多路徑知識索引：區塊、流式、跳躍、發散與集中

系列：可繼承的認知：從自我解構到遞歸生成式記憶系統（第 5 篇）
作者：Neo.K
研究協作：Aletheia（阿萊）
版本：v1.0
日期：2026-07-30
文章類型：命題猜想論文／知識索引理論論文／GCMS 架構論文

摘要

大型知識系統經常把「索引」理解成一個單一問題：輸入查詢，返回若干最相似文件。然而，知識的可提取性並不只依賴相似度。當任務要求定位局部定義、重建理論演化、跨越遠距概念、展開多條候選路徑或將分散材料收斂成較少的生成核時，單一向量近鄰、全文檢索或靜態知識圖都可能出現系統性失敗。本文提出 GCMS 的多路徑知識索引理論，將索引形式化為作用於同一知識底圖之上的五類基本算子：區塊索引、流式索引、跳躍索引、發散索引與集中索引。

區塊索引將作品分割成具有局部語義、上下文與邊界條件的可操作單元；流式索引保存知識形成、修改與推導的時間方向；跳躍索引允許系統利用符號、生成核、關係邊與多尺度近鄰跨越線性鄰接；發散索引將一個問題展開為多個觀點、子問題、假說與檢索路徑；集中索引則對多路結果進行聚類、去重、衝突保存、證據排序與生成核抽取。五種模式不是彼此替代，而是構成一組可組合算子族。

本文提出「索引任務非同質命題」：不存在一個固定索引策略，能在所有知識任務上同時最佳化局部精確度、時間連續性、遠距橋接、候選多樣性、全局壓縮、證據保真與成本。本文進一步提出多路徑支配猜想、發散—集中對偶命題、跳躍增益命題、邊界—連續性張力命題與矛盾保存命題，並建立區塊完整率、流路連貫度、跳躍增益、分支覆蓋率、集中保真度、矛盾保存率及索引成本等評估指標。

本文主張，GCMS 未來的索引器不應只是資料結構集合，而應是一個具任務辨識能力的索引控制系統。給定查詢、當前證據、不確定性、資源預算與治理限制，後設控制器應動態生成索引程式，例如「先以生成核跳躍，再沿版本流回溯，接著發散檢索，最後集中但保留衝突」。這使索引從靜態尋址轉化為可驗證的知識運算路徑，並為後續的生成、組合、自調用與遞歸自主循環建立基礎。

關鍵詞：GCMS、多路徑索引、區塊索引、流式索引、跳躍索引、發散檢索、集中檢索、知識圖、GraphRAG、事件分段、認知分塊、證據鏈

一、問題的提出：為什麼「相似文件搜尋」不等於知識索引

設知識庫為：

\mathcal K=\{d_1,d_2,\ldots,d_n\},

查詢為：

q\in\mathcal Q.

典型檢索系統以一個分數函數排序文件：

S(d_i\mid q),

並返回：

\operatorname{TopK}(q) = \underset{d_i\in\mathcal K}{\operatorname{arg\,top\,k}} S(d_i\mid q).

這種模型適合回答「哪一些文件和查詢最相似」，卻不必然適合回答以下問題：

某一概念第一次在哪個版本出現？
一個理論從母問題經過哪些中間命題才形成目前版本？
哪兩篇表面用詞不同的作品其實共享同一生成核？
哪些遠距系列可以藉由一個符號、反例或方法形成橋接？
一個新問題可能沿哪些互不相同的方向展開？
大量相近作品如何收斂為較少核心結構，而不抹去真正矛盾？
目前證據不足時，系統應擴大搜尋、向前追蹤、向後回溯，還是停止？

這些任務的差異不是查詢措辭差異，而是尋址幾何不同。

局部定義查詢偏好細粒度單元；理論演化查詢需要時間順序；跨領域橋接需要遠距跳躍；開放研究需要多分支探索；整體理解需要全局聚合。若全部被壓縮成單一相似度排序，系統通常會得到一組「看起來都相關」但無法重建路徑、來源與結構的結果。

因此本文將知識索引重新定義為：

在證據、結構、時間與成本約束下，生成一條或多條可重演的知識尋址路徑，使系統能定位、連接、展開、聚合並驗證與任務相關的知識單元。

形式上，索引不再只是：

q\mapsto\{d_1,\ldots,d_k\},

而是：

(q,\mathcal K,\Theta) \mapsto \left( \pi, \mathcal E, \mathcal C, \mathcal T \right),

其中：

$\pi$ ：索引操作序列；
$\mathcal E$ ：取得的證據集合；
$\mathcal C$ ：證據之間的關係與上下文；
$\mathcal T$ ：可重演的檢索軌跡；
$\Theta$ ：權限、成本、版本與停止條件。

二、研究背景：知識尋址本來就不是單一路徑

2.1 認知分塊：局部結構能降低工作記憶負擔

分塊研究顯示，人類會利用既有知識與規律，把多個元素重新編碼為較少、較具意義的單元。Chekaf 等人的實驗指出，參與者會在立即記憶任務中主動形成 chunks，而 chunking 可藉由知識降低需維持的單元數量。[1] Chen 與 Cowan 的研究則顯示，當排除語音複誦等因素後，工作記憶容量更接近以 chunks 而非原始項目計算。[2]

這類結果不能直接推出數位知識庫應如何切分，但提供一項重要啟示：

\text{可操作單位} \neq \text{原始最小單位}.

若系統以整篇論文為唯一索引單位，局部定義與證據會被大文件稀釋；若每一句都獨立索引，生成路徑與上下文又會碎裂。因此區塊不是任意字數窗口，而應是一個帶有內部凝聚力與外部邊界的知識單元。

2.2 事件分段與時間情境：連續知識會被組織成可回溯事件

人類經驗在物理時間上連續，記憶卻常以事件為單位。事件邊界會影響哪些資訊被整合、哪些資訊被分離，以及跨邊界的時間關係是否容易被保持。海馬迴與前額葉相關研究顯示，穩定情境有利於事件內部的時間綁定，而情境轉換會形成新的事件模型。[3][4][5]

這支持一種不同於靜態文件索引的視角：

\text{知識狀態} = \text{內容} + \text{形成順序} + \text{邊界轉換}.

一篇論文的最終版本無法完整替代它的推導流；同一概念在不同時期的意義，也不能只靠最新摘要理解。流式索引因此必須保存狀態轉換、版本、前置依賴、否定路徑與中止分支。

2.3 小世界與多尺度圖：遠距節點可以藉由少量長連結快速抵達

HNSW 將多尺度鄰近圖構造成分層的小世界索引，上層長距離連結用於快速導航，下層局部連結則用於精細搜尋。其效果說明：在高維相似空間中，只依賴線性掃描或單尺度鄰近通常效率不足；多尺度、跨距離的連結可以顯著改變尋址成本。[6]

對 GCMS 而言，「跳躍」不限於向量近鄰。跳躍邊可以來自：

相同符號；
相同生成核；
相同母問題；
反例關係；
方法借用；
版本派生；
產品—理論投影；
人工指定的橋接。

GraphRAG 與其他圖檢索研究也顯示，將實體、文本與關係組成圖結構，能支援跨文件、多跳與全局性問題，而不只是返回獨立段落。[7][8][9][10]

2.4 發散檢索：單一查詢通常只覆蓋問題的一個投影

對開放問題，查詢 $q$ 本身往往是不完整的。單次表述可能只激活某一術語、某一學科或某一解法。多查詢、查詢分解與鏈式檢索研究的共同方向，是把單一查詢展開為多個子查詢或觀點，再合併取得的證據。[11][12]

可寫成：

q \xrightarrow{\mathrm{expand}} \{q_1,q_2,\ldots,q_m\}.

發散的目標不是產生越多查詢越好，而是提升對潛在相關區域的覆蓋：

\operatorname{Coverage} \left( \bigcup_{j=1}^{m}R(q_j) \right) > \operatorname{Coverage}(R(q)).

心理學中的發散與集中思考研究也長期區分「生成多種可能」與「選擇或形成較少答案」兩種處理模式；實驗研究顯示兩者在任務表現與神經活動上並非完全相同。[13][14]

本文不把創造力任務直接等同於檢索演算法，但借用其操作性區分：發散負責擴大候選空間，集中負責評估與重構候選空間。

2.5 全局聚合與社群摘要：集中不只是把前幾名文件再摘要一次

GraphRAG 的 global search 將文本轉成實體圖、建立社群階層並生成社群摘要，用以處理「整個資料集主要主題為何」這類不適合局部近鄰檢索的問題。[9] 其他多粒度圖索引研究也指出，局部 chunks、實體關係、文件層與社群層具有不同成本與用途。[10][15]

集中因此至少包含：

去除重複表述；
聚合同源分支；
找出共同生成核；
對證據品質排序；
保存少數但關鍵的反例；
標示不能合併的矛盾；
將局部結果映射回全局結構。

若集中只追求短摘要，就可能把「多個可相容觀點」與「真正互相矛盾的命題」一起抹平。

三、統一知識底圖

3.1 知識單元

設 GCMS 的基本知識單元集合為：

\mathcal U = \{u_1,u_2,\ldots,u_N\}.

每個單元定義為：

u_i = \left( c_i, h_i, b_i, \tau_i, s_i, v_i, a_i \right),

其中：

$c_i$ ：內容；
$h_i$ ：來源與內容雜湊；
$b_i$ ：區塊邊界與上下文；
$\tau_i$ ：時間、版本或形成序位；
$s_i$ ：語義指紋；
$v_i$ ：可見性與治理狀態；
$a_i$ ：作品、章節、公式、實驗或生成核等類型。

3.2 多關係邊

知識底圖不是單一邊類型的圖，而是：

\mathcal G = \left( \mathcal U, \mathcal E \right),

其中：

\mathcal E = \mathcal E_{\mathrm{sem}} \cup \mathcal E_{\mathrm{temp}} \cup \mathcal E_{\mathrm{gen}} \cup \mathcal E_{\mathrm{evid}} \cup \mathcal E_{\mathrm{contra}} \cup \mathcal E_{\mathrm{manual}}.

各類邊分別表示：

$\mathcal E_{\mathrm{sem}}$ ：語義相似或主題相關；
$\mathcal E_{\mathrm{temp}}$ ：時間、版本與狀態轉換；
$\mathcal E_{\mathrm{gen}}$ ：生成、推導與依賴；
$\mathcal E_{\mathrm{evid}}$ ：主張與原始證據；
$\mathcal E_{\mathrm{contra}}$ ：矛盾、反例或不相容；
$\mathcal E_{\mathrm{manual}}$ ：人工指定橋接與策展關係。

同一對節點可以具有多個關係：

(u_i,u_j) \in \mathcal E_{\mathrm{sem}} \cap \mathcal E_{\mathrm{temp}}.

3.3 索引不是另一份知識，而是對底圖施加的運算

本文定義索引算子族：

\mathfrak I = \{ \mathsf B, \mathsf F, \mathsf J, \mathsf D, \mathsf C \},

分別對應：

$\mathsf B$ ：Block，區塊；
$\mathsf F$ ：Flow，流式；
$\mathsf J$ ：Jump，跳躍；
$\mathsf D$ ：Divergence，發散；
$\mathsf C$ ：Convergence，集中。

這些算子使用同一批來源、版本與證據，但產生不同尋址路徑。

四、區塊索引：將內容切成可操作、可重組但不失去邊界的單元

4.1 區塊不是固定字數窗口

對作品 $d$ ，區塊算子為：

\mathsf B(d;\theta_B) = \{b_1,b_2,\ldots,b_m\},

並要求：

\bigcup_{i=1}^{m}\operatorname{Span}(b_i) = \operatorname{Span}(d).

但相鄰區塊可重疊，以保存跨邊界上下文：

\operatorname{Span}(b_i) \cap \operatorname{Span}(b_{i+1}) \neq \varnothing.

固定 token 數量只是一種低成本方法。更完整的區塊邊界應綜合：

\operatorname{BoundaryScore}(t) = \alpha S_{\mathrm{topic}} + \beta S_{\mathrm{syntax}} + \gamma S_{\mathrm{event}} + \delta S_{\mathrm{symbol}} + \eta S_{\mathrm{author}}.

其中可考慮：

標題與章節；
語義主題轉移；
定義、定理、證明、實驗等結構；
公式與符號作用域；
作者明確標示的邊界；
事件或版本轉換。

4.2 區塊的最小充分上下文

區塊 $b_i$ 不只保存文字，還應保存：

b_i = \left( x_i, c_i^{-}, c_i^{+}, \operatorname{scope}_i, \operatorname{deps}_i \right),

其中：

$x_i$ ：核心內容；
$c_i^{-}$ ：前置上下文；
$c_i^{+}$ ：後續上下文；
$\operatorname{scope}_i$ ：符號、版本與章節作用域；
$\operatorname{deps}_i$ ：依賴的定義、證據與前置命題。

這可降低「檢索到一句正確文字，卻失去它成立的假設」的風險。

4.3 區塊完整率

定義任務 $q$ 所需的最小證據集合為 $E_q^\ast$ ，實際取回區塊證據為 $E_q$ ，則：

\operatorname{BCR}(q) = \frac{|E_q\cap E_q^\ast|}{|E_q^\ast|}.

但還需懲罰失去上下文的孤立命中：

\operatorname{BCR}^{+}(q) = \operatorname{BCR}(q) \cdot \operatorname{ContextAdequacy}(E_q).

4.4 區塊索引的失敗模式

過度分塊：命題、證明與條件被分散；
分塊不足：局部訊號被大篇幅背景稀釋；
邊界僵化：同一作品只能有一套切分；
符號失域：公式被取回，但定義不在同一區塊；
版本混塊：不同版本內容被視為同一語義單元。

因此本文主張 GCMS 應允許：

\mathsf B_1(d), \mathsf B_2(d), \ldots, \mathsf B_r(d),

也就是同一作品具有多粒度、多目的區塊視圖，而不是只有一套永久切分。

五、流式索引：保存知識如何形成，而不只保存最後狀態

5.1 流是有方向的狀態序列

對一個理論或作品系列，定義狀態流：

\mathcal F = \left( z_0 \xrightarrow{e_1} z_1 \xrightarrow{e_2} \cdots \xrightarrow{e_T} z_T \right),

其中：

$z_t$ ：時間 $t$ 的知識狀態；
$e_t$ ：修改、反例、實驗、合併、分支或重命名事件。

流式索引算子為：

\mathsf F(q,z_t;w,d) \rightarrow \left( z_{t-w},\ldots,z_t,\ldots,z_{t+d} \right),

其中 $w$ 是回溯窗口， $d$ 是前向追蹤窗口。

5.2 流式索引的五種方向

回溯：目前結論從何而來；
前向追蹤：一個母命題後來形成哪些分支；
版本差分：兩版之間改變什麼；
中止路徑：哪些方向曾被提出但被放棄；
週期與復現：某一問題是否在不同時期重複出現。

5.3 流路連貫度

令檢索到的有序節點為：

P=(u_{i_1},u_{i_2},\ldots,u_{i_k}),

定義流路連貫度：

\operatorname{FC}(P) = \frac{1}{k-1} \sum_{j=1}^{k-1} \mathbf 1 \left[ (u_{i_j},u_{i_{j+1}}) \in \mathcal E_{\mathrm{temp}} \cup \mathcal E_{\mathrm{gen}} \right].

可再加入方向一致性：

\operatorname{FDC}(P) = \operatorname{FC}(P) \cdot \left( 1-\frac{N_{\mathrm{reverse}}}{k-1} \right).

5.4 流式索引與最新版本偏誤

流式系統若只按時間衰減加權：

w_t=e^{-\lambda\Delta t},

會自然偏向最新內容。但舊版本可能包含：

已被刪除的假設；
失敗但重要的實驗；
被後來版本掩蓋的概念來源；
重命名前的同義術語。

因此流式索引不能把「最近」等同「最重要」，而應分離：

S_{\mathrm{flow}} = \alpha S_{\mathrm{temporal}} + \beta S_{\mathrm{causal}} + \gamma S_{\mathrm{version}} + \delta S_{\mathrm{evidence}}.

六、跳躍索引：跨越表面相似度與線性鄰接

6.1 跳躍的定義

設目前節點為 $u_i$ ，一般局部檢索只查看鄰域：

\mathcal N_r(u_i) = \{u_j\mid \operatorname{dist}(u_i,u_j)\leq r\}.

跳躍索引允許選擇：

u_j\notin\mathcal N_r(u_i),

但滿足某個高辨識度關係：

\operatorname{Anchor}(u_i,u_j\mid q)\geq\theta_J.

因此：

\mathsf J(u_i,q) = \operatorname{TopK}_{u_j} S_J(u_j\mid u_i,q).

6.2 跳躍分數

可定義：

\begin{aligned} S_J(u_j\mid u_i,q) ={}& \alpha S_{\mathrm{semantic}} + \beta S_{\mathrm{symbol}} + \gamma S_{\mathrm{kernel}}\\ &+ \delta S_{\mathrm{relation}} + \eta S_{\mathrm{contrast}} + \zeta S_{\mathrm{manual}}. \end{aligned}

其中 $S_{\mathrm{contrast}}$ 允許跳到反例與矛盾，而不是只跳到相似內容。

6.3 多尺度跳躍

借鑑多層小世界索引，可將知識圖分成不同尺度：

\mathcal G^{(0)}, \mathcal G^{(1)}, \ldots, \mathcal G^{(L)}.

其中：

低層保存段落、定義與局部證據；
中層保存作品、系列與生成核；
高層保存跨域方法、母問題與抽象關係。

跳躍路徑可以先在高層快速定位，再下降到原文證據：

\mathcal G^{(L)} \rightarrow \mathcal G^{(L-1)} \rightarrow \cdots \rightarrow \mathcal G^{(0)}.

6.4 跳躍增益

設不允許跳躍的基線檢索效用為 $U_0(q)$ ，允許跳躍後為 $U_J(q)$ ：

\operatorname{JG}(q) = U_J(q)-U_0(q).

但也需計算跳躍漂移：

\operatorname{JD}(q) = 1- \frac{|E_J\cap E_q^\ast|}{|E_J|}.

真正有效的跳躍需同時滿足：

\operatorname{JG}(q)>0,

且：

\operatorname{JD}(q)<\theta_{\mathrm{drift}}.

6.5 語義瞬移風險

跳躍索引最危險的錯誤不是找不到，而是找到一個「高階概念很像，底層假設完全不同」的遠端節點。

例如兩篇作品都使用「固定點」，但其數學空間、算子條件與證明目的不同。若只靠詞彙或向量相似度跳躍，系統可能把比喻關係誤當可運算同一性。

因此每次跳躍都應附帶：

J_{ij} = \left( \text{理由}, \text{邊類型}, \text{尺度}, \text{證據}, \text{不相容條件} \right).

七、發散索引：將單一查詢展開成受控候選空間

7.1 發散不是隨機聯想

發散索引算子：

\mathsf D(q;\theta_D) = \{q_1,q_2,\ldots,q_m\}.

子查詢可來自不同變換：

q_j = T_j(q),

例如：

同義與術語變換；
抽象化或具體化；
因果前件與後件；
方法、反例、限制與應用；
不同學科投影；
不同時間與版本；
支持與反對立場；
部分問題分解。

7.2 發散樹

發散過程形成樹：

\mathcal T_D = (V_D,E_D),

根節點為原始問題 $q_0$ ，每個節點可再展開：

q_{t+1}^{(j)} = T_j(q_t).

若不限制深度與寬度，候選數可能指數增長：

|V_D| \approx \sum_{t=0}^{L}b^t.

因此發散必須受預算控制：

|V_D|\leq B_D,

L\leq L_{\max}.

7.3 分支覆蓋與分支新穎度

若真實相關面向集合為 $A_q^\ast$ ，已覆蓋面向為 $A_D$ ：

\operatorname{BCov}(q) = \frac{|A_D\cap A_q^\ast|}{|A_q^\ast|}.

分支間的平均差異可定義為：

\operatorname{BDiv}(q) = \frac{2}{m(m-1)} \sum_{i<j} \left( 1-\operatorname{sim}(q_i,q_j) \right).

好的發散需避免兩種極端：

\operatorname{BDiv}\approx0,

代表只是同義改寫；

\operatorname{BDiv}\approx1,

則可能表示分支已脫離原問題。

7.4 證據驅動發散

GCMS 不應只在查詢開始時發散。當檢索後發現證據缺口，也可生成新分支：

q_{t+1} = \operatorname{GapToQuery} \left( q_t,E_t,\mathcal U_t \right),

其中 $\mathcal U_t$ 是未解決的不確定性。

觸發條件可為：

\operatorname{Coverage}(E_t)<\theta_C,

或：

\operatorname{Conflict}(E_t)>\theta_X.

7.5 發散爆炸與新穎性幻覺

發散容易產生：

大量同義問題；
與來源無關的創意分支；
被模型語言風格誤判為新概念的重複內容；
只支持原假設、不搜尋反例的確認偏誤；
無限研究循環。

因此每個分支應保存：

D_j = \left( q_j, \operatorname{parent}(q_j), \operatorname{transform}_j, \operatorname{expectedGain}_j, \operatorname{cost}_j, \operatorname{status}_j \right).

八、集中索引：從多路候選恢復結構，而不是只做摘要

8.1 集中算子

給定發散或多路檢索結果：

\mathcal R = \{r_1,r_2,\ldots,r_n\},

集中算子為：

\mathsf C(\mathcal R;q,\theta_C) = \left( \mathcal K_R, \mathcal X_R, \mathcal S_R, \mathcal E_R \right),

其中：

$\mathcal K_R$ ：抽取的生成核或主題核心；
$\mathcal X_R$ ：不可合併的矛盾與反例；
$\mathcal S_R$ ：代表性證據集合；
$\mathcal E_R$ ：來源與關係映射。

8.2 集中的五個階段

第一階段：正規化

對名稱、符號、版本與引用進行對齊：

\widetilde r_i = \operatorname{Normalize}(r_i).

第二階段：聚類與去重

\mathcal R \rightarrow \{C_1,C_2,\ldots,C_k\},

其中每個 $C_j$ 是語義或生成關係較密集的群集。

第三階段：證據排序

S_E(r_i) = \alpha S_{\mathrm{source}} + \beta S_{\mathrm{direct}} + \gamma S_{\mathrm{version}} + \delta S_{\mathrm{independent}}.

第四階段：核心抽取

K_j = \operatorname{Invariant}(C_j),

但抽取的核心必須附帶其支撐與不適用邊界。

第五階段：矛盾保存

若兩命題：

p_i\land p_j\models\bot,

則不得只因一方較常見就自動刪除另一方，而應保存：

X_{ij} = \left( p_i,p_j, \text{各自證據}, \text{適用條件}, \text{未決狀態} \right).

8.3 集中保真度

令集中前的關鍵不變量集合為 $\mathcal I(\mathcal R)$ ，集中結果為 $Y$ ：

\operatorname{CFid} = \frac{ |\mathcal I(Y)\cap\mathcal I(\mathcal R)| }{ |\mathcal I(\mathcal R)| }.

定義矛盾保存率：

\operatorname{CPR} = \frac{|\mathcal X_Y\cap\mathcal X_R|}{|\mathcal X_R|}.

若一個摘要非常流暢但：

\operatorname{CPR}\approx0,

則它可能只是把爭議抹平，而不是完成可靠集中。

8.4 集中與壓縮的差異

一般壓縮關心：

\frac{|Y|}{|\mathcal R|}.

可靠集中還關心：

\operatorname{Traceability}(Y),

\operatorname{BoundaryPreservation}(Y),

以及：

\operatorname{MinorityEvidenceRetention}(Y).

因此：

\boxed{ \text{集中} \neq \text{刪到只剩最常見敘述} }

九、發散—集中對偶

9.1 不是互相抵銷，而是兩個不同階段

發散擴大候選空間：

\mathsf D: \mathcal Q \rightarrow \mathcal P(\mathcal Q),

集中把候選空間轉換為結構化結果：

\mathsf C: \mathcal P(\mathcal R) \rightarrow \mathcal Y.

兩者組合：

q \xrightarrow{\mathsf D} \{q_1,\ldots,q_m\} \xrightarrow{\mathrm{Retrieve}} \mathcal R \xrightarrow{\mathsf C} Y.

9.2 集中不是發散的逆函數

一般而言：

\mathsf C(\mathsf D(q)) \neq q.

因為發散可能發現原問題未包含的新證據、衝突與結構。集中後的結果 $Y$ 應該是受證據修正的新狀態，而不是回到起點。

9.3 對偶效用

設發散後的覆蓋增益為：

G_D = \operatorname{Coverage}(\mathcal R_D) - \operatorname{Coverage}(\mathcal R_0),

集中後的認知負擔降低為：

G_C = \operatorname{Load}(\mathcal R_D) - \operatorname{Load}(Y).

可靠流程需同時保持：

G_D>0,

G_C>0,

以及：

\operatorname{CFid}\geq\theta_F.

十、後設索引控制器：何時使用哪一條路徑

10.1 索引程式

GCMS 的索引控制器不是固定選擇一種模式，而是生成算子序列：

\pi_q = (o_1,o_2,\ldots,o_T),

其中：

o_t\in\mathfrak I.

例如：

\pi_1 =(\mathsf B,\mathsf J,\mathsf C),

表示先做局部區塊定位，再跨系列跳躍，最後聚合。

又如：

\pi_2 =(\mathsf J,\mathsf F^{-},\mathsf D,\mathsf C),

表示先以生成核跳到遠端作品，再沿時間流回溯來源，之後發散搜尋相關分支，最後集中。

10.2 控制器狀態

控制器輸入：

\Sigma_t = \left( q, E_t, U_t, X_t, B_t, R_t, P_t \right),

其中：

$E_t$ ：目前證據；
$U_t$ ：不確定性；
$X_t$ ：衝突程度；
$B_t$ ：資源預算；
$R_t$ ：剩餘遞歸深度；
$P_t$ ：權限與治理政策。

動作選擇：

o_{t+1} = \Pi(\Sigma_t).

10.3 效用函數

可定義：

\begin{aligned} U(\pi_q) ={}& \alpha R_{\mathrm{relevance}} + \beta R_{\mathrm{coverage}} + \gamma R_{\mathrm{faithfulness}}\\ &+ \delta R_{\mathrm{diversity}} + \eta R_{\mathrm{traceability}} - \lambda C_{\mathrm{cost}} - \mu C_{\mathrm{risk}}. \end{aligned}

控制器目標：

\pi_q^\ast = \underset{\pi}{\operatorname{argmax}} U(\pi).

10.4 停止條件

索引不能永遠展開。停止條件可為：

\Delta U_t<\varepsilon,

或：

\operatorname{Coverage}(E_t)\geq\theta_C,

或：

B_t\leq0,

或：

\operatorname{StateRepeat}(\Sigma_t)=1,

或需要外部權限與人工判斷。

十一、核心命題與猜想

命題一：索引任務非同質命題

不存在一個固定索引策略 $I^\ast$ ，能對所有任務分布 $\mathcal Q$ 同時最大化：

\{ \text{局部精確度}, \text{時間連續性}, \text{遠距橋接}, \text{候選多樣性}, \text{全局壓縮}, \text{證據保真}, \text{低成本} \}.

只要存在兩類任務 $q_a,q_b$ ，其最優尋址幾何不同，即有：

\operatorname{argmax}_{I}U(I\mid q_a) \neq \operatorname{argmax}_{I}U(I\mid q_b).

命題二：多路徑支配猜想

對具有局部、時間、跨文件與全局任務混合的查詢分布，若後設控制器能正確選擇算子序列，則：

\mathbb E_{q\sim\mathcal Q} [U(\pi_q^\ast)] > \max_{I\in\mathfrak I} \mathbb E_{q\sim\mathcal Q} [U(I(q))].

此命題不是宣稱多路徑對每一查詢都優於最佳單一路徑，而是宣稱在異質任務分布上，動態選路的平均效用可能更高。

命題三：邊界—連續性張力命題

更細的區塊通常提高局部可定位性，卻可能降低跨區塊連續性：

\frac{\partial R_{\mathrm{local}}}{\partial g}>0,

\frac{\partial R_{\mathrm{flow}}}{\partial g}<0,

其中 $g$ 表示分塊細粒度。

因此最佳粒度依任務而變：

g^\ast=g(q).

命題四：跳躍增益命題

當答案證據分散於語義距離遠但關係上可橋接的節點時，加入有證據的跳躍邊可提升召回或降低尋址成本：

\operatorname{JG}(q)>0.

但若跳躍邊缺少作用域與不相容條件，漂移風險上升。

命題五：發散—集中對偶命題

只發散會提高覆蓋但增加成本與噪音；只集中會降低負擔但可能遺失新穎性與少數證據。對開放問題，存在一組非零發散與非零集中強度：

(d^\ast,c^\ast), \qquad d^\ast>0, \quad c^\ast>0,

使總效用高於任一極端。

命題六：矛盾保存命題

若集中算子只以頻率、相似度或摘要流暢度作為目標，則隨壓縮率提高，矛盾保存率可能下降：

\frac{\partial\operatorname{CPR}}{\partial\operatorname{Compression}}<0.

加入顯式矛盾邊與少數證據保留政策，應能改善此問題。

命題七：可重演索引命題

若索引結果保存：

\left( \pi, \theta, \text{版本}, \text{證據}, \text{隨機種子} \right),

則在底層知識狀態不變時，索引路徑應可被近似重演。若系統只保存最終回答，而不保存路徑，則無法區分來源變動、模型漂移與索引策略改變。

十二、評估框架

12.1 任務類型

建立五類基準：

局部定位任務：找定義、公式、段落與直接證據；
演化重建任務：找版本、前置命題與形成順序；
橋接任務：找跨系列、跨術語與跨學科關係；
發現任務：對開放問題生成多種有證據的研究方向；
全局集中任務：抽取核心、聚合系列並保存矛盾。

12.2 比較系統

至少比較：

BM25 或全文檢索；
單一向量近鄰；
單一知識圖檢索；
固定 chunk RAG；
多路徑但無控制器；
完整多路徑控制器。

12.3 主要指標

局部檢索：

\mathrm{Recall@k}, \quad \mathrm{MRR}, \quad \mathrm{nDCG@k}.

流式重建：

\operatorname{FC}, \quad \operatorname{FDC}, \quad \operatorname{VersionAccuracy}.

跳躍：

\operatorname{JG}, \quad \operatorname{JD}, \quad \operatorname{HopCount}.

發散：

\operatorname{BCov}, \quad \operatorname{BDiv}, \quad \operatorname{NovelEvidenceRate}.

集中：

\operatorname{CFid}, \quad \operatorname{CPR}, \quad \operatorname{Traceability}.

成本：

C = \alpha T_{\mathrm{latency}} + \beta N_{\mathrm{retrieval}} + \gamma N_{\mathrm{tokens}} + \delta N_{\mathrm{graph\,ops}}.

12.4 消融實驗

依序移除：

流式邊；
生成核跳躍；
反例邊；
發散分支；
集中矛盾保存；
後設控制器。

若移除某一算子只影響對應任務，而不顯著影響其他任務，支持五種索引具有功能分化。若單一向量檢索在所有任務與成本下都不劣於多路徑系統，則本文核心猜想受到否證。

十三、工程架構

13.1 七層架構

GCMS 多路徑索引可分為：

\begin{aligned} L_0&=\text{無損來源與版本層},\\ L_1&=\text{多粒度區塊層},\\ L_2&=\text{時間與生成流層},\\ L_3&=\text{多關係圖與跳躍層},\\ L_4&=\text{發散／集中算子層},\\ L_5&=\text{後設控制與停止層},\\ L_6&=\text{證據、審計與治理層}. \end{aligned}

13.2 索引紀錄

每次索引執行保存：

{
  "trace_id": "TRACE-...",
  "query": "...",
  "operators": ["block", "jump", "flow-backward", "diverge", "converge"],
  "parameters": {},
  "retrieved_units": [],
  "evidence_citations": [],
  "conflicts": [],
  "stop_reason": "coverage_satisfied",
  "cost": {},
  "knowledge_snapshot": "sha256:..."
}

13.3 候選路徑與正式知識分離

索引路徑可能產生新的橋接與群集，但這些結果不應直接改寫正式知識圖。

應分成：

\mathcal E = \mathcal E_{\mathrm{accepted}} \cup \mathcal E_{\mathrm{candidate}}.

候選跳躍邊、生成核或群集需經：

\operatorname{Propose} \rightarrow \operatorname{Verify} \rightarrow \operatorname{Accept/Reject}.

十四、失敗模式與治理邊界

14.1 過度分塊

系統返回大量局部正確但無法組合的片段。

治理：保留父區塊、章節作用域與跨區塊依賴。

14.2 邊界鎖死

早期錯誤切分被永久制度化。

治理：允許多粒度視圖與版本化重新分塊。

14.3 流式近期偏誤

新內容自動覆蓋舊內容的重要性。

治理：分離時間新近性、因果重要性與證據品質。

14.4 語義瞬移

高階詞彙相似造成跨域錯誤映射。

治理：每次跳躍保存理由、作用域與不相容條件。

14.5 發散爆炸

分支數量增長，但資訊增益下降。

治理：分支預算、重複檢測、邊際增益停止與人工閘門。

14.6 集中抹平

少數證據、反例與真正矛盾被「主題摘要」消失。

治理：顯式矛盾邊、矛盾保存率與少數證據配額。

14.7 自我強化索引漂移

系統依自己生成的群集建立新跳躍，再用新跳躍證明原群集合理。

治理：來源邊、候選邊與接受邊分區；禁止候選關係自我驗證。

14.8 權限穿越

高層社群摘要或圖統計洩漏不可見作品的存在與主題。

治理：所有聚合與跳躍必須在查詢主體可見子圖上執行：

\mathcal G_p = \mathcal G[\mathcal U_p].

十五、與 GCMS 既有雙軌記憶架構的關係

上一篇建立：

\mathrm{GCMS} = \mathrm{LosslessArchive} + \mathrm{SemanticMemory} + \mathrm{EvidenceBridge}.

本文進一步說明，語義記憶本身不能只是一個向量表，而應是：

\mathrm{SemanticMemory} = \left( \mathcal G, \mathfrak I, \Pi, \mathcal T \right),

其中：

$\mathcal G$ ：統一知識底圖；
$\mathfrak I$ ：五類索引算子；
$\Pi$ ：後設控制器；
$\mathcal T$ ：可重演軌跡。

雙軌架構保證原文可以被驗證；多路徑索引則決定在何時、以何種幾何找到原文與語義結構。

完整形式為：

\boxed{ \begin{aligned} \mathrm{GCMS}_{\mathrm{index}} ={}& \mathrm{LosslessSource}\\ &+ \mathrm{MultiGranularBlocks}\\ &+ \mathrm{TemporalFlows}\\ &+ \mathrm{GraphJumps}\\ &+ \mathrm{DivergentSearch}\\ &+ \mathrm{ConvergentIntegration}\\ &+ \mathrm{MetaControl}\\ &+ \mathrm{EvidenceTrace}. \end{aligned} }

十六、結論

知識索引不是一個可以被單一相似度函數完全取代的問題。

不同任務要求不同尋址幾何：

區塊索引處理局部可操作性；
流式索引保存形成方向與狀態轉換；
跳躍索引跨越線性鄰接與表面術語；
發散索引擴大問題與證據空間；
集中索引恢復核心、證據與矛盾結構。

因此：

\boxed{ \text{多路徑知識索引} \neq \text{多個搜尋框並列} }

它是一套可組合的知識運算子，以及一個根據任務、不確定性、成本與治理限制選擇運算路徑的後設控制系統。

若這套理論成立，GCMS 未來不會只回答「最相關的文章是哪一篇」，而能回答：

該從哪一個局部證據開始；
該沿哪條時間與生成路徑回溯；
該跳到哪個遠距系列；
該展開哪些相互獨立的研究分支；
最後哪些內容可以合併，哪些矛盾必須保留。

這使索引從資料庫查詢提升為：

\boxed{ \text{可驗證的知識路徑生成} }

而下一篇將在此基礎上處理更進一步的問題：當系統找到多個知識單元後，它如何不只重建既有作品，而是進行生成、組合與跨域再結構化。

參考文獻

[1] Chekaf, M., Cowan, N., & Mathy, F. (2016). Chunk Formation in Immediate Memory and How It Relates to Data Compression. Cognition, 155, 96–107.
https://pmc.ncbi.nlm.nih.gov/articles/PMC4983232/

[2] Chen, Z., & Cowan, N. (2009). Core Verbal Working-Memory Capacity: The Limit in Words Retained Without Covert Articulation. Quarterly Journal of Experimental Psychology, 62(7), 1420–1429.
https://pmc.ncbi.nlm.nih.gov/articles/PMC2693080/

[3] Bladon, J. H., et al. (2019). In a Temporally Segmented Experience Hippocampal Neurons Represent Temporally Drifting Context But Not Discrete Segments. Journal of Neuroscience.
https://pubmed.ncbi.nlm.nih.gov/31253754/

[4] DuBrow, S., & Davachi, L. (2016). Temporal Binding Within and Across Events. Neurobiology of Learning and Memory, 134, 107–114.
https://pubmed.ncbi.nlm.nih.gov/27422018/

[5] Lohnas, L. J., et al. (2023). Neural Temporal Context Reinstatement of Event Structure During Memory Recall. Communications Biology.
https://pmc.ncbi.nlm.nih.gov/articles/PMC10293072/

[6] Malkov, Y. A., & Yashunin, D. A. (2020). Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence, 42(4), 824–836.
https://arxiv.org/abs/1603.09320

[7] Hu, Y., et al. (2024). GRAG: Graph Retrieval-Augmented Generation.
https://arxiv.org/abs/2405.16506

[8] Chen, W., et al. (2024). KG-Retriever: Efficient Knowledge Indexing for Retrieval-Augmented Large Language Models.
https://arxiv.org/abs/2412.05547

[9] Edge, D., et al. (2024). From Local to Global: A Graph RAG Approach to Query-Focused Summarization.
https://arxiv.org/abs/2404.16130

[10] Huang, Y., Zhang, S., & Xiao, X. (2025). KET-RAG: A Cost-Efficient Multi-Granular Indexing Framework for Graph-RAG.
https://arxiv.org/abs/2502.09304

[11] Fang, Z., et al. (2021). A Query-Driven Topic Model. Findings of ACL-IJCNLP 2021.
https://aclanthology.org/2021.findings-acl.154.pdf

[12] Liu, J., et al. (2026). Scaling Retrieval-Augmented Reasoning with Parallel Search and Explicit Merging.
https://arxiv.org/html/2605.13534v1

[13] Jauk, E., Benedek, M., & Neubauer, A. C. (2012). Tackling Creativity at Its Roots: Evidence for Different Patterns of EEG Alpha Activity Related to Convergent and Divergent Modes of Task Processing. International Journal of Psychophysiology, 84(2), 219–225.
https://pmc.ncbi.nlm.nih.gov/articles/PMC3343259/

[14] Liu, C., Lin, Y., Ye, C., Yang, J., & He, W. (2023). Alpha ERS-ERD Pattern During Divergent and Convergent Thinking Depends on Individual Differences on Metacontrol. Journal of Intelligence, 11(4), 74.
https://pmc.ncbi.nlm.nih.gov/articles/PMC10144848/

[15] Zhao, Y., et al. (2025). E²GraphRAG: Streamlining Graph-Based RAG for High Efficiency and Effectiveness.
https://arxiv.org/abs/2505.24226

系列銜接

上一篇：《無損保存與近無損語義重建：GCMS 的雙軌記憶架構》

下一篇：《知識不只被重建：生成、組合與跨域再結構化》

05_多路徑知識索引_區塊流式跳躍發散與集中