多目標憲法與目的不可壟斷：價值底線、目標競合與動態權重治理命題

Q: 一、問題的提出：單一目標危險，多目標就安全嗎？

第十一篇將制度目的拆成六層：

英文題名： Multi-Objective Constitutions and the Non-Monopolization of Purpose: A Proposition on Value Floors, Objective Conflict, and Dynamic Weight Governance
系列： 表象主權與通道主權系列・第十二篇
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，制度宣告的使命不等於制度實際優化的目的。當原始使命被壓縮為代理目標、可觀測指標與獎勵函數後，最容易被計算和獎勵的代理值可能逐步取得資源、升遷與生存控制權，使原本用來服務使命的手段反向成為組織的實際目的，形成「代理目的政變」。然而，若解方只是增加更多指標，制度又可能陷入另一種困境：目標數量暴增、價值彼此衝突、權重不透明、責任分散，最終不是重新退化為單一總分，就是陷入無法決策的多目標癱瘓。

本文提出「多目標憲法—目的不可壟斷」模型。多目標憲法不是把所有價值簡單加總成單一效用函數，而是預先規定制度必須承認哪些不可約化的目標、哪些價值不得被其他績效補償、哪些目標具有優先序、哪些權重可以隨情境調整、誰有權調整，以及何種程序才能修改目標結構。本文將目標治理分為價值底線層、權利與禁限層、使命向量層、可協商權重層、情境切換層、執行最佳化層及修憲層。

本文建立目的向量、可行集合、不可補償約束、詞典序優先、Pareto前沿、動態權重、權重集中度、目標覆蓋率、目標排擠度、情境正當性、權重切換成本及多目標憲法韌性等形式化指標，並提出「價值不可完全通約命題」「底線不可補償命題」「目的不可壟斷命題」「Pareto非決策命題」「權重即政治命題」「危機權重日落命題」「多目標癱瘓命題」「執行者不得自訂憲法命題」等十二項核心命題。

本文的核心主張是：

制度不應由單一目標永久統治，也不能假裝所有價值都能以同一分數交換。成熟治理的任務，不是消除價值衝突，而是使衝突可見、底線不可交易、權重可問責、情境調整可逆。

因此，多目標憲法不是一個更複雜的總分公式，而是一套限制任何總分公式取得完整主權的上位制度。

關鍵詞： 多目標憲法、目的不可壟斷、價值多元、不可補償約束、Pareto前沿、動態權重、詞典序治理、政策一致性、人工智慧對齊、制度使命

一、問題的提出：單一目標危險，多目標就安全嗎？

第十一篇將制度目的拆成六層：

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

其中：

$G_0$ ：原始使命；
$G_1$ ：規範目的；
$G_2$ ：代理目標；
$G_3$ ：可觀測指標；
$G_4$ ：獎勵或損失函數；
$G_5$ ：行動者實際優化的策略。

代理目的政變發生於：

G_5\not\approx G_0

但 $G_5$ 已控制主要資源與組織行為。

最直接的修復方式似乎是：不要只使用單一目標，而是同時要求效率、公平、安全、權利、韌性、透明、長期價值、創新與成本控制。

令目標向量為：

\mathbf{G} = \left( g_1,g_2,\ldots,g_n \right)

制度可以嘗試最大化：

\max_{a\in\mathcal{A}} \mathbf{G}(a)

然而，多目標不會自動消除權力問題，反而立即產生五個新問題。

第一，目標可能互相衝突

例如：

安全與自由；
效率與公平；
速度與程序；
當期福利與長期韌性；
個人化與隱私；
創新與可驗證性。

不存在一項行動能同時把所有目標推到各自最大值。

第二，目標可能不可完全通約

尊嚴、生命、自由、效率與成本，不一定能穩定換算成同一單位。

第三，權重本身就是政治

即使承認多個目標，只要最後使用：

U(a) = \sum_{k=1}^{n} \lambda_k g_k(a)

誰決定 $\lambda_k$ ，誰仍控制制度的實際目的。

第四，過多目標可能使責任消失

任何失敗都可以被解釋為「為了另一項目標而犧牲」，使制度永遠無法被判定失敗。

第五，動態環境要求調整

戰爭、疫情、災害、財政危機、技術突破及社會價值變化，都可能改變目標的重要性；但若執行者能自由調整權重，又會重新取得目標函數主權。

因此，真正問題不是：

單目標還是多目標？

而是：

多個目標應以什麼結構共存，何者不可交換，何者可以權衡，權重由誰決定，以及權重變化如何被限制？

二、既有研究與本文的位置

2.1 價值多元

價值多元論指出，人類可能同時承認多個真實、重要且彼此不可還原的價值。自由、平等、忠誠、創造、仁慈、正義與秩序之間，未必存在一個永遠正確的共同尺度。

這不表示理性決策不可能，而是表示：

\text{價值衝突} \neq \text{計算錯誤}

某些衝突是真實且不可被單一總分消除的。

本文據此主張，制度目標不應被預設為可完全加總。

2.2 憲政與權力限制

憲政的基本功能之一，是使當期治理者受到高階規則限制。憲法不只分配權力，也可以規定某些權利、程序與政治正義條件，不得被普通政策利益任意交換。

本文把憲政概念移植到目的治理：

多目標憲法所限制的，不只是誰能下命令，也包括制度可以如何定義成功。

2.3 多任務誘因

多任務委託—代理理論說明，若只強力獎勵容易測量的任務，難測量任務會被排擠。這支持同時保護多個目標，但也提醒：把所有目標變成更多KPI，未必解決問題。

部分目標應透過：

專業規範；
程序；
權利底線；
資源保障；
組織分工；

加以保護，而不是全部量化成獎金。

2.4 多準則決策分析

多準則決策分析用於處理具有多個衝突目標、質性與量化準則以及多方觀點的公共決策。它能提高選擇過程的透明度，但不同聚合方法可能產生不同排序，權重與補償規則仍需正當化。

本文將多準則工具視為決策輔助，而非自動產生唯一正確答案的主權機器。

2.5 Pareto前沿

多目標最佳化不必把所有目標壓縮成單一分數。若不存在另一方案能在至少一項目標改善、且不損害其他目標，該方案稱為Pareto有效。

令可行方案集合為 $\mathcal{A}$ ，Pareto前沿為：

\mathcal{P} = \left\{ a\in\mathcal{A}: \nexists b\in\mathcal{A}, \mathbf{G}(b)\succeq\mathbf{G}(a) \land \mathbf{G}(b)\neq\mathbf{G}(a) \right\}

Pareto前沿能排除明顯劣勢方案，卻不能決定前沿上的哪個方案最正當。

2.6 非補償式多準則方法

在強永續、基本權利與安全治理中，部分價值不能被其他績效無限補償。例如，極高收益不一定能合理補償不可逆生態破壞或基本權利侵害。

因此，多目標治理需要硬約束與非補償結構，而不是只使用加權總和。

2.7 政策一致性

公共政策經常同時追求經濟、社會、環境、安全與世代目標。政策一致性研究強調，治理必須辨識協同與取捨，處理跨部門外溢，並使衝突進入整體政府的協調與問責程序。

本文將政策一致性進一步形式化為多目標憲法的執行能力。

2.8 人工智慧的多目標對齊

人工智慧對齊研究逐漸從單一總獎勵轉向獎勵分解、多目標強化學習、約束式對齊及多原則憲法。這些研究顯示，單一加權總和容易隱藏不同目標的失敗，也可能在極端權重下犧牲安全、幫助性或自主性。

本文則把技術多目標對齊提升為制度治理問題：模型可以計算目標，卻不能自行取得決定目標憲法的權力。

三、多目標憲法

3.1 定義

多目標憲法是一套規定制度目標集合、優先層級、不可補償底線、權重調整程序、情境切換規則、審計責任與修正權限的上位結構。

令多目標憲法為：

\mathfrak{C}_G = \left( \mathcal{V}, \mathcal{H}, \mathcal{G}, \Lambda, \mathcal{S}, \mathcal{A}, \mathcal{R} \right)

其中：

$\mathcal{V}$ ：不可違反的價值底線；
$\mathcal{H}$ ：權利、禁限與硬約束；
$\mathcal{G}$ ：可被追求的目標向量；
$\Lambda$ ：可調整權重集合；
$\mathcal{S}$ ：情境與狀態切換規則；
$\mathcal{A}$ ：誰有權調整、執行與審計；
$\mathcal{R}$ ：修憲與重新授權程序。

3.2 憲法不是總分公式

多目標憲法不等於：

U(a) = \sum_k\lambda_k g_k(a)

因為總分公式允許一項極高收益補償另一項嚴重損害。

更完整的結構應為：

\max_{a\in\mathcal{A}} \mathbf{G}(a;\boldsymbol{\lambda})

使得：

h_j(a)\leq\theta_j, \qquad \forall j\in\mathcal{H}

以及：

v_l(a)\geq\underline{v}_l, \qquad \forall l\in\mathcal{V}

也就是先滿足底線與硬約束，再於剩餘可行集合中處理目標權衡。

3.3 目的不可壟斷

目的不可壟斷是任何單一目標、指標、部門、模型或行動者，都不能永久取得解釋全部制度成功的排他權。

令單一目標 $g_i$ 對資源與決策的支配度為：

Dom(g_i) = \frac{ Resources_{g_i} + DecisionInfluence_{g_i} + SurvivalDependence_{g_i} }{ Total }

若：

Dom(g_i)\geq\theta_D

且其他目標缺乏獨立否決、資源或申訴入口，便形成目的壟斷。

四、七層目的憲法

4.1 價值底線層

規定制度不得跌破的最低條件，例如：

人格與尊嚴；
生命安全；
基本程序；
反歧視；
不可逆災難防護；
最低服務可及性。

表示為：

v_l(a)\geq\underline{v}_l

4.2 權利與禁限層

部分行動即使能提高總效益，也不得採取：

a\notin\mathcal{A}_{\mathrm{forbidden}}

此層不是給負效用一個很大權重，而是直接把行動排除在可行集合之外。

4.3 使命向量層

定義制度需要共同追求的目標：

\mathbf{G} = (g_{\mathrm{efficiency}}, g_{\mathrm{fairness}}, g_{\mathrm{safety}}, g_{\mathrm{quality}}, g_{\mathrm{resilience}}, g_{\mathrm{autonomy}}, g_{\mathrm{longterm}})

4.4 優先序層

部分目標可使用詞典序或分級優先：

g_1 \succ_{\mathrm{lex}} g_2 \succ_{\mathrm{lex}} g_3

但詞典序不應被濫用成單一目標永久優先，而應只適用於具充分法源的底線或特殊情境。

4.5 可協商權重層

在通過底線與優先限制後，剩餘目標可使用權重：

\boldsymbol{\lambda} = (\lambda_1,\ldots,\lambda_n), \qquad \sum_k\lambda_k=1

權重必須公開其來源、理由與影響。

4.6 情境切換層

不同狀態下可調整權重：

\boldsymbol{\lambda}(t) = f \left( s(t), E(t), P(t) \right)

其中：

$s(t)$ ：制度狀態；
$E(t)$ ：外部環境；
$P(t)$ ：合法政策偏好。

4.7 修憲層

新增、刪除目標，改變底線或調整權重權限，必須經比普通執行更高的程序。

五、不可補償約束

5.1 補償式治理

加權總和允許：

\Delta g_1>0

補償：

\Delta g_2<0

只要：

\lambda_1\Delta g_1 + \lambda_2\Delta g_2>0

5.2 不可補償底線

若 $g_2$ 是基本權利、安全或不可逆生態條件，制度可規定：

g_2(a)\geq\underline{g}_2

當低於底線時，無論其他目標多高，方案均不可採用。

5.3 分段補償

部分目標不是完全不可交換，而是只在安全區間內可權衡：

g_j\geq\underline{g}_j

時可進入加權；低於底線時轉為硬限制。

5.4 底線的危險

底線也可能：

過於僵硬；
被策略性定義；
造成政策失能；
被緊急狀態架空；
以「權利」名義保護既得利益。

因此，底線需要明確對象、比例性、司法與公共可爭議性。

六、Pareto治理與決策剩餘

6.1 Pareto支配

方案 $a$ 支配方案 $b$ ，若：

g_k(a)\geq g_k(b), \qquad \forall k

且至少一項嚴格較高。

支配方案可以被排除，降低不必要衝突。

6.2 Pareto前沿

前沿保留無法在不犧牲至少一項目標下改善的方案。

6.3 Pareto非決策

Pareto前沿通常包含多個方案：

|\mathcal{P}|>1

數學只能告訴制度哪些方案有效，不能決定社會應犧牲多少公平換取多少效率。

因此：

\text{Pareto有效} \neq \text{政治正當}

6.4 決策剩餘

令：

DR = \mathcal{P} \setminus \mathcal{D}_{\mathrm{determined}}

這部分必須由：

民主授權；
專業判斷；
受影響者參與；
法律權利；
公開理由；
情境責任；

共同處理。

七、動態權重治理

7.1 為何權重需要變動？

固定權重無法處理：

環境變化；
新技術；
危機；
公共偏好；
過去政策失敗；
目標達成程度改變。

例如，當某項安全指標已接近臨界值時，其邊際權重可能上升。

7.2 狀態依賴權重

令目標缺口為：

d_k(t) = \max \left( 0, \theta_k-g_k(t) \right)

權重可部分依目標缺口調整：

\lambda_k(t+1) = \frac{ \lambda_k(t) + \alpha d_k(t) + \beta r_k(t) }{ \sum_j \left[ \lambda_j(t) + \alpha d_j(t) + \beta r_j(t) \right] }

其中 $r_k(t)$ 是新風險訊號。

7.3 權重不得完全自動化

若模型能依自己量測的缺口調整目標權重，就可能形成：

\text{模型定義問題} \rightarrow \text{模型提高該問題權重} \rightarrow \text{模型取得更多資源}

因此，自動權重只能在法定範圍內運作。

7.4 權重調整權分離

應區分：

提議權；
分析權；
批准權；
執行權；
審計權；
恢復原權重權。

令：

A_{\mathrm{propose}} \neq A_{\mathrm{approve}} \neq A_{\mathrm{execute}} \neq A_{\mathrm{audit}}

7.5 權重切換成本

頻繁變動會造成混亂、投機與長期投資不足。

定義：

WSC = C_{\mathrm{coordination}} + C_{\mathrm{learning}} + C_{\mathrm{contract}} + C_{\mathrm{expectation}}

只有預期改善超過切換成本時，才應調整：

\Delta Benefit_{\lambda} > WSC

7.6 危機權重

危機可以暫時提高安全、速度或存續權重，但必須有：

啟動指標；
上限；
權利底線；
外部批准；
定期更新；
自動日落；
事後審計。

八、多目標憲法的形式化指標

8.1 目標覆蓋率

令制度使命中的重要價值集合為 $\mathcal{V}^{*}$ ，憲法實際納入的集合為 $\mathcal{V}^{C}$ ：

OC = \frac{ |\mathcal{V}^{C}\cap\mathcal{V}^{*}| }{ |\mathcal{V}^{*}| }

8.2 權重集中度

WCI = \sum_{k=1}^{n}\lambda_k^2

權重越集中，制度越接近單一目的統治。

8.3 不可補償完整度

令應受底線保護的價值集合為 $\mathcal{H}^{*}$ ，實際被硬約束的集合為 $\mathcal{H}^{C}$ ：

NCI = \frac{ |\mathcal{H}^{C}\cap\mathcal{H}^{*}| }{ |\mathcal{H}^{*}| }

8.4 目標排擠度

令目標 $g_i$ 權重上升後，其他目標的資源下降為：

CO_i = -\sum_{j\neq i} \frac{ \partial Resources_j }{ \partial \lambda_i }

8.5 衝突可見度

CV = f \left( \text{權重公開}, \text{Pareto前沿公開}, \text{少數報告}, \text{分配影響}, \text{申訴資料} \right)

8.6 情境正當性

令權重切換的外部授權、證據、期限與比例性為：

SL = \alpha A + \beta E + \gamma T + \delta P + \varepsilon R

8.7 多目標憲法韌性

MCR = \alpha OC + \beta NCI + \gamma CV + \delta Alt + \varepsilon Audit + \zeta Rev - \eta WCI - \theta CO - \kappa Capture - \mu Paralysis

其中：

$Alt$ ：替代方案與模型密度；
$Audit$ ：目的審計能力；
$Rev$ ：權重可逆性；
$Capture$ ：權重與目標俘獲；
$Paralysis$ ：多目標癱瘓。

九、十二項核心命題

命題一：價值不可完全通約命題

重要公共價值不必都能穩定轉換為單一共同尺度，因此單一總分不具有天然正當性。

命題二：底線不可補償命題

當某項價值構成基本權利、系統安全或不可逆存續條件時，其他目標的高績效不得自動補償其跌破底線。

命題三：目的不可壟斷命題

任何單一目標若同時控制資源、評估、組織生存與使命解釋，便接近取得目的主權，應由獨立底線與其他目標通道加以限制。

命題四：Pareto非決策命題

Pareto前沿能排除支配方案，不能替代對剩餘價值衝突的政治與倫理判斷。

命題五：權重即政治命題

多目標制度中的權重配置不是純技術參數，而是不同利益、錯誤與價值的重要性分配。

命題六：動態權重有界命題

權重可以隨情境調整，但調整幅度、期限與程序必須受到多目標憲法限制：

\boldsymbol{\lambda}(t) \in \Lambda_{\mathrm{constitutional}}

命題七：危機權重日落命題

因危機提高的安全、速度或集中權重，必須在危機指標下降後自動衰減：

Q(t)\downarrow \Rightarrow \lambda_{\mathrm{crisis}}(t)\downarrow

命題八：多目標癱瘓命題

若目標數量、衝突與否決點超過協調能力，制度可能無法行動：

Complexity_{\mathbf{G}} > Capacity_{\mathrm{coordination}} \Rightarrow Paralysis\uparrow

命題九：目標刪除需高階授權命題

新增、刪除或永久降級重要目標，不能由執行單位、績效部門或模型自行完成。

命題十：執行者不得自訂憲法命題

負責最大化目標的行動者，不應同時具有單方面改寫目標、權重、底線與評估規則的能力。

命題十一：權重漂移可追溯命題

制度必須保存權重變化的時間序列、理由、決定者與分配後果：

\boldsymbol{\lambda}(t_0), \boldsymbol{\lambda}(t_1), \ldots, \boldsymbol{\lambda}(t_n)

命題十二：多目標反主權命題

多目標憲法的最高功能，不是算出唯一最佳目的，而是確保沒有任何單一目的、模型或聯盟能永久壟斷制度成功的定義。

十、避免多目標癱瘓

10.1 限制憲法級目標數量

並非所有政策偏好都應升格為憲法目標。應區分：

核心價值；
法定使命；
政策目標；
行政指標；
臨時專案目標。

10.2 模組化目標

不同部門可承擔不同主要目標，但需接受共同底線與跨部門協調。

10.3 衝突分級

把衝突分為：

可透過技術改善同時提升；
可用資源補償；
需政治權衡；
涉及不可補償底線；
涉及文明或系統性存續。

10.4 最小可行共識

在價值高度多元時，不必追求所有人同意完整目的排序，而可先確立：

共同底線；
可接受程序；
可逆試驗；
定期重評；
少數保護。

10.5 分期與試驗

對不確定權衡，可使用有限範圍、時間與規模的政策試驗，避免一次鎖定全部權重。

10.6 目標預算

為難量化但重要的目標保留最低資源：

Budget(g_k) \geq \underline{B}_k

避免其在每次短期壓力中被排擠。

10.7 決策責任

即使使用多準則工具，最終決策者仍須公開說明其價值選擇，不能把責任推給模型或技術方法。

十一、跨領域應用

11.1 公共行政

現代公共行政同時追求合法、效率、服務、公平、透明、韌性與財政責任。若只以成本和速度評價，會排擠程序與信任；若程序目標過度僵化，又可能失去服務能力。

11.2 教育

教育的多目標憲法可包括：

基礎能力底線；
學習品質；
創造力；
公平；
身心安全；
公民與人格發展。

考試成績只能是其中一個目標，不應具有完整目的主權。

11.3 醫療

醫療需要同時處理：

存活；
生活品質；
公平；
病人自主；
成本；
醫療人員負擔；
系統韌性。

部分權利與安全條件應是硬約束，而非成本效益中的普通權重。

11.4 刑事司法

安全、程序、公平、比例、復歸與成本不能壓縮成單一破案率或風險分數。

11.5 企業治理

企業可以同時追求利潤、產品品質、員工能力、客戶信任、創新與社會責任。多目標憲法必須區分真正底線與品牌式使命宣言。

11.6 氣候與能源

能源政策需平衡安全、價格、減碳、土地、生態、產業及世代效果。對不可逆生態與安全風險，可設非補償底線；技術路徑則保留Pareto與動態權重空間。

11.7 人工智慧

人工智慧系統可能同時追求：

正確；
有用；
安全；
誠實；
隱私；
自主；
公平；
低成本；
低延遲。

若全部壓縮為單一獎勵，某些目標可能在極端優化下消失。多目標憲法可使用：

硬安全限制；
權利底線；
分解獎勵；
Pareto評估；
情境權重；
提交時驗證；
人類與制度覆寫。

11.8 人工智慧代理社會

多代理系統中，不同代理可承擔不同使命，彼此制衡。但若協調代理能自行重寫所有代理權重，它便取得目的主權。

十二、經驗檢驗框架

12.1 建立目標憲法圖

列出：

底線；
禁限；
使命目標；
代理指標；
權重；
情境切換；
調整權限；
修正程序。

12.2 權重敏感度分析

對不同 $\boldsymbol{\lambda}$ 計算政策或模型輸出，辨識哪些權重小幅變動會造成巨大分配改變。

12.3 Pareto前沿公開

公開非支配方案與取捨，而不是只公布最終推薦。

12.4 底線壓力測試

測試高績效方案是否透過犧牲某項底線取得總分優勢。

12.5 目標刪除測試

移除或降低某一目標權重，觀察：

哪些群體受損；
哪些部門得利；
是否存在不可逆效果；
原使命是否仍成立。

12.6 危機權重追蹤

檢驗危機後權重是否回落，或非常狀態已固化成常態。

12.7 多目標癱瘓測試

測量決策時間、協調成本、否決數、責任模糊與政策延遲。

12.8 反證條件

若制度：

目標覆蓋充分；
底線清楚且比例；
權重公開；
衝突可見；
Pareto方案可比較；
權重調整受外部授權；
危機權重能日落；
執行者不能自行改寫目標；
難量化使命具有獨立資源；
仍能在合理時間內決策；

則目的壟斷或多目標失能判定應下修。

十三、理論邊界與規範限制

第一，多目標憲法不能消除價值衝突，也不能保證所有決策得到一致答案。

第二，底線過多或過高，會使可行集合變空：

\mathcal{A}_{feasible} = \varnothing

因此底線必須經過可行性與比例性檢驗。

第三，權重公開可能增加策略性遊說與指標博弈，但隱藏權重的主權風險通常更高。

第四，Pareto有效不表示公平、民主或合法，只表示不存在簡單的全目標改善。

第五，價值多元不表示所有價值同等正當。基本權利與反壓迫原則可以排除部分目標。

第六，動態權重可能提高適應性，也可能造成政策不穩定與短期操控，因此需要切換成本、範圍與日落治理。

第七，多目標模型仍可能遺漏重要價值。憲法必須保留新增問題與質疑目標集合的入口。

第八，人工智慧可以協助搜尋Pareto前沿與模擬權重效果，但不能自行取得決定公共價值權重的正當性。

十四、結論

第十一篇提出：

\text{制度宣告的使命} \neq \text{制度實際優化的目的}

並指出單一代理值可能完成目的層面的通道政變。

本篇進一步提出：

\boxed{ \text{增加目標數量} \neq \text{目的治理已獲解決} }

以及：

\boxed{ \text{多個目標可被計算} \neq \text{所有價值可以被完全交換} }

真正的多目標治理不是建立一個更長的加權總和，而是首先區分：

哪些價值構成不可跌破的底線；
哪些行動不得進入可行集合；
哪些目標具有條件性優先；
哪些目標可以在安全區間內權衡；
權重可以如何隨情境改變；
誰有權改變權重；
何種改變必須經過修憲或重新授權。

因此，多目標憲法可以表示為：

\boxed{ \mathfrak{C}_G = \text{底線} + \text{禁限} + \text{使命向量} + \text{優先序} + \text{動態權重} + \text{情境切換} + \text{修憲程序} }

其最重要的功能不是提供唯一答案，而是防止任何單一目的把自身描寫成全部制度利益。

當效率聲稱可以補償權利、當安全聲稱可以永久壓倒自由、當公平聲稱可以取消所有差異、當模型聲稱自己的總分就是公共利益時，多目標憲法必須使這些衝突重新可見。

本文最終提出：

制度成熟的標誌，不是終於找到一個能計算全部價值的公式，而是承認沒有任何公式有資格永久壟斷全部價值。

目的不可壟斷不等於拒絕決策，而是讓決策者必須公開承擔自己選擇了哪些權衡、保護了哪些底線，又把哪些成本留給了誰。

參考文獻

Berlin, I. (1969). Two Concepts of Liberty. In Four Essays on Liberty. Oxford University Press.
Stanford Encyclopedia of Philosophy. (2022). Value Pluralism.
Stanford Encyclopedia of Philosophy. (2022). Constitutionalism.
Holmström, B., & Milgrom, P. (1991). Multitask Principal-Agent Analyses: Incentive Contracts, Asset Ownership, and Job Design. Journal of Law, Economics, & Organization, 7, 24–52.
Miller, N. R. (1983). Pluralism and Social Choice. American Political Science Review, 77(3), 734–747.
Arrow, K. J. (1951). Social Choice and Individual Values. Yale University Press.
Ehrgott, M. (2005). Multicriteria Optimization. Springer.
Ehrgott, M., et al. (2025). Fifty Years of Multi-Objective Optimization and Decision Making. European Journal of Operational Research.
Mesquita-Cunha, M., Figueira, J. R., & Barbosa-Póvoa, A. P. (2023). New ε-Constraint Methods for Multi-Objective Integer Linear Programming. European Journal of Operational Research.
Munda, G. (2004). Social Multi-Criteria Evaluation: Methodological Foundations and Operational Consequences. European Journal of Operational Research, 158(3), 662–677.
Munda, G. (2008). Social Multi-Criteria Evaluation for a Sustainable Economy. Springer.
UK Government Analysis Function. (2024). An Introductory Guide to Multi-Criteria Decision Analysis.
HM Treasury. (2024). Use of Multi-Criteria Decision Analysis in Options Appraisal of Economic Cases.
OECD. (2019). Policy Coherence for Sustainable Development 2019. OECD Publishing.
OECD. (2024). Unleashing Policy Coherence to Achieve the SDGs. OECD Publishing.
OECD. (2026). Bridging the Gaps for Sustainable Development. OECD Publishing.
NIST. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0).
NIST. (2020–2026). Methods for Community Resilience Tradeoffs.
Chen, R., Li, K., & Yao, X. (2018). Dynamic Multi-Objectives Optimization with a Changing Number of Objectives. IEEE Transactions on Evolutionary Computation, 22(1), 157–171.
Xue, B., et al. (2025). Multi-Objective Linear Reinforcement Learning with Lexicographic Rewards. Proceedings of ICML 2025.
Paunova, E. (2025). Constraint Decomposition for Multi-Objective Instruction-Following in Large Language Models. NVIDIA Research.
Anthropic. (2026). Claude’s New Constitution.
Clifford, E., et al. (2026). Open Problems in Constitutional Preference Reconstruction. arXiv:2606.30116.
Beikzadeh, M., et al. (2026). Multi-Objective Alignment of Language Models for Personalized Psychotherapy. arXiv:2602.16053.
Park, T. (2026). Behavioural Feasible Set: Value Alignment Constraints on AI Decision Support. arXiv:2603.21435.

12_多目標憲法與目的不可壟斷_價值底線目標競合與動態權重治理命題_v1.0