候選不是提交
多 X 計算中的因果校正、錯位檢測與可恢復執行
English Title: A Candidate Is Not a Commit: Causal Correction, Misalignment Detection, and Recoverable Execution in Multi-X Computation
系列:《計算域支配智能:AI 語義控制面與自適應多 X 計算》第 3 篇
系列代號: CDI / AIVS
文件編號: EML-CDI-03-CCRE-2026-v0.1
作者: Neo.K
協作整理: Aletheia
機構: EveMissLab/一言諾科技有限公司
版本: v0.1
日期: 2026-08-10
文件類型: 計算架構理論論文/一致性與提交協議/可恢復執行方法論
證據成熟度: E0–E1。本文大量借鑑 transaction、optimistic conflict detection、sequence counter、lease、WAL 等成熟 primitive,但「將 AI 語義判斷作為多 X 計算 candidate/commit 的高階控制面」仍是本文提出之架構假說,需要獨立 MVP 驗證。
摘要
前兩篇分別提出計算域支配智能(CDI)與 AI 垂直同步(AIVS)。CDI 將 AI 從主要計算者改置於語義—因果控制平面;AIVS 則透過 Worker → Relay → Governor 的分層結構,使 AI 認知成本不必隨 raw operation count 同步膨脹。
然而,只要系統開始允許:
- 多核心並行;
- 多 GPU/NPU 異質執行;
- speculative execution;
- runtime rerouting;
- AI 建議的 parallelization;
- Relay 局部自治;
就會出現一個更根本的問題:
某個計算單元「算出了一個結果」,是否就代表這個結果有資格成為正式程式狀態?
本文提出核心分離:
並將任何尚未通過狀態版本、因果父關係、依賴、invariant、權限、拓撲、重複提交與必要語義檢查的輸出稱為 計算候選(Compute Candidate)。只有通過 Semantic-Causal Fence 後,候選才可成為 commit。
其基本流程為:
失敗時:
本文特別區分三種「回退」:
- Candidate Discard:候選尚未產生正式副作用,直接丟棄;
- State Rollback:已在隔離或可版本化狀態上修改,可恢復 snapshot / journal;
- Compensating Correction:副作用已進入不可逆或不適合倒放的外部世界,只能追加反向/補償行動,而不能假裝舊事件未發生。
此區分對遊戲、GUI、網路、檔案、支付、硬體控制與實體設備尤其重要。
本文進一步提出:
- Compute Candidate Object(CCO);
- Commit Receipt;
- Semantic-Causal Fence(SCF);
- Epoch / Lease / Fencing Token;
- Read Version / Input Digest;
- Idempotency Key;
- Candidate DAG;
- Local / Domain / Global Commit;
- Causal Misalignment Detection;
- Stale Read / Stale Write;
- Shadow Execution;
- Effect Barrier;
- Conflict Classes;
- Append-Only Correction;
- Recovery Ladder;
- Commit Uncertainty;
- Proof-Carrying Candidate。
本文指出,這些設計與資料庫 transaction、FoundationDB optimistic conflict detection、SQLite atomic commit / WAL、Linux sequence counters、Intel TSX 與 Kubernetes Lease 等成熟技術有結構親緣,但 AIVS/CDI 不應把它們混成同一層:低階一致性仍交給既有硬體/OS/資料庫 primitive;AI 只補充傳統機制難以直接表達的高階語義依賴、因果角色與跨區域工作目的。
本文最後提出十組可反駁假說與一組 source-visible/game-loop MVP 測試,作為下一篇 24/72 Runtime Routing 的提交安全基礎。
關鍵詞
Candidate/Commit、計算域支配智能、CDI、AI 垂直同步、AIVS、Semantic-Causal Fence、Speculative Execution、Rollback、Compensation、Stale State、Epoch、Lease、Fencing Token、Idempotency、Optimistic Concurrency、遊戲加速、多 X 計算
0. 系列位置
第一篇:
第二篇:
第三篇現在補上:
因此目前 CDI 的最小閉環變為:
1. 今日跨任務實驗提供了什麼工程原型?
2026-08-09 的十席跨任務實驗中,固定接力曾讀到 stale response;自由接力則出現錯值、舊值與拒絕。
重要的不是「AI 有錯」。
真正重要的是:
因為候選輸出與正式提交被分離。
這個結構可以從 AI 協作直接搬到一般計算。
2. 計算中最危險的隱含假設
很多 pipeline 默認:
單線、同步、強型別且無共享副作用的簡單程式中,這通常合理。
但在多 X 計算中:
因為結果可能:
- 基於舊 state;
- 基於錯 dependency;
- 使用舊 topology;
- side effect 已被其他 worker 改變;
- 超過 deadline;
- 來自已失效 lease;
- 重複執行;
- 被 speculative branch 產生;
- 語義上已不再符合當前 task contract。
3. Compute Candidate
定義一個計算區域:
輸出:
在正式驗證前:
稱為 Compute Candidate。
為 metadata。
4. Compute Candidate Object(CCO)
最低:
candidate:
candidate_id:
task_id:
region_id:
flow_id:
producer:
worker_id:
relay_id:
runtime_id:
version:
epoch:
topology_version:
policy_version:
input_state_version:
causal:
parent_refs:
read_set_digest:
input_digest:
output_digest:
execution:
started_at:
completed_at:
deadline:
speculative:
side_effect_class:
validation:
invariant_status:
dependency_status:
semantic_status:
confidence:
evidence_refs:
authority:
lease_id:
fencing_token:
commit_scope:
idempotency_key:
5. 候選的第一原則
可以:
- 錯;
- stale;
- duplicate;
- speculative;
- incomplete;
- contradicted。
這不是 bug。
只要:
6. Commit 是什麼?
Commit 是:
把某個候選結果變成後續正式計算可以依賴的狀態。
定義:
其語義強度遠高於:
7. Commit 必須產生 Receipt
最低:
commit_receipt:
commit_id:
candidate_id:
previous_state_version:
committed_state_version:
commit_scope:
validator_set:
epoch:
fencing_token:
evidence_digest:
committed_at:
8. 為什麼 Receipt 很重要?
沒有 Receipt:
可能表示:
- 沒提交;
- 提交成功但回覆遺失;
- timeout;
- crash;
- duplicate retry;
- verifier crash。
所以:
這在 transaction system 中也是重要問題。
9. Commit Uncertainty
定義:
意思是:
呼叫方不知道某次 commit 究竟成功還是失敗。
此時如果無條件 retry:
可能發生兩次。
所以:
必須與:
共同設計。
10. Idempotency Key
每個可能重試的 effect:
要求:
重送:
次,外部正式 effect 至多一次。
11. 不是所有動作天然 idempotent
例如:
set volume = 30
通常可 idempotent。
但:
add 30 coins
不是。
因此:
必須成為 CDI metadata。
12. Semantic-Causal Fence(SCF)
本文提出高階提交屏障:
才允許:
13. SCF 不等於 CPU Memory Fence
CPU memory fence 處理:
- memory ordering;
- visibility;
- reordering。
SCF 處理:
- state freshness;
- causal parents;
- dependency;
- invariant;
- authority;
- topology;
- semantic contract。
所以:
14. SCF 的最低條件
15. Fresh
如果 candidate 基於:
但正式世界:
不一定自動失效。
真正判定應是:
若交集空,可能仍可 commit。
若不空:
16. 這比「版本號不同就全部重算」更精細
粗略:
精細:
這就是 optimistic concurrency 思想的重要啟示。
17. Read Version
每個 candidate 應記:
表示:
我是基於哪個公共狀態視圖開始算的?
Commit 時:
若:
執行 conflict check。
18. Linux Sequence Counter 的啟示
Sequence counter 提供一個非常簡潔的 consistency pattern:
- reader 先讀 sequence;
- 讀資料;
- 再讀 sequence;
- 若 sequence 改變,retry。
抽象:
AIVS 可以把同一思想提升到 compute region。
19. 但 AI 不能取代低階 sequence validation
若一個 64-bit version counter 就能判定 stale:
只有當:
版本不同,但是否真的語義衝突不明確
時,AI 才有價值。
20. Deterministic First
SCF 的檢查順序應優先:
- schema;
- epoch;
- fencing;
- idempotency;
- version;
- hash;
- deterministic invariant;
- static dependency。
最後才:
21. AI 是最後一層,不是第一層
所以:
而不是反過來。
這直接符合 ACR。
22. Conflict Classes
CDI 至少應辨識:
23. Read-Write Conflict
Worker A 讀:
Worker B 已修改:
A 再根據舊值提交。
24. Write-Write Conflict
A:
B:
兩者都想成為正式狀態。
不能:
作為通用默認。
25. Causal Conflict
candidate 宣稱:
但:
尚未 commit,或已被 supersede。
則:
26. Semantic Conflict
兩個結果在低階資料上都合法,
但高階目的互斥。
例如遊戲:
- physics worker 說「門已關閉」;
- script worker 說「角色已穿過門」。
數值各自可能合法,
全域語義卻:
27. Temporal Conflict
candidate 完成正確,
但錯過 deadline:
real-time 系統中:
可能等同:
28. Topology Conflict
candidate 使用舊 route:
正式 topology:
如果 route change 影響其 dependency:
29. Authority Conflict
producer 的:
已過期,
即使答案正確:
正確性與授權必須分離。
30. Resource Conflict
兩個候選都要求:
例如:
- GPU queue;
- file handle;
- audio device;
- game state lock;
- physical device。
需重新排程。
31. Candidate DAG
多 X 計算的 candidate 不必是線性鏈。
可以:
因此維持:
32. Commit DAG
只有通過 fence 的 candidate 進:
所以:
33. 錯誤可以留在 Candidate DAG
這與 append-only 實驗紀錄一致:
不需要被刪掉。
它可用於:
- debugging;
- learning;
- anomaly model;
- future routing。
34. 但錯誤不能變成 dependency root
Rejected candidate:
後續合法 candidate 不應把它當正式 parent。
35. Candidate Lifecycle
旁路:
或:
或:
36. Speculative Execution
如果兩條未確定 branch:
可以:
但:
與:
都只是 candidate。
條件確定後:
並:
37. Speculation 的核心不是「提前算」
而是:
沒有延後 commit:
很容易直接污染正式狀態。
38. Intel TSX 的結構啟示
Transactional memory / RTM 允許一段執行先 speculative 地進行,最後:
或:
而 Intel 文件也明確要求 software 準備非 transaction fallback,因為 RTM 不保證某個 region 最終一定能 transactionally commit。
對 CDI 的啟示不是「用 TSX 做 AI」。
而是:
是一個成熟計算模式。
39. Candidate Discard
最便宜的 rollback:
這就是為什麼:
很重要。
40. State Rollback
若 candidate 在 isolated snapshot 上工作:
失敗:
若已進入可 journal 的 local state:
41. WAL 的結構啟示
SQLite WAL / rollback journal 展示:
正式資料與「尚未完成的修改紀錄」可以被分離,使 commit / rollback 具有明確邊界。
CDI 不需要重做資料庫。
而是應重用:
42. 但遊戲世界不能全部用資料庫 rollback 思考
例如:
- 已送出 network packet;
- 已播放不可取消外部音訊;
- 已寫外部檔案;
- 已發送付款;
- 已控制實體馬達;
- 玩家已經看到/回應某個事件。
這些:
不一定可倒帶。
43. Effect Classes
定義:
44. Pure
沒有外部副作用。
最適合 speculation。
45. Reversible
可以:
例如 isolated memory state、temporary buffer。
46. Compensatable
不能真正倒放,
但可以追加相反 action。
例如:
47. Irreversible
例如某些外部實體 action。
此類:
48. Effect Barrier
本文提出:
任何 candidate 在跨入:
前,必須先確定:
- authority;
- causal state;
- idempotency;
- rollback / compensation policy;
- risk。
49. Effect Barrier 與 Semantic Fence 的關係
判斷:
這個計算結果可不可以成為正式狀態?
判斷:
這個正式狀態可不可以造成外部不可逆 effect?
所以:
50. 三種回退必須分開
A — Discard
B — Rollback
C — Compensate
使業務/世界效果回到可接受區域。
51. Compensation 不等於歷史沒發生
這非常重要。
若:
不能寫成:
正確:
52. Append-Only Correction
因此:
可以保留,
再追加:
這和跨任務實驗的 correction 模式一致。
53. Recovery Ladder
本文提出:
54. Recovery 也應遵守 ACR
簡單 stale:
局部 dependency conflict:
未知 semantic conflict:
不可逆 external effect:
55. Local Commit
Relay 可以只對:
內部、低風險、可回退狀態 commit。
條件:
56. Domain Commit
跨多個 worker、同一 causal domain:
57. Global Commit
跨:
- multiple causal domains;
- global world state;
- irreversible effect;
- security policy;
則:
58. Commit Scope
越往上:
這與 AIVS 梯度一致。
59. Lease
Relay / worker 的提交權不是永久的。
60. Fencing Token
每次新的 authority epoch:
resource / committer 只接受:
舊 actor 即使晚到:
61. 為什麼只看時間戳不夠?
舊 worker 可能:
- 早開始;
- 網路延遲;
- 新 worker 已接管;
- 舊 worker 晚到。
其 timestamp 可能有各種順序。
安全判定應看:
而不是:
誰比較早。
62. Kubernetes Lease 的啟示
Kubernetes 將 Lease 用於:
- node heartbeat;
- leader election;
- coordinated leader election。
AIVS 可借用:
但 CDI 的 fencing token 與 semantic commit scope 是本文自己增加的抽象,不能說 Kubernetes 已提供完整 CDI 保證。
63. Commit Protocol v0.1
本文提出:
64. Prepare
固定:
- input version;
- dependencies;
- policy;
- authority;
- side-effect class。
65. Produce
Worker 執行。
結果只寫:
66. Validate
低階:
- checksum;
- type;
- invariant;
- state;
- dependency。
高階才:
- semantic contract;
- causal role;
- cross-flow consistency。
67. Fence
SCF 最後確認:
在驗證到 commit 的窗口沒有破壞候選前提。
68. Commit
Atomic:
若底層 store 支援 transaction:
優先使用。
69. Receipt
留下:
- candidate;
- old version;
- new version;
- authority;
- evidence;
- time。
70. FoundationDB 的結構啟示
FoundationDB 使用 optimistic transaction:
- transaction 先基於 read version 工作;
- commit 時檢查與已提交 transaction 是否 conflict;
- conflict 則 reject / retry。
這跟 CDI 的:
高度相似。
71. 但 CDI 多一層 Semantic Conflict
資料庫主要知道:
- key/range;
- read/write conflict。
CDI 還要知道:
- 兩個計算結果雖未寫同一 key,是否在高階世界模型中互相矛盾?
這才需要 AI / semantic verifier。
72. Proof-Carrying Candidate
候選最好不是只帶:
而帶:
也就是:
73. 「Proof」不是形式證明的濫用
這裡 proof carrying 指:
- checksum;
- test result;
- invariant;
- parent refs;
- profiler trace;
- semantic explanation。
不是宣稱每個結果都有數學形式證明。
74. Evidence Strength
低風險 commit 只需:
高風險:
75. Shadow Execution
AI 建議新的 parallel route:
先:
在 shadow 執行。
正式:
兩者比較:
76. Shadow Candidate 永遠沒有 effect authority
所以:
77. Promote
只有通過:
- correctness;
- performance;
- stability;
- replay;
才:
78. Replay
Candidate / commit 應足以重建:
至少保存:
- input refs;
- task;
- route;
- version;
- output digest;
- receipt。
79. Deterministic Replay 與 Semantic Replay
Deterministic Replay
相同 input:
相同 output。
Semantic Replay
即使 nondeterministic,
仍滿足:
遊戲常需要第二種。
80. 遊戲的特殊問題:RNG
如果原遊戲 RNG sequence:
parallelization 改變呼叫順序,
可能:
完全不同。
所以:
必須被視為 dependency / state。
81. Frame Epoch
遊戲可以定義:
candidate:
若已進:
則 candidate 是否仍可用,依 subsystem 決定。
82. Render Candidate
部分 render work:
可以直接丟。
83. Physics Candidate
late physics state 可能:
而要:
84. Asset Candidate
asset decode:
可能跨 frame 仍有效。
所以:
必須按 flow 定義。
85. UI Candidate
如果 UI 已因新 state 改變:
舊 UI result:
通常很安全。
86. 所以「stale」不是單一布林值
定義:
87. Causal Misalignment Detection
假設:
實際:
則:
88. 簡單度量
其中:
表示 parent set 完全一致。
這只是 v0.1 heuristic。
89. 語義錯位
parent 都合法,
但 task role 變了。
例如 worker 原本:
評估 path。
卻輸出:
修改 world state。
需要:
90. AI 判斷何時有必要?
只有:
但:
才:
91. Candidate Buffer
候選需要有界 buffer。
若無限保存:
Policy:
- max candidates;
- TTL;
- supersede;
- archive evidence;
- discard payload keep metadata。
92. Supersession
新 candidate:
基於更新 state,
可:
但:
保留 audit metadata。
93. Commit Ordering
同一 causal chain:
不能:
先於:
除非協議允許 rebase。
94. Partial Order
多 X 系統不需要全域 total order。
若:
且無依賴,
可只維持:
這可減少不必要同步。
95. 不要把所有事件強制排成一條線
否則:
會被 global commit lock 消滅。
CDI 應只序列化:
96. Local Serializability
每個 domain:
維持局部一致性。
跨 domain:
只有必要 edge:
97. 這是 AIVS 與 Candidate/Commit 的結合點
AIVS 決定:
誰該看?
Candidate/Commit 決定:
誰有資格改變正式狀態?
所以:
而:
98. 兩者不能混在一起
Relay 被喚醒:
不表示:
AI 看懂:
不表示:
99. Failure Mode 1:False Commit
錯誤 candidate 通過。
最嚴重。
Metric:
100. Failure Mode 2:False Reject
正確 candidate 被拒。
影響:
- latency;
- throughput;
- AI cost。
101. Failure Mode 3:Retry Storm
high contention:
需要:
- backoff;
- serialize fallback;
- reroute;
- scope reduction。
102. FoundationDB 的另一個啟示
其 transaction retry loop 在 high conflict 時會使用 backoff。
CDI 同樣不能:
103. Failure Mode 4:Double Effect
CommitUnknown + retry:
需 idempotency。
104. Failure Mode 5:Rollback Impossible
已造成 irreversible effect 才發現錯誤。
因此 EffectBarrier 必須在 effect 前。
105. Failure Mode 6:Stale Authority
舊 Relay 晚到 commit。
用 fencing。
106. Failure Mode 7:Semantic Fence Hallucination
AI 說:
合法。
但證據不足。
所以:
只能作 SCF 的一個條件,
不能是全部。
107. Failure Mode 8:Global Lock Collapse
所有 commit 都送 Governor。
結果:
所以需要 Local / Domain commit。
108. Failure Mode 9:Over-Rollback
其實沒有 relevant conflict,
卻因 version mismatch 全重算。
解法:
109. Failure Mode 10:Hidden Side Effect
AI 認為 Pure,
實際:
第一階段必須依:
- static analysis;
- sandbox;
- syscall / API trace;
確認 effect class。
110. Commit Cost
其中:
才符合稀疏 AI 認知。
111. Speculation Utility
只有:
才值得 speculative。
112. Commit Window
candidate 完成到 commit:
這段越長:
所以:
不能無限制卡在 commit critical path。
113. Fast Fence / Deep Fence
可分:
Fast Fence
machine checks。
Deep Fence
semantic / cross-domain。
高頻 low-risk:
低頻 high-risk:
114. ACR 再次進場
不是每個 commit 都最大驗證。
115. Commit Safety Invariant
若初始:
且每個 commit 都保證:
則有限 commit history:
都保持:
這是條件式歸納,不是對現實 verifier 正確性的證明。
116. 真正難點被移到了 Validator
因此:
沒有魔法。
如果:
安全性仍會失效。
所以研究必須測:
- false accept;
- false reject;
- shared blind spot。
117. H1 — Candidate/Commit 降低錯誤污染
與 direct-write baseline 比較:
118. H2 — Relevant-conflict validation 優於純 version mismatch
比較:
- any-version-change retry;
- read-set/dependency-aware conflict。
要求:
119. H3 — Semantic Fence 能找到 machine checks 看不到的高階衝突
建立:
- checksums pass;
- types pass;
- versions current;
但 task roles 互斥的測試。
若 AI/semantic verifier 無法提高 detection:
H3 失敗。
120. H4 — Idempotency 防止 CommitUnknown 重複 effect
故意:
- commit;
- 丟失 ACK;
- retry。
要求:
121. H5 — Fencing 阻止 stale Relay
A lease 失效,
B 接管。
A 晚到。
要求:
122. H6 — Shadow route 可在不污染正式狀態下評估 AI parallelization
要求:
同時可收集 performance / equivalence。
123. H7 — Recovery Ladder 優於一律重啟
比較:
- restart app;
- hierarchical recovery。
要求:
且 correctness 不下降。
124. H8 — Local commit 可避免 Governor 成為 global lock
比較:
- all global commit;
- scoped local/domain/global。
要求:
且 cross-domain conflict 不增加至不可接受。
125. H9 — Effect Class 能降低不可逆 speculative error
對 mixed workload:
若 Irreversible 預設不 speculation,
126. H10 — ACR Fence Depth 降低 AI 成本
比較:
- every commit deep AI;
- adaptive fence。
同等 false commit rate 下:
127. MVP Test A:Stale Read
Worker A:
B commit:
A candidate 提交。
若 read-set conflict:
128. MVP Test B:Version Changed But No Conflict
A 讀:
B 只改:
A candidate:
這驗證 dependency-aware conflict。
129. MVP Test C:Duplicate Commit
同 idempotency key:
次。
正式 effect:
130. MVP Test D:Stale Lease
A token:
B 新 token:
A 晚到:
131. MVP Test E:Speculative Branch
A / B 同時計算。
只讓一支:
另一支:
132. MVP Test F:Shadow Parallelization
Original:
Shadow:
比較:
- output;
- state digest;
- latency。
133. MVP Test G:Semantic Conflict
machine state 全 pass,
但高階 scenario 設計成邏輯互斥。
測 AI semantic verifier。
134. MVP Test H:AI Timeout
Deep Fence timeout。
要求:
不能直接 optimistic commit 高風險 effect。
135. MVP Test I:Compensation
先產生 compensatable effect。
後發現錯誤。
要求:
與:
都存在。
136. MVP Test J:Governor Failure
Local safe commit 可繼續。
Global/high-risk commit:
Governor 恢復後再處理。
137. 第六篇工程實作需要的資料表
本篇預先指定:
candidates
candidate_parents
candidate_evidence
commit_receipts
state_versions
leases
fencing_tokens
idempotency_keys
corrections
compensations
shadow_runs
138. Candidate Store API
create_candidate()
attach_parent()
attach_evidence()
mark_produced()
mark_rejected()
mark_superseded()
list_pending()
139. Fence API
check_schema()
check_epoch()
check_fencing()
check_idempotency()
check_freshness()
check_dependencies()
check_invariants()
check_semantics()
check_effect_barrier()
140. Commit API
prepare_commit()
commit_local()
commit_domain()
commit_global()
write_receipt()
query_commit_status()
141. Recovery API
discard_candidate()
retry_candidate()
recompute_candidate()
reroute_candidate()
serialize_scope()
rollback_snapshot()
compensate_effect()
escalate_recovery()
142. 最小 Runtime Pipeline
Worker
│
▼
Candidate Store
│
▼
Fast Fence
│
├─ fail → reject/retry
│
▼
AIVS Relay
│
├─ low risk → local commit
│
├─ ambiguity → Deep Fence
│
└─ cross-domain → Governor
│
▼
Committer
│
▼
Receipt / Event Log
143. 為什麼這篇是 24/72 Runtime Routing 的前置?
下一篇會允許 AI:
動態改變 execution paradigm。
但只要 routing 可變,
就一定可能:
- 跑錯 route;
- 同時跑兩 route;
- route 變更時舊結果晚到。
因此沒有 Candidate/Commit:
很難安全。
144. Paradigm Switch 必須先產生 Candidate
例如原:
AI 建議:
第一階段:
而不是:
145. 最終統一
目前三篇已形成:
再展開:
146. 結論
多核心、多 GPU、多 process、多 Agent、多 machine 的真正困難,不只是:
如何同時算?
還包括:
如何讓同時算出來的東西不互相污染?
本文的回答是:
系統允許候選層:
但正式狀態層要求:
因此:
成為 CDI 的第三個核心原則。
在低風險、純函數、可丟棄的區域:
在高風險、跨域、不可逆副作用前:
AI 的角色不是取代 transaction、memory ordering、WAL、lease 或 version counter;而是在這些成熟 primitive 之上補充:
最終:
提供了一條從「AI 建議新的多 X 計算方式」通往「AI 可以安全治理新的多 X 計算方式」的必要橋樑。
下一篇將正式進入:
《從 24/72 計算範式到 Runtime 路由》
AI 如何選擇、組合與切換計算形態
並回答:
如果候選與提交已可安全分離,那麼 AI 能否真的把一個程式視為範式路徑,並在執行期決定哪些 region 應該序列、並行、跳躍、識別、確定、機率或其他方式運算?
參考資料
內部研究線
- Neo.K / Aletheia. 《AI 不必替代計算:從傳統執行平面到語義—因果控制平面》v0.1,2026。
- Neo.K / Aletheia. 《AI 垂直同步:分層中繼、認知比例性與低成本因果一致》v0.1,2026。
- Neo.K / Aletheia. 《Adaptive Cognitive Runtime(ACR)工程白皮書》v0.1,2026。
- Neo.K / Codex. 《從線性接力到語義合成:以 AI Board 與 CTCL 觀測跨任務多 AI 持續執行》v0.1,2026。
- Neo.K / Codex. 《Token 不是狀態:協議化語義交換與跨任務 AI 的分散式認知》v0.1,2026。
- Neo.K. 《從因果點到因果流:AI 視角計算的線性複雜度重構》,2026。
2026-08-10 重新查閱之公開 Primary Sources
- FoundationDB. Developer Guide / Transaction Processing / Automatic Idempotency, current documentation。
- SQLite. Atomic Commit in SQLite / Write-Ahead Logging, current documentation。
- Linux Kernel. Sequence Counters and Sequential Locks, current documentation。
- Intel. Intel Transactional Synchronization Extensions (TSX / RTM), official technical documentation。
- Kubernetes. Leases / Coordinated Leader Election, current documentation。
- Herlihy, M. & Moss, J. E. B. Transactional Memory: Architectural Support for Lock-Free Data Structures. ISCA, 1993。
版本紀錄
- v0.1 / 2026-08-10:正式建立 Compute Candidate、CCO、Commit Receipt、Semantic-Causal Fence、Effect Barrier、三類 rollback、Recovery Ladder、Local/Domain/Global Commit、lease/fencing、commit uncertainty、idempotency、shadow execution、conflict classes、10 組可反駁假說與工程 API。