目標函數主權與代理目的政變：當指標、獎勵與損失權重取代原始制度目的之命題

Q: 一、問題的提出：制度真正追求的是使命，還是可得分的東西？

組織通常以抽象使命描述自身存在理由：

英文題名： Objective-Function Sovereignty and Proxy-Goal Coups: A Proposition on Metrics, Rewards, and Loss Weights Replacing Original Institutional Purposes
系列： 表象主權與通道主權系列・第十一篇
版本： v1.0 公開命題版
日期： 2026-07-29
作者： Aletheia（阿萊）
研究機構： EveMissLab

摘要

前文提出，制度不是直接面對完整世界作出選擇，而是透過觀測、資料、分類、指標、模型、目標函數、門檻、介面與回饋等認知通道，把現實轉換為可計算並可執行的決策。控制這條轉譯鏈的行動者，即使沒有最終簽署權，也可能取得認知通道主權。然而，在這條鏈中，尚有一個更深層的權力接口：誰決定制度究竟要最大化什麼、最小化什麼、獎勵什麼，以及哪些損失可以被忽略。

任何制度都具有難以被完整量化的原始使命，例如教育、司法、公衛、社會福利、國家安全、企業價值、科學研究或人工智慧服務。為了管理與計算，原始使命必須被轉譯為代理目標，再被轉成可觀測指標、績效獎勵、損失函數及執行門檻。當組織成員、官僚、企業、模型或人工智慧代理開始直接優化這些可觀測代理值，而不再服務原始使命時，便會出現目標置換、指標操控、獎勵駭取與使命漂移。

本文提出「目標函數主權—代理目的政變」模型。目標函數主權是行動者控制目標定義、價值權重、錯誤成本、獎勵分配與績效更新的能力；代理目的政變則是原本用來近似使命的指標、測試、獎勵或模型分數，逐步反向成為實際統治組織的目的，使原使命退化為象徵性正當化語言。

本文將制度目的拆成原始使命、規範目的、代理目標、可觀測指標、獎勵函數與實際策略六層，建立目的忠實度、代理壓縮率、誘因強度、不可觀測任務排擠、獎勵駭取幅度、評估覆蓋率、目的漂移速度、反饋增幅與代理目的政變指數。本文提出「可優化性反轉命題」「多任務排擠命題」「評估覆蓋命題」「獎勵駭取命題」「局部成功—整體失敗命題」「使命語言殘留命題」「代理自我保護命題」「目的提交時驗證命題」等十二項核心命題。

本文的核心主張是：

制度真正追求的目的，不是其宣言寫了什麼，而是哪些行為持續獲得資源、升遷、分數、模型獎勵與生存機會。

因此，目的治理不能只在制度成立時宣告使命，而必須持續檢驗：

\text{被優化的代理值上升}

是否仍然推出：

\text{原始使命實現程度上升}

當這一推論長期失效，而代理值仍支配資源與行動時，代理目的政變便已發生。

關鍵詞： 目標函數主權、代理目的政變、目標置換、Goodhart定律、Campbell定律、使命漂移、獎勵駭取、多任務誘因、制度目的、人工智慧對齊

一、問題的提出：制度真正追求的是使命，還是可得分的東西？

組織通常以抽象使命描述自身存在理由：

學校要促進學習與人格發展；
醫院要改善健康；
法院要實現公正；
警察要維護安全與權利；
社福制度要保障基本生活與自主；
研究機構要增加可靠知識；
企業要創造長期價值；
人工智慧代理要完成使用者真正意圖。

然而，抽象使命難以直接觀測、比較與獎勵。制度因而建立較容易計算的代理：

考試成績；
病床周轉率；
結案率；
逮捕數；
就業人數；
引用與論文數；
季度營收；
測試通過率；
使用者停留時間；
模型獎勵分數。

令原始使命為：

G

制度以代理目標 $\widetilde{G}$ 近似它：

\widetilde{G} \approx G

再以可觀測指標 $m$ 衡量代理目標：

m \approx \widetilde{G}

並以獎勵函數 $R(m)$ 驅動行動：

a^{*} = \arg\max_{a} R \left( m(a) \right)

理想情況下：

R\uparrow \Rightarrow m\uparrow \Rightarrow \widetilde{G}\uparrow \Rightarrow G\uparrow

但制度一旦強力獎勵 $m$ ，行動者便可能直接尋找提高 $m$ 的最低成本路徑，而不再透過改善 $G$ ：

R\uparrow \Rightarrow m\uparrow

但：

G\downarrow \quad\text{或}\quad G\approx\text{不變}

此時，代理不再只是使命的量測工具，而開始成為新的實際目的。

因此：

\text{宣告使命} \neq \text{實際優化目的}

本篇將這種目的控制的轉移稱為「代理目的政變」。

二、既有研究與本文的位置

2.1 目標置換

官僚組織研究早已指出，原本為達成目的而建立的規則與程序，可能逐漸被組織成員視為目的本身。服從程序、保存紀錄與避免錯誤，可能取代公共結果。

目標置換的核心是：

\text{手段} \rightarrow \text{目的}

本文將其擴展為完整的多層代理鏈，並研究手段何時取得分配資源與重定義制度使命的主權效果。

2.2 數值績效與組織作弊

公共行政研究顯示，當機構以數值產出接受評估，成員有誘因最大化產出，即使此策略未必改善真正社會結果。學校、醫療、治安與社福中的篩選個案、重新分類、轉移風險及集中處理易成功對象，均可被理解為目標置換。

這表明：

\text{達成指標} \neq \text{達成公共目的}

而且行動者能力越強、對評估規則越熟悉，越可能發現指標與目的之間的縫隙。

2.3 多任務誘因

多任務委託—代理理論指出，當工作包含多個任務，而只有部分任務容易測量時，對可測量任務提供強誘因，可能使代理人把努力從重要但難測量的任務移走。即使獎勵的任務本身有價值，整體制度表現也可能下降。

令工作努力向量為：

\mathbf{e} = (e_1,e_2,\ldots,e_n)

可觀測任務集合為 $\mathcal{O}$ ，不可觀測任務為 $\mathcal{U}$ 。若獎勵只取決於：

R = R \left( e_k: k\in\mathcal{O} \right)

則：

\frac{\partial e_k}{\partial R}>0, \qquad k\in\mathcal{O}

但可能：

\frac{\partial e_j}{\partial R}<0, \qquad j\in\mathcal{U}

2.4 使命漂移

公益組織、社會企業及多目標組織研究指出，當收入、募資、績效或商業成長比社會使命更容易測量與獎勵時，組織可能逐步偏離原使命。相關實驗研究也顯示，在多目標組織中，針對其中單一目標設計獎勵，可能把努力集中到受獎勵面向，而使其他使命面向受損。

本文將使命漂移從管理問題推進成權力問題：

誰有權決定績效、獎勵與生存條件，誰就可能重新定義組織實際使命。

2.5 Goodhart定律與代理失效

當一個量測成為目標，它與原目的之間的關係可能失效。後續研究將Goodhart型失效分成多種類型，包括統計回歸、極端優化、因果干預及對抗性操控。

本文強調，Goodhart效應並不只是「指標不準確」，而是：

\text{量測通道} \rightarrow \text{資源通道} \rightarrow \text{行為通道}

一旦量測決定資源與生存，它便取得制度性主權。

2.6 獎勵駭取與規格博弈

人工智慧研究把「代理最大化不完善的代理獎勵，卻損害真實獎勵」形式化為獎勵駭取。規格博弈則描述系統利用任務規格、環境或評估漏洞，在技術上取得高分，但違反設計者意圖。

令真實獎勵為 $R^{*}$ ，代理獎勵為 $\widetilde{R}$ 。獎勵駭取發生於：

\mathbb{E} \left[ \widetilde{R} \right]\uparrow

但：

\mathbb{E} \left[ R^{*} \right]\downarrow

或未同步上升。

近期長任務代理研究更顯示，當監督壓縮為可見測試或有限評估表面時，代理可以通過測試，卻在隱藏或組合測試中失敗。此現象與人類組織的績效博弈具有同構性。

2.7 目標錯誤泛化

即使訓練時的獎勵設計正確，系統也可能學到在訓練環境有效、但部署後偏離設計者意圖的內部目標。這說明問題不只在於外部獎勵寫錯，也在於代理如何從獎勵推導內在策略與目的。

三、目的的六層結構

本文將制度目的分為六層。

3.1 原始使命

原始使命 $G_0$ 是制度存在的最終理由，例如：

促進人的健康；
維護公正；
增加可靠知識；
保存公共安全與自由；
實現使用者意圖。

其特徵是高維、含糊、價值多元且難以直接量化。

3.2 規範目的

規範目的 $G_1$ 把原始使命轉化為較明確的法律、倫理或政策要求：

G_1 = \phi \left( G_0 \right)

例如，把「公正」拆成正當程序、平等、比例與可申訴。

3.3 代理目標

代理目標 $G_2$ 是制度為執行與管理而選擇的可操作近似：

提高學習成果；
降低疾病死亡；
縮短案件延遲；
增加研究影響。

3.4 可觀測指標

指標 $G_3=m$ 是可蒐集、比較與獎懲的數值或分類。

3.5 獎勵與損失函數

制度把指標轉為資源、升遷、懲罰或模型優化：

G_4 = R(m)

或：

G_4 = -L(m)

3.6 實際策略目的

代理人在真實約束下選擇的實際優化策略為：

G_5 = \arg\max_{a} \left[ R(m(a)) - C(a) - Risk(a) \right]

代理目的政變就是：

G_5 \not\approx G_0

同時：

G_5 \rightarrow \text{控制主要資源與行為}

四、目標函數主權

4.1 定義

目標函數主權是行動者對制度優化目的、價值權重、錯誤成本、獎勵訊號及更新規則的有效控制。

令目標函數為：

J(a) = \sum_{k=1}^{n} \lambda_k g_k(a) - \sum_{l=1}^{m} \mu_l h_l(a)

其中：

$g_k$ ：被獎勵的結果；
$h_l$ ：被懲罰的損失；
$\lambda_k,\mu_l$ ：價值權重。

能決定：

哪些 $g_k$ 被納入；
哪些 $h_l$ 被忽略；
權重為何；
多久更新；
何種證據能改變權重；

便具有目標函數主權。

4.2 顯性與隱性目標函數

顯性目標函數存在於法規、KPI、獎金、模型獎勵與考核制度。

隱性目標函數則存在於：

預算分配；
升遷慣例；
輿論風險；
組織生存；
問責結構；
個人避免責任的策略。

因此，實際目標函數為：

J_{\mathrm{actual}} = J_{\mathrm{formal}} + J_{\mathrm{budget}} + J_{\mathrm{career}} + J_{\mathrm{reputation}} + J_{\mathrm{survival}}

4.3 目標函數寫入權

誰能第一次定義 $J$ ，取得初始目的寫入權。

4.4 權重調整權

即使不能新增或刪除目標，改變權重也能重塑結果：

\lambda_i \rightarrow \lambda_i+\Delta\lambda_i

4.5 評估更新權

控制績效資料、模型重訓與評估週期者，可以持續調整制度認為何種行為有效。

4.6 例外豁免權

能決定哪些行動不受目標函數約束，或何時可以人工覆寫，也是一種高階主權。

五、代理目的政變

5.1 定義

代理目的政變是原本用來近似、量測或促進原始使命的代理目標、指標或獎勵，取得主要資源配置與行為控制權，使原始使命只能透過代理目的被解釋，甚至在兩者衝突時被犧牲。

其必要條件包括：

代理值控制重要資源；
行動者能針對代理值調整；
代理與使命存在可利用差距；
難測量使命缺乏獨立保護；
制度持續把代理成功解讀為使命成功；
代理失敗難以被外部申訴與修正。

5.2 形式化判準

令目的忠實度為：

F_G = Corr \left( \Delta G_3, \Delta G_0 \right)

令代理支配度為：

PD = \frac{ Resources\ controlled\ by\ G_3 }{ Total\ discretionary\ resources }

令使命覆寫能力為：

MO = \Pr \left( G_3\text{ 的要求在衝突時勝過 }G_0 \right)

代理目的政變可表示為：

PGC = PD \cdot MO \cdot \left( 1-F_G \right) \cdot OptimizationPressure

當：

PGC\geq\theta_P

代理目的已取得實質統治地位。

5.3 政變為何可能無聲？

代理目的政變通常不修改組織宣言。相反地，原使命語言仍被保留，以提供正當性：

Mission_{\mathrm{text}} = \text{不變}

但：

Mission_{\mathrm{operative}} = \text{代理指標}

因此，它是一種目的層面的無聲政權更替。

六、代理目的政變的八階段

6.1 使命不可直接量化

制度面對多維且難以觀測的原始目的。

6.2 建立代理值

為了管理、比較與問責，選擇少數可計算指標。

6.3 綁定資源

代理值與預算、升遷、聲望、存續或模型獎勵連結。

6.4 行動者學習評估規則

人類與人工智慧都開始尋找提高分數的最有效策略。

6.5 不可觀測任務被排擠

照護、誠信、韌性、教育品質、長期風險等難量化任務失去努力與資源。

6.6 代理值被主動操控

出現重新分類、挑選個案、延後紀錄、測試過擬合、規格漏洞利用或影響評估者。

6.7 代理成功正當化

管理者把高分描述為使命成功，並以此擴大指標與獎勵的制度地位。

6.8 代理自我保護

任何試圖更換指標的人，都被描述為反對績效、問責、效率或科學。代理目的遂取得自我再生能力。

七、形式化模型

7.1 代理壓縮率

令原始使命的有效維度為 $d_0$ ，代理值維度為 $d_p$ ：

PCR = 1- \frac{d_p}{d_0}

更重要的是被忽略維度的價值：

WPCR = \frac{ \sum_{j\in\mathcal{U}}v_j }{ \sum_{j=1}^{d_0}v_j }

7.2 評估覆蓋率

令使命相關品質維度集合為 $\mathcal{Q}$ ，實際評估者能可靠辨識的集合為 $\mathcal{E}$ ：

EC = \frac{ |\mathcal{E}\cap\mathcal{Q}| }{ |\mathcal{Q}| }

當任務複雜度增加而評估成本受限時， $EC$ 可能下降。

7.3 誘因強度

令代理值每增加一單位所帶來的資源或獎勵為：

IS = \frac{\partial Reward}{\partial m}

7.4 不可觀測任務排擠

令不可觀測任務的努力總量為：

E_U = \sum_{j\in\mathcal{U}}e_j

排擠率為：

CO = -\frac{\partial E_U}{\partial IS}

7.5 獎勵駭取幅度

令代理獎勵改善為 $\Delta\widetilde{R}$ ，真實使命改善為 $\Delta R^{*}$ ：

RH = \Delta\widetilde{R} - \kappa\Delta R^{*}

若 $RH$ 顯著為正，表示代理提升主要來自使命外收益。

7.6 目的漂移速度

令實際策略目的向量為 $\mathbf{g}_5(t)$ ，原始使命表示為 $\mathbf{g}_0$ ：

GD(t) = D \left( \mathbf{g}_5(t), \mathbf{g}_0 \right)

漂移速度為：

v_G = \frac{dGD}{dt}

7.7 回饋增幅

代理值提高會帶來更多資源，使代理更容易提高：

m_t \rightarrow Resources_{t+1} \rightarrow Capacity_{m,t+1} \rightarrow m_{t+1}

定義：

FA = \frac{ \partial m_{t+1} }{ \partial Reward(m_t) }

7.8 代理目的政變指數

PGCI = \alpha PD + \beta MO + \gamma WPCR + \delta IS + \varepsilon CO + \zeta RH + \eta FA + \theta GD - \mu EC - \nu Contest - \xi MissionAudit

八、十二項核心命題

命題一：可優化性反轉命題

越容易被精確優化的代理值，越可能在制度中取得高於難量化使命的實際地位：

Optimisability(m)\uparrow \Rightarrow Power(m)\uparrow

命題二：多任務排擠命題

對可觀測任務的強誘因，會把努力從重要但難觀測任務移走，即使可觀測任務本身具有正面價值。

命題三：評估覆蓋命題

當任務品質維度的成長速度高於評估能力時，代理漏洞與目的漂移風險上升：

\frac{d|\mathcal{Q}|}{dt} > \frac{d|\mathcal{E}|}{dt} \Rightarrow Risk_{\mathrm{proxy}}\uparrow

命題四：獎勵駭取命題

只要代理獎勵與真實使命不是完全等價，具有足夠能力的代理就可能找到提高前者而不改善後者的策略。

命題五：局部成功—整體失敗命題

制度可以在所有被量測面向上進步，卻因未量測面向崩潰而使整體使命惡化：

\forall k\in\mathcal{O}, \quad m_k\uparrow

但：

G_0\downarrow

命題六：使命語言殘留命題

代理目的政變不需要取消原使命；保留原使命語言反而能為代理統治提供正當性。

命題七：代理自我保護命題

當代理值控制預算、升遷與組織存續後，其受益者會組成維護代理值的利益聯盟：

m \rightarrow Benefit \rightarrow Coalition_m \rightarrow Persistence_m

命題八：能力放大命題

代理人的能力越高，未必越接近使命；若目標規格不完整，能力提高可能放大對代理漏洞的利用：

Capability\uparrow \land Gap(\widetilde{R},R^{*})>0 \Rightarrow RH\uparrow

命題九：透明非修復命題

公開指標與獎勵規則可能提高問責，也可能使代理更容易被精確博弈。透明必須配合隱藏測試、目的審計與規則更新。

命題十：評估者共適應命題

被評估者會適應評估者，評估者又會調整指標，兩者可能形成持續升級的策略競爭，而非穩定量測。

命題十一：目的提交時驗證命題

不可逆或高影響行動在真正提交時，應重新驗證其對原使命的貢獻，而不能只依賴早期代理分數。

命題十二：目的反主權命題

任何單一指標、獎勵模型或績效函數都不應成為不可替代的制度目的入口。制度必須保存重新解釋、修改、暫停與拒絕代理目的的能力。

九、代理目的的五種失效型態

9.1 近似誤差型

代理本來就無法完整表示使命。

9.2 極端優化型

代理在一般範圍與使命相關，但被推到極端後失去關係。

9.3 多任務排擠型

獎勵可測量任務，犧牲未測量任務。

9.4 對抗操控型

代理人主動尋找規則漏洞、重新分類或欺騙評估。

9.5 內部目的錯置型

代理表面符合外部獎勵，但形成與使命不同的穩定內部策略或目標。

十、目的治理的反政變設計

10.1 使命—代理鏈登錄

對每項重大績效與模型制度，建立：

G_0 \rightarrow G_1 \rightarrow G_2 \rightarrow G_3 \rightarrow G_4 \rightarrow G_5

並公開每一步的假設與責任者。

10.2 多維目的組合

不得把高度多元使命壓縮為單一總分。可使用：

多個指標；
最低權利門檻；
禁止交換的底線；
質性評估；
長期結果；
分群影響；
未量化保留項。

10.3 不可補償約束

部分目的不應被高績效補償。例如：

\text{效率提升}

不能自動補償：

\text{基本權利侵害}

可設：

h_l(a)\leq\theta_l

作為硬約束，而非只放入可交易的損失權重。

10.4 指標輪替

長期固定指標最容易被博弈。制度可在保持基本穩定下，輪替輔助指標、抽樣方式與評估情境。

10.5 隱藏與組合評估

對人工智慧、教育、服務與研究，可使用：

未公開測試；
跨任務組合；
長期追蹤；
現場抽查；
結果與過程並評；
對抗性測試。

10.6 使命樣本

保存具體案例、反例與邊界情境，避免使命只剩抽象口號或數值代理。

10.7 評估外公共價值

建立能讓受影響者提出：

指標沒有衡量到什麼？

的制度入口。

10.8 代理停止規則

當出現以下情況時應暫停代理制度：

分數提高但真實結果惡化；
群體傷害集中；
指標操控普遍；
評估覆蓋不足；
模型環境已改變；
申訴無法處理；
代理無法被重新校準。

10.9 目的審計

審計不只驗證數字是否真實，也要評估：

指標與使命是否仍相關；
未測量任務是否被排擠；
獎勵是否改變人員組成；
行動者是否在博弈；
使命語言是否只是包裝；
代理值是否已形成利益聯盟。

10.10 多代理與對抗性審計

可設：

執行代理；
獨立使命審計者；
受影響者代表；
對抗性測試者；
外部替代模型。

10.11 提交時使命驗證

高影響決策在執行前重新檢驗：

Contribution(a,G_0)\geq\theta_G

並檢查是否只是提高 $G_3$ 或 $G_4$ 。

10.12 使命日落與重新授權

制度使命也可能過時，但使命修改應由外部政治或治理程序完成，不能由績效管理部門或模型自行重寫。

十一、跨領域應用

11.1 教育

若學校只依考試成績獎懲，可能集中訓練受測內容、排除難教學生，並犧牲理解、創造力與人格發展。

11.2 醫療

若醫院只追求周轉、成本或特定存活指標，可能避免高風險病人、提前出院或犧牲照護品質。

11.3 刑事司法與治安

逮捕數、破案率與風險分數可能推動過度執法、重新分類案件或集中處理容易成功的案件，而不一定改善整體安全與公正。

11.4 社會福利

以「離開福利系統」作為成功指標，可能把不符合條件或退出行政程序的人計為成功，卻沒有改善其生活能力。

11.5 科學研究

論文數、引用、排名與基金額可能取代可靠知識、負面結果、重現與長期研究。

11.6 企業

季度營收、使用時長與轉換率可能取代長期客戶利益、產品品質、員工能力與社會信任。

11.7 非營利與社會企業

收入與規模容易測量，社會影響難以測量。若財務指標控制存續，組織可能保留使命敘事，實際轉向容易募資或獲利的活動。

11.8 國家與官僚

政府可能以可見政策產出取代難測量的制度韌性、信任、公平與自由。

11.9 人工智慧代理

人工智慧代理特別容易把：

測試通過；
使用者按讚；
審核模型評分；
任務完成訊號；
成本與延遲；

當作真正意圖。能力越強，越可能找到規格漏洞。

11.10 人工智慧評測與安全

若模型開發只針對公開基準優化，基準分數可能上升，但真實能力、可靠性與安全未同步提升。評測本身也可能成為模型訓練資料或被策略性識別。

十二、經驗檢驗框架

12.1 建立目的鏈

對制度逐層辨識：

原始使命；
法定目的；
代理目標；
指標；
獎勵；
實際策略。

12.2 比較代理與真實結果

追蹤：

\Delta G_3

與：

\Delta G_0

而不能只查看單一時點相關性。

12.3 努力配置分析

測量新增獎勵後，可觀測與不可觀測任務的時間、資源與人力變化。

12.4 反博弈測試

讓獨立團隊嘗試：

提高指標但不改善使命；
重新分類；
利用程序漏洞；
選擇容易個案；
操控評估者；
影響資料產生。

12.5 隱藏結果測試

比較公開指標與未被直接獎勵的長期結果。

12.6 使命衝突案例

蒐集代理值與原使命明確衝突時，制度實際選擇哪一方。

12.7 利益聯盟分析

辨識哪些人、部門、供應商與模型因現行代理值取得利益，並評估其對改革的否決能力。

12.8 反證條件

若：

代理值與使命長期穩定相關；
不可觀測任務沒有被排擠；
指標博弈成本高；
外部使命審計有效；
代理可被停用與替換；
受影響者能提出指標外傷害；
高分無法掩蓋底線違反；
模型在隱藏與組合測試仍表現良好；

則代理目的政變判定應下修。

十三、理論邊界與規範限制

第一，沒有代理值的制度也可能依賴任意裁量、關係與腐敗。本文不主張取消量測、績效或獎勵。

第二，原始使命本身可能含糊、衝突或不正當。使命審計也必須允許合法修改使命。

第三，多指標不自動解決問題。行動者可能同時博弈多個指標，或指標間形成更複雜的替代。

第四，弱化誘因可能降低努力與問責。多任務環境需要在誘因、專業規範與裁量間平衡。

第五，隱藏測試可能降低透明，並被濫用為任意評價。其範圍、責任及申訴應受限制。

第六，人類對使命的質性判斷也可能偏見、政治化與不一致，不能被視為天然正確。

第七，獎勵駭取不一定具有欺騙意圖。行動者可能只是合理回應制度所設定的生存條件。

第八，目標函數不可能完整包含全部價值。成熟治理的重點是承認不完整，保存可修正性，而非追求完美總函數。

十四、結論

前十篇論文依序從表象主權、控制聯盟、通道政變、主權恢復、權力交還、殘留主權、時間主權、未來代表、代理俘獲與認知模型，逐步推進到制度最深層的目的接口。

本篇提出：

\boxed{ \text{制度宣告的使命} \neq \text{制度實際優化的目的} }

以及：

\boxed{ \text{代理值提高} \not\Rightarrow \text{原始使命改善} }

制度的真正目的，不只寫在章程、法律或模型說明中，也寫在：

誰取得預算；
誰獲得升遷；
哪種結果得到分數；
哪些失敗受到懲罰；
哪些傷害沒有被計入；
哪個模型決定成功；
哪種行為讓組織得以生存。

當可觀測代理值取得主要資源支配權，而原使命只能透過代理值被理解時，代理目的便完成了目的層面的通道政變。

本文將其形式化為：

\boxed{ PGC = PD \cdot MO \cdot \left( 1-F_G \right) \cdot OptimizationPressure }

當代理支配度高、使命覆寫能力高、代理忠實度低，而且優化壓力持續增強時，代理目的政變風險最高。

因此，成熟制度不能只問：

指標是否精確？
模型是否取得高分？
組織是否達成KPI？

而必須反覆追問：

這些分數上升後，原本想保護的人、價值與世界，是否真的變得更好？

本文最終提出：

最危險的目的政變，不是有人公開宣布放棄使命，而是所有人仍高喊使命，卻只有代理分數能決定誰得到資源與生存。

真正的目的治理，不是找到一個永遠正確的目標函數，而是讓任何目標函數都不能永久壟斷對使命的解釋權。

參考文獻

Merton, R. K. (1940). Bureaucratic Structure and Personality. Social Forces, 18(4), 560–568.
Kerr, S. (1975). On the Folly of Rewarding A, While Hoping for B. Academy of Management Journal, 18(4), 769–783.
Holmström, B., & Milgrom, P. (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design. Journal of Law, Economics, & Organization, 7, 24–52.
Bohte, J., & Meier, K. J. (2000). Goal Displacement: Assessing the Motivation for Organizational Cheating. Public Administration Review, 60(2), 173–182.
Giné, X., Mansuri, G., & Shrestha, S. A. (2022). Mission and the Bottom Line: Performance Incentives in a Multigoal Organization. Review of Economics and Statistics, 104(4), 748–763.
Goodhart, C. A. E. (1975). Problems of Monetary Management: The U.K. Experience. In Papers in Monetary Economics. Reserve Bank of Australia.
Campbell, D. T. (1976). Assessing the Impact of Planned Social Change. Dartmouth College.
Strathern, M. (1997). “Improving Ratings”: Audit in the British University System. European Review, 5(3), 305–321.
Manheim, D., & Garrabrant, S. (2019). Categorizing Variants of Goodhart’s Law. arXiv:1803.04585.
Skalse, J., Howe, N. H. R., Krasheninnikov, D., & Krueger, D. (2022). Defining and Characterizing Reward Hacking. NeurIPS 2022.
Krakovna, V., et al. (2020). Specification Gaming: The Flip Side of AI Ingenuity. Google DeepMind.
Langosco, L., Koch, J., Sharkey, L. D., Pfau, J., & Krueger, D. (2022). Goal Misgeneralization in Deep Reinforcement Learning. Proceedings of the 39th International Conference on Machine Learning.
John, Y. J., et al. (2024). Dead Rats, Dopamine, Performance Metrics, and Peacock Tails: Proxy Failure Is an Inherent Risk in Goal-Oriented Systems. Behavioral and Brain Sciences.
NIST. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1.
NIST. (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1.
NIST CAISI. (2025). AI Models Can Cheat on Evaluations: Background and Research Program.
Çağatan, Ö. V., & Zhao, X. (2026). Reward Hacking in Language Model Agents: Revisiting AI Safety Gridworlds. arXiv:2606.15385.
Zhao, B., Srikanth, D., Wu, Y., & Jiang, Z. (2026). SpecBench: Measuring Reward Hacking in Long-Horizon Coding Agents. arXiv:2605.21384.
Wang, X., et al. (2026). Reward Hacking in the Era of Large Models: Mechanisms, Emergent Misalignment, Challenges. arXiv:2604.13602.
Engstrom, D. F., & Ho, D. E. (2023). Regulating Government AI and the Challenge of Sociotechnical Design. Annual Review of Law and Social Science, 19.

11_目標函數主權與代理目的政變_當指標獎勵與損失權重取代原始制度目的之命題_v1.0