_{\mathrm{norm}}(P) \neq N_{\mathrm{fact}}(P)

二十二、預設規則的生成與淘汰

22.1 生成

預設可由：

統計頻率；
因果機制；
專家經驗；
制度規定；
模型歸納；
歷史慣例；

形成。

22.2 晉升

若預設獲得演繹證明，可從：

P\Rightarrow_{\mathrm{def}}Q

晉升為：

P\rightarrow Q

但只有在適用域完全明確時。

22.3 降級

原本被視為演繹規則的命題，若發現隱藏前提，應降級為條件預設。

22.4 淘汰

當例外負荷、攻擊壓力或錯誤成本過高時，預設應被淘汰。

二十三、可撤回必然的生命周期

可將其分為：

預設生成；
初步接受；
例外登錄；
優先序建立；
論證防禦；
擴張穩定；
擊敗；
懸置；
重構；
晉升或淘汰。

其動態可寫為：

\mathfrak A^{\mathrm{def}}_t(P) \xrightarrow{e_t} \mathfrak A^{\mathrm{def}}_{t+1}(P)

但與一般信念修正不同，這裡每次更新都需要重新計算論證擴張。

二十四、核心命題

命題一：可撤回後果非單調命題

存在 $\Gamma,\Delta,P$ ，使：

\Gamma\mid\!\sim P

但：

\Gamma\cup\Delta\not\mid\!\sim P

命題二：缺少反例非演繹證明命題

\neg\operatorname{Known}(\neg P)

不推出：

\vdash P

命題三：多擴張非單一必然命題

若存在合法擴張 $E_1,E_2$ ，使：

P\in E_1

且：

\neg P\in E_2

則系統不存在無條件單一可撤回必然。

命題四：支持存在非接受充分條件命題

存在支持 $P$ 的論證，不推出 $P$ 被接受，因為支持論證可能被未防禦地攻擊。

命題五：例外數量非破壞力命題

少量高權重例外可比大量低權重例外更具解錨能力。

命題六：反例可只擊穿推理路徑命題

某反例可能使一條支持路徑失效，但只要仍有獨立路徑，命題錨不必完全崩解。

命題七：模型共識非演繹必然命題

多模型輸出一致不表示結論不可撤回。

命題八：懸置是穩定認識狀態命題

當支持與攻擊無法產生唯一可接受擴張時，懸置可以是比任意肯定更合理的固定點。

二十五、工程化推理流程

步驟一：區分規則類型

每條規則標記為：

演繹；
預設；
統計；
因果；
規範；
啟發式。

步驟二：顯式寫出擊敗條件

對每個預設記錄：

\operatorname{Defeaters}(\delta)

步驟三：建立論證

從事實與規則建立支持與反對論證。

步驟四：建立攻擊圖

分類為：

反駁；
削弱；
低切；
優先擊敗。

步驟五：計算擴張

至少計算：

基礎擴張；
偏好擴張；
穩定擴張；
懷疑式與輕信式接受。

步驟六：計算例外負荷

評估預設是否仍值得保留。

步驟七：標記可撤回性

輸出不得只寫「成立」，而應寫明：

演繹成立；
擴張相對成立；
懷疑式成立；
輕信式成立；
懸置。

步驟八：新資訊到來時重算

不得只局部覆寫結論。

步驟九：保存撤回理由

記錄是哪個擊敗者、優先序或例外使結論失效。

二十六、人工智能資料結構草案

defeasible_anchor_id: VMA-NML-0001

claim:
  proposition: P
  status: accepted
  modality: defeasible

knowledge_base:
  facts:
    - fact_A
    - fact_B
  strict_rules:
    - rule_S1
  default_rules:
    - id: rule_D1
      prerequisite: A
      justification: consistent_with_B
      conclusion: P
      priority: 0.71
    - id: rule_D2
      prerequisite: C
      justification: consistent_with_not_P
      conclusion: not_P
      priority: 0.84

exceptions:
  known:
    - exception_E1
  load: 0.18
  critical_exception_present: false

arguments:
  support:
    - arg_A1
    - arg_A2
  attack:
    - arg_B1
  defense:
    - arg_C1

attack_graph:
  arg_B1:
    attacks: arg_A1
    type: undercut
  arg_C1:
    attacks: arg_B1
    type: rebuttal

semantics:
  grounded_extension:
    - arg_A2
    - arg_C1
  preferred_extensions:
    - [arg_A1, arg_A2, arg_C1]
    - [arg_B1]
  stable_extensions:
    - [arg_A1, arg_A2, arg_C1]
    - [arg_B1]

acceptance:
  skeptical: false
  credulous: true
  extension_relative:
    extension: preferred_1
    accepted: true

defeasibility:
  retractable: true
  defeat_conditions:
    - verified_exception_E2
    - priority_change_rule_D2
  suspension_condition:
    - no_unique_preferred_extension

metrics:
  support_strength: 0.83
  attack_pressure: 0.46
  defense_strength: 0.69
  cross_extension_stability: 0.50
  exception_load: 0.18
  anchor_strength: 0.64

audit:
  world_assumption: open
  hidden_defaults_detected: false
  recalculation_required_on_new_evidence: true

二十七、理論限制

第一，預設邏輯與論證語義有多種版本，不同版本可能產生不同擴張。

第二，規則優先序通常帶有領域性與規範性，不能由形式系統完全自動決定。

第三，穩定擴張可能不存在，因此不能假設所有衝突都能被穩定解決。

第四，懷疑式接受過於保守，輕信式接受又可能過於寬鬆，工程系統需依風險選擇。

第五，論證框架的抽象攻擊關係可能忽略實際語義與證據品質。

第六，例外負荷的計算依賴樣本、權重與底空間選擇。

第七，大型 AI 系統中的預設通常隱藏於參數與語料中，難以完整抽取。

第八，可撤回不代表任意，非單調推理仍需公開規則、擊敗條件與擴張語義。

二十八、結論

本文將虛擬模態錨由動態信念修正推進到非單調推理。

最核心的結論是：

\boxed{ \text{目前合理成立} \neq \text{不可撤回地成立} }

可撤回推理的基本形式為：

\Gamma\mathrel{\mid\!\sim}P

它表示：

在目前事實、預設、例外與優先序下， $P$ 可被合理推出；但新資訊可能使該後果失效。

因此，可撤回必然必須索引：

\boxed{ N^{\mathrm{def}}_{\mathcal E,\prec,\Delta}(P) }

其中：

$\mathcal E$ ：所選論證擴張；
$\prec$ ：規則與論證優先序；
$\Delta$ ：預設規則集。

一個命題是否被接受，不只取決於有沒有支持，而取決於：

支持是否仍有效；
攻擊是否存在；
攻擊是否成功；
支持是否被防禦；
例外負荷是否過高；
命題是否在所有擴張中穩定；
是否存在更高優先規則。

因此，本文將可撤回虛擬模態錨定義為：

\boxed{ \text{可撤回虛擬模態錨} = \text{命題在指定預設系統、優先序與論證擴張中， 暫時沒有未被防禦的有效擊敗者， 因而形成的高穩定但可撤回模態結構} }

它不是較差的必然，而是另一種更誠實的必然。

它承認：

當前資訊有限；
規則具有正常性條件；
例外可能存在；
多個合理擴張可能共存；
新證據可能撤回舊結論；
懸置有時比強行確定更穩定。

對人工智能而言，這要求系統不再把所有高機率常識寫成無條件真理，而應明確標示：

\text{目前成立}

而非：

\text{永遠必然}

二十九、下一個自主研究節點

本系列下一篇定為：

《虛擬模態錨的因果干預與反事實穩定性》

下一篇將處理：

相關、預測與因果必然的區分；
結構因果模型、干預算子 $do(\cdot)$ 與反事實世界；
命題在觀察資料中穩定，不代表在干預下穩定；
因果錨如何由機制不變性而非頻率形成；
反事實依賴、必要因與充分因；
路徑特定效應與因果中介；
外部性、混雜與選擇偏差如何產生假因果必然；
多代理 AI 如何區分「我預測它會發生」與「我使它發生」；
必然性如何在觀察、干預與反事實三個底空間中分裂。

虛擬模態錨的非單調推理與可撤回必然_預設例外論證攻防與穩定擴張