人類自我模型更新動力學：能力估計、社會回饋、身份威脅與自我神話的閉環模型
Human Self-Model Update Dynamics: A Closed-Loop Model of Ability Estimation, Social Feedback, Identity Threat, and Self-Myth
作者：Neo.K 機構：EveMissLab／一言諾科技有限公司 系列：認知動力學｜第 17 篇・人類限定擴展篇 版本：v1.0 草案 日期：2026 年 8 月 文件性質：中層理論、準形式化模型、可檢驗研究綱領 前置依賴：第 1、3、5、6、7、8、9、10、11、14、15、16 篇；《反對自己的神話是真的嗎？》
摘要
人類如何知道「自己究竟有多強」？
這個問題常被簡化成自信、低自尊、冒名頂替感、過度自信、Dunning–Kruger 效應或謙虛等人格描述。然而，這些描述容易把一個持續更新的認知閉環壓縮成靜態人格標籤。個體的自我能力估計並不是直接讀取一個客觀能力常數，而是在有限觀測、選擇性注意、社會回饋、成功與失敗事件、記憶重構、身份威脅、元認知監控與公開自我呈現之間反覆生成。
本文提出「人類自我模型更新動力學」（Human Self-Model Update Dynamics, H-SMUD），將上一階段的靜態鑑別變量：
A = Actual Ability / Contribution , A=\text{Actual Ability / Contribution}, A = Actual Ability / Contribution , S = Self-Assessment , S=\text{Self-Assessment}, S = Self-Assessment , P = Public Presentation P=\text{Public Presentation} P = Public Presentation 重新放入認知動力學時間閉環。
本文不假設主體能直接取得真實能力 A t A_t A t
Y t p e r f , Y_t^{perf}, Y t p er f , 即任務表現、結果、錯誤、成功、他人反應與比較資料等能力相關證據。主體必須先經歷：
Evidence Availability → Selection → Observation → Evaluation → Update → Memory Integration \text{Evidence Availability}
\rightarrow
\text{Selection}
\rightarrow
\text{Observation}
\rightarrow
\text{Evaluation}
\rightarrow
\text{Update}
\rightarrow
\text{Memory Integration} Evidence Availability → Selection → Observation → Evaluation → Update → Memory Integration 才能改變自身模型。
因此：
Performance Evidence ≠ Self-Knowledge . \boxed{
\text{Performance Evidence}
\neq
\text{Self-Knowledge}.
} Performance Evidence = Self-Knowledge . 本文定義人類自我模型：
S t s e l f = ( A ^ t , Q t , B t , I t , P t ) \mathcal S_t^{self}
=
\left(
\widehat{\mathbf A}_t,
\mathbf Q_t,
\mathbf B_t,
\mathbf I_t,
\mathbf P_t
\right) S t se l f = ( A t , Q t , B t , I t , P t ) 其中：
A ^ t \widehat{\mathbf A}_t A t Q t \mathbf Q_t Q t B t \mathbf B_t B t I t \mathbf I_t I t P t \mathbf P_t P t
外部社會同時形成對個體的社會模型：
S ^ i , t s o c , \widehat{\mathcal S}^{soc}_{i,t}, S i , t soc , 它未必等於個體實際狀態，也未必等於個體自己的自我模型。當社會模型被過度壓縮為「天才」、「失敗者」、「普通人」、「救世主」、「冒牌貨」等符號時，形成：
H i m y t h ( t ) , \mathcal H_i^{myth}(t), H i m y t h ( t ) , 即自我神話／社會神話壓力。
本文的核心主張是：
A ^ t + 1 ≠ f ( Y t p e r f ) \boxed{
\widehat{\mathbf A}_{t+1}
\neq
f(Y_t^{perf})
} A t + 1 = f ( Y t p er f ) 而更接近：
A ^ t + 1 = F ( A ^ t , Π t s e l f , O t s e l f , E t e v a l , u t s e l f , M t s e l f , F t s o c , C t i d , O t m e t a ) \boxed{
\widehat{\mathbf A}_{t+1}
=
\mathcal F
\left(
\widehat{\mathbf A}_{t},
\Pi_t^{self},
O_t^{self},
E_t^{eval},
u_t^{self},
\mathcal M_t^{self},
F_t^{soc},
C_t^{id},
O_t^{meta}
\right)
} A t + 1 = F ( A t , Π t se l f , O t se l f , E t e v a l , u t se l f , M t se l f , F t soc , C t i d , O t m e t a ) 其中不同階段皆可能造成高估、低估、凍結、震盪、選擇性整合或快速校準。
本文進一步把自我增強、自我驗證、自我評估、冒名頂替式低估、Dunning–Kruger 類過度自信、防衛性閉合與校準式自我去神格化，重新描述為不同的更新軌跡與吸引子 ，而非固定人格物種。
本文最後提出一個重要的人類版結論：
真正成熟的自我模型 ≠ 永遠正面 ≠ 永遠負面 ≠ 永遠謙虛 . \boxed{
\text{真正成熟的自我模型}
\neq
\text{永遠正面}
\neq
\text{永遠負面}
\neq
\text{永遠謙虛}.
} 真正成熟的自我模型 = 永遠正面 = 永遠負面 = 永遠謙虛 . 更合理的目標是：
Evidence-sensitive + Domain-bounded + Uncertainty-aware + Bidirectionally revisable . \boxed{
\text{Evidence-sensitive}
+
\text{Domain-bounded}
+
\text{Uncertainty-aware}
+
\text{Bidirectionally revisable}.
} Evidence-sensitive + Domain-bounded + Uncertainty-aware + Bidirectionally revisable . 亦即：能根據證據向上或向下修正自己，知道能力成立在哪個定義域，並保留「我可能仍然不知道」的空間。
本文是人類限定版本。下一階段將抽除人類特有的自尊、羞恥、社會身份與生物情緒假設，建立面向目前 AI、未來自主 AI、多智能體系統與其他可能智慧存在的廣義智能體自我模型動力學 。
關鍵詞： 自我模型、自我知識、後設認知、能力估計、社會回饋、身份威脅、自我驗證、自我增強、冒名頂替、認知動力學、自我神話、校準
0. 邊界聲明
本文首先限制自己的主張。
第一，本文不是臨床診斷模型。
因此：
Impostor-like dynamics ≠ clinical diagnosis . \text{Impostor-like dynamics}
\neq
\text{clinical diagnosis}. Impostor-like dynamics = clinical diagnosis . 第二，本文不假設存在一個可以被完美量測的單一「真實能力」。
能力通常具有：
任務依賴；
領域依賴；
時間依賴；
工具依賴；
社會條件依賴。
所以：
A i A_i A i 應更完整寫成：
A i ( d , q , t , c ) . A_i(d,q,t,c). A i ( d , q , t , c ) . 第三，本文不主張所有人類自我模型都追求準確。
人類可能同時追求：
自我評估；
自我驗證；
自我增強；
社會歸屬；
安全；
身份一致性；
地位維持。
第四，本文不把：
positive self-view \text{positive self-view} positive self-view 自動視為錯誤，也不把：
negative self-view \text{negative self-view} negative self-view 自動視為謙遜。
第五，本文不主張 Dunning–Kruger 是固定的「愚者之峰—絕望之谷—悟道坡」人生曲線。
第六，本文不把高能力者的自我懷疑自動解釋成冒名頂替現象。
第七，本文中的「神話」不是宗教判斷，而是：
社會將高維個體壓縮成少數高強度身份 token 的表示現象。
第八，本文的人類版本不是最終目標。
其功能是先處理目前證據最充足、可行為觀察的實例，再抽象至廣義智能體。
1. 從靜態三元組到動態問題
上一階段使用：
( A , S , P ) (A,S,P) ( A , S , P ) 區分：
這個區分是必要的。
但仍然是時間切片。
真正的問題是：
S t → S t + 1 S_t
\rightarrow
S_{t+1} S t → S t + 1 究竟怎麼發生？
例如：
一個原本低估自己的人，為什麼十年後仍然低估？
一個被大量成功證據包圍的人，為什麼仍不能整合成功？
一個能力普通的人，為什麼可能形成極高確信的自我優越模型？
一個真正極端的人，為什麼反而主動縮小自己的權威定義域？
這些都不是單一人格形容詞能回答的。
2. 與既有認知動力學的接口
第 1 篇已建立核心狀態—算子語法：
S t = ( X t , Π t , O t , U t , M t , G t , A t ) \mathcal S_t
=
(
X_t,
\Pi_t,
O_t,
U_t,
\mathcal M_t,
G_t,
A_t
) S t = ( X t , Π t , O t , U t , M t , G t , A t ) 以及：
S t + 1 = F ( S t , E t , R t , Ξ t ) . \mathcal S_{t+1}
=
\mathcal F
(
\mathcal S_t,
E_t,
R_t,
\Xi_t
). S t + 1 = F ( S t , E t , R t , Ξ t ) . 本文不另造一套心智本體。
而是把「自我能力模型」視為：
X t X_t X t 中的一組可持續、可更新、可提取、可公開表達的狀態。
因此：
Self-Model Dynamics ⊂ Cognition–Action Dynamics . \boxed{
\text{Self-Model Dynamics}
\subset
\text{Cognition–Action Dynamics}.
} Self-Model Dynamics ⊂ Cognition–Action Dynamics . 3. 人類並不能直接讀取自己的「真實能力」
設任務特定能力：
A i ( d , q , t ) . A_i(d,q,t). A i ( d , q , t ) . 人類通常無法直接觀察：
A i . A_i. A i . 可得到的是：
Y t p e r f Y_t^{perf} Y t p er f 例如：
做對幾題；
完成多少工作；
被多少人採用；
競賽名次；
錯誤率；
學習速度；
他人評價；
長期成果。
因此：
A → Y p e r f → A ^ s e l f \boxed{
A
\rightarrow
Y^{perf}
\rightarrow
\widehat A^{self}
} A → Y p er f → A se l f 中間至少隔了一層證據生成。
而：
Y p e r f Y^{perf} Y p er f 本身還受：
運氣；
資源；
工具；
睡眠；
合作者；
任務難度；
評分制度；
影響。
所以：
Y t p e r f ≠ A t . Y_t^{perf}
\neq
A_t. Y t p er f = A t . 4. 自我模型的最低結構
本文定義：
S t s e l f = ( A ^ t , Q t , B t , I t , P t ) \boxed{
\mathcal S_t^{self}
=
(
\widehat{\mathbf A}_t,
\mathbf Q_t,
\mathbf B_t,
\mathbf I_t,
\mathbf P_t
)
} S t se l f = ( A t , Q t , B t , I t , P t ) 4.1 能力估計
A ^ t \widehat{\mathbf A}_t A t 是主體對自身不同能力維度的估計。
例如：
A ^ t = ( A ^ m a t h , A ^ s o c i a l , A ^ w r i t i n g , A ^ p l a n n i n g , … ) . \widehat{\mathbf A}_t
=
(
\hat A^{math},
\hat A^{social},
\hat A^{writing},
\hat A^{planning},
\ldots
). A t = ( A ^ ma t h , A ^ soc ia l , A ^ w r i t in g , A ^ pl annin g , … ) . 4.2 置信度
Q t \mathbf Q_t Q t 表示：
我有多確定這個自我判斷？
因此：
A ^ = 0.8 , Q = 0.2 \hat A=0.8,\quad Q=0.2 A ^ = 0.8 , Q = 0.2 與：
A ^ = 0.8 , Q = 0.99 \hat A=0.8,\quad Q=0.99 A ^ = 0.8 , Q = 0.99 是完全不同的認知狀態。
4.3 定義域模型
B t \mathbf B_t B t 表示：
我的能力在哪些條件下成立？
例如：
我擅長抽象推理。
並不等於：
我擅長所有決策。
所以：
Ability Magnitude ≠ Ability Scope . \boxed{
\text{Ability Magnitude}
\neq
\text{Ability Scope}.
} Ability Magnitude = Ability Scope . 4.4 身份耦合
I t \mathbf I_t I t 表示某能力判斷與：
自尊；
群體身份；
人生敘事；
社會地位；
道德自我；
的耦合程度。
4.5 公開呈現
P t \mathbf P_t P t 表示主體向外界如何描述自己。
因此：
A ^ t ≠ P t . \boxed{
\widehat{\mathbf A}_t
\neq
\mathbf P_t.
} A t = P t . 5. 自我相關證據集合
在時間 t t t
E t s e l f = { e 1 , … , e n } \mathcal E_t^{self}
=
\{
e_1,\ldots,e_n
\} E t se l f = { e 1 , … , e n } 包含所有可能影響自我模型的候選證據。
例如：
成功；
失敗；
讚美；
批評；
排名；
他人比較；
自己的錯誤；
長期成果；
被忽略；
被神格化。
但：
E t s e l f \mathcal E_t^{self} E t se l f 不代表全部真正進入處理。
6. 第一個瓶頸：選擇什麼證據？
沿用：
Π t . \Pi_t. Π t . 定義：
Π t s e l f ( e ) \Pi_t^{self}(e) Π t se l f ( e ) 表示對自我相關證據 e e e
人可以：
主動尋求稱讚；
主動尋求批評；
避免排名；
只讀支持自己的評論；
不看績效資料；
不問別人真實評價。
因此：
Available Feedback ≠ Selected Feedback . \boxed{
\text{Available Feedback}
\neq
\text{Selected Feedback}.
} Available Feedback = Selected Feedback . 7. 自我知識的第一種失真：Willful Ignorance
如果：
e − e^{-} e − 可能威脅現有自我模型，
則可能：
Π t s e l f ( e − ) ↓ . \Pi_t^{self}(e^{-})\downarrow. Π t se l f ( e − ) ↓ . 此時根本沒有進入後續更新。
所以：
沒有更新 \boxed{
\text{沒有更新}
} 沒有更新 可能不是因為：
看了卻不信。
而是：
根本不讓自己看。
這一點在人類自我相關回饋研究中具有直接對照。
8. 第二個瓶頸：看到了什麼？
即使：
Π t s e l f ( e ) > 0 , \Pi_t^{self}(e)>0, Π t se l f ( e ) > 0 , 仍需經過：
O t s e l f . O_t^{self}. O t se l f . 相同評語：
這次做得不好。
可以被表徵成：
我這次策略有問題；
我根本沒有能力；
評審不懂；
他在嫉妒；
任務不公平；
這是有價值的校正訊號。
所以：
same input ≠ same representation . \boxed{
\text{same input}
\neq
\text{same representation}.
} same input = same representation . 9. 第三個瓶頸：證據是否被接受？
本文加入：
E t e v a l ( e ) ∈ [ 0 , 1 ] E_t^{eval}(e)
\in
[0,1] E t e v a l ( e ) ∈ [ 0 , 1 ] 表示證據被視為有效自我相關證據的程度。
它受：
來源可信度；
任務相關性；
身份威脅；
既有自我模型；
情緒；
社會關係；
影響。
因此：
e → O ( e ) → E e v a l ( e ) e
\rightarrow
O(e)
\rightarrow
E^{eval}(e) e → O ( e ) → E e v a l ( e ) 三者不能合併。
10. Evidence Evaluation 與 Updating 分離
一個重要區分是：
Evidence Evaluation ≠ Belief Updating . \boxed{
\text{Evidence Evaluation}
\neq
\text{Belief Updating}.
} Evidence Evaluation = Belief Updating . 人可能並不是在最後一步「故意不更新」。
偏差可能更早出現在：
搜尋什麼；
相信哪個來源；
如何定義任務；
如何解釋反例；
哪些證據被視為相關。
因此：
motivated reasoning \boxed{
\text{motivated reasoning}
} motivated reasoning 不必等同：
arbitrary update rule . \boxed{
\text{arbitrary update rule}.
} arbitrary update rule . 11. 第四個瓶頸：自我模型更新增益
沿用第 6 篇的更新增益概念：
u t s e l f ∈ [ 0 , 1 ] . u_t^{self}
\in
[0,1]. u t se l f ∈ [ 0 , 1 ] . 簡化候選：
Δ A ^ t ≈ u t s e l f ⋅ E t e v a l ⋅ ε t s e l f , \Delta
\widehat{\mathbf A}_t
\approx
u_t^{self}
\cdot
E_t^{eval}
\cdot
\varepsilon_t^{self}, Δ A t ≈ u t se l f ⋅ E t e v a l ⋅ ε t se l f , 其中：
ε t s e l f = Y t e v i d e n c e − A ^ t . \varepsilon_t^{self}
=
Y_t^{evidence}
-
\widehat{\mathbf A}_t. ε t se l f = Y t e v i d e n ce − A t . 此式不是心理普遍定律。
它只是表示：
即使證據差距很大，如果更新增益很低，自我模型仍可能不動。
12. 高激活—低可塑的自我神話
第 6 篇已區分：
Activation ≠ Plasticity . \text{Activation}
\neq
\text{Plasticity}. Activation = Plasticity . 這在自我模型中特別重要。
某人可以每天反覆想到：
我是天才。
所以：
a s e l f ↑ . a^{self}\uparrow. a se l f ↑ . 但遇到反例：
u s e l f ↓ . u^{self}\downarrow. u se l f ↓ . 也可以每天反覆想到：
我很差。
同樣：
a s e l f ↑ , u s e l f ↓ . a^{self}\uparrow,
\qquad
u^{self}\downarrow. a se l f ↑ , u se l f ↓ . 因此正面或負面的自我神話都可以屬於：
High Activation + Low Plasticity . \boxed{
\text{High Activation}
+
\text{Low Plasticity}.
} High Activation + Low Plasticity . 13. 第五個瓶頸：記憶不是中性資料庫
沿用：
M t s e l f . \mathcal M_t^{self}. M t se l f . 人類不是把所有成功與失敗完整保存後再客觀統計。
可能出現：
選擇性提取；
重構；
遺忘；
時間重新解釋；
自我一致性偏向。
所以：
experienced evidence ≠ retrievable evidence . \boxed{
\text{experienced evidence}
\neq
\text{retrievable evidence}.
} experienced evidence = retrievable evidence . 14. 自傳記憶會反向支持現在的自我模型
如果現在：
A ^ t s e l f \widehat A_t^{self} A t se l f 偏高，
可能更容易提取：
M s u c c e s s . \mathcal M^{success}. M s u ccess . 如果偏低，
可能更容易提取：
M f a i l u r e . \mathcal M^{failure}. M f ai l u r e . 形成：
A ^ t → M t r e t → A ^ t + 1 . \widehat A_t
\rightarrow
\mathcal M_t^{ret}
\rightarrow
\widehat A_{t+1}. A t → M t r e t → A t + 1 . 因此：
Self-Model ↔ Memory Retrieval . \boxed{
\text{Self-Model}
\leftrightarrow
\text{Memory Retrieval}.
} Self-Model ↔ Memory Retrieval . 這是一個回授閉環。
15. 社會回饋不是外部真理
定義：
F j → i s o c ( t ) F_{j\rightarrow i}^{soc}(t) F j → i soc ( t ) 表示他者 j j j i i i
但：
F s o c ≠ A i . F^{soc}
\neq
A_i. F soc = A i . 他人也具有：
資訊不足；
偏見；
地位效應；
喜惡；
群體敘事；
模仿；
reputational cascade。
因此社會回饋只是另一類證據。
不是自動 ground truth。
16. 社會模型
群體會形成：
S ^ i , t s o c . \widehat{\mathcal S}_{i,t}^{soc}. S i , t soc . 它可能來自：
S ^ i , t s o c = G ( Y 1 : t p u b l i c , P 1 : t , F o t h e r s , V t v i s i b i l i t y , N t ) . \widehat{\mathcal S}_{i,t}^{soc}
=
\mathcal G
(
Y_{1:t}^{public},
P_{1:t},
F_{others},
V_t^{visibility},
N_t
). S i , t soc = G ( Y 1 : t p u b l i c , P 1 : t , F o t h er s , V t v i s ibi l i t y , N t ) . 其中：
Y p u b l i c Y^{public} Y p u b l i c P P P F o t h e r s F_{others} F o t h er s V V V N N N
17. 社會模型與自我模型的差距
定義：
D i s o c − s e l f ( t ) = d ( S ^ i , t s o c , S i , t s e l f ) . D_i^{soc-self}(t)
=
d
\left(
\widehat{\mathcal S}_{i,t}^{soc},
\mathcal S_{i,t}^{self}
\right). D i soc − se l f ( t ) = d ( S i , t soc , S i , t se l f ) . 若：
D s o c − s e l f ≫ 0 , D^{soc-self}\gg0, D soc − se l f ≫ 0 , 可能產生：
冒名頂替感；
被誤解感；
被高估感；
被低估感；
身份威脅；
反神話行動。
但差距本身不告訴我們：
誰比較接近真實。
18. 自我神話作為社會壓縮
定義：
H i m y t h ( t ) = Π s o c ( S ^ i , t s o c ) . \mathcal H_i^{myth}(t)
=
\Pi_{soc}
\left(
\widehat{\mathcal S}_{i,t}^{soc}
\right). H i m y t h ( t ) = Π soc ( S i , t soc ) . 例如：
complex person → genius . \text{complex person}
\rightarrow
\text{genius}. complex person → genius . 或：
complex person → failure . \text{complex person}
\rightarrow
\text{failure}. complex person → failure . 因此：
Myth = low-dimensional social compression . \boxed{
\text{Myth}
=
\text{low-dimensional social compression}.
} Myth = low-dimensional social compression . 神話不一定正面。
負面污名同樣是一種神話壓縮。
19. 公開呈現會反向改變未來資料
這是人類版很重要的一個閉環。
主體公開輸出：
P t . P_t. P t . 他人根據：
P t P_t P t 調整對他的行為。
於是產生新的：
F t + 1 s o c . F_{t+1}^{soc}. F t + 1 soc . 所以：
P t → F t + 1 s o c → A ^ t + 1 . P_t
\rightarrow
F_{t+1}^{soc}
\rightarrow
\widehat A_{t+1}. P t → F t + 1 soc → A t + 1 . 也就是：
Self-Presentation changes the evidence environment . \boxed{
\text{Self-Presentation changes the evidence environment}.
} Self-Presentation changes the evidence environment . 因此：
假裝謙虛
或：
極度自信
都可能長期改變一個人收到什麼社會訊號。
20. 自我實現與自我維持
若：
P t c o n f i d e n t ↑ , P_t^{confident}\uparrow, P t co n f i d e n t ↑ , 可能提高：
然後：
O p p o r t u n i t y ↑ → P e r f o r m a n c e E v i d e n c e ↑ . Opportunity\uparrow
\rightarrow
Performance Evidence\uparrow. O pp or t u ni t y ↑→ P er f or man ce E v i d e n ce ↑ . 形成：
Self-Model → Environment → New Evidence . \boxed{
\text{Self-Model}
\rightarrow
\text{Environment}
\rightarrow
\text{New Evidence}.
} Self-Model → Environment → New Evidence . 反方向也可能成立。
所以自我模型不只是「描述自己」。
它可能部分參與製造未來自己。
21. 三種自我動機
為了避免把所有偏差都叫「不理性」，本文區分至少三類目標。
21.1 Self-Assessment
目標：
min d ( A ^ , A ) . \min
d(
\widehat A,
A
). min d ( A , A ) . 希望更準確知道自己。
21.2 Self-Verification
目標：
min d ( F s o c , A ^ t ) . \min
d(
F^{soc},
\widehat A_t
). min d ( F soc , A t ) . 偏好得到與既有自我模型一致的訊號。
21.3 Self-Enhancement
目標：
A ^ ↑ \widehat A
\uparrow A ↑ 或至少維持正面自我感。
這三者可能互相競爭。
22. 自我驗證不等於真實驗證
如果：
A ^ t \widehat A_t A t 本來就是錯的，
則：
Self-Verification \text{Self-Verification} Self-Verification 可能加強錯誤。
例如：
A ^ t ≪ A \widehat A_t\ll A A t ≪ A 的人，
可能偏好：
你真的沒那麼好。
因為它符合既有模型。
因此：
subjective consistency ≠ objective calibration . \boxed{
\text{subjective consistency}
\neq
\text{objective calibration}.
} subjective consistency = objective calibration . 23. Identity Threat
沿用第 9、11、16 篇的身份成本與存在負荷。
定義：
C t i d ( e ) C_t^{id}(e) C t i d ( e ) 表示證據 e e e
例如：
我一直相信自己是最聰明的人。
此時一次高品質失敗證據不只是：
task error . \text{task error}. task error . 還可能是：
identity revision demand . \text{identity revision demand}. identity revision demand . 所以：
C i d ↑ ⇒ E e v a l ( e ) ↓ C^{id}\uparrow
\Rightarrow
E^{eval}(e)\downarrow C i d ↑⇒ E e v a l ( e ) ↓ 或：
u s e l f ↓ u^{self}\downarrow u se l f ↓ 皆可能發生。
24. 身份中央性
定義：
I t c e n t r a l ( d ) ∈ [ 0 , 1 ] . I_t^{central}(d)
\in
[0,1]. I t ce n t r a l ( d ) ∈ [ 0 , 1 ] . 表示能力領域 d d d
若：
I c e n t r a l ( d ) ≫ 0 , I^{central}(d)\gg0, I ce n t r a l ( d ) ≫ 0 , 則該領域負面證據可能具有更大身份成本。
因此：
same performance failure ≠ same self-model shock . \boxed{
\text{same performance failure}
\neq
\text{same self-model shock}.
} same performance failure = same self-model shock . 25. 防衛性閉合
若：
C i d ↑ , C^{id}\uparrow, C i d ↑ , C u n c ↑ , C^{unc}\uparrow, C u n c ↑ , 且：
K i n t ↓ , K^{int}\downarrow, K in t ↓ , 可能進入：
D c l o ↑ . D^{clo}\uparrow. D c l o ↑ . 防衛性閉合不一定表現為：
我拒絕所有資訊。
也可能是：
貶低來源；
改寫標準；
隔離反例；
轉移比較群體；
退出高暴露環境；
拒絕自我相關回饋。
26. 高估型吸引子
假設：
A ^ t > A t . \widehat A_t>A_t. A t > A t . 如果同時：
Π ( e − ) ↓ , \Pi(e^-)\downarrow, Π ( e − ) ↓ , E e v a l ( e − ) ↓ , E^{eval}(e^-)\downarrow, E e v a l ( e − ) ↓ , M r e t ( s u c c e s s ) ↑ , \mathcal M^{ret}(success)\uparrow, M r e t ( s u ccess ) ↑ , 則可能形成：
A ^ t + 1 ≥ A ^ t . \widehat A_{t+1}\ge\widehat A_t. A t + 1 ≥ A t . 這是一個：
Overconfidence Attractor . \boxed{
\text{Overconfidence Attractor}.
} Overconfidence Attractor . 它不需要假設「低能力者天生無知」。
只需要若干選擇、評估與記憶機制形成閉環。
27. 低估型吸引子
同理：
A ^ t < A t \widehat A_t<A_t A t < A t 時，
如果：
Π ( e + ) ↓ , \Pi(e^+)\downarrow, Π ( e + ) ↓ , 或：
E e v a l ( e + ) ↓ , E^{eval}(e^+)\downarrow, E e v a l ( e + ) ↓ , 並且：
M r e t ( f a i l u r e ) ↑ , \mathcal M^{ret}(failure)\uparrow, M r e t ( f ai l u r e ) ↑ , 則：
A ^ t \widehat A_t A t 可長期停留在低估區。
這可以描述：
Impostor-Like Attractor . \boxed{
\text{Impostor-Like Attractor}.
} Impostor-Like Attractor . 但本文不把它等同臨床診斷。
28. 為什麼正面回饋不一定能修正低估？
因為正面回饋可能被解釋為：
對方客氣；
運氣；
標準太低；
團隊功勞；
偶然成功；
對方不了解真正的我。
所以：
F s o c , + > 0 F^{soc,+}>0 F soc , + > 0 不推出：
Δ A ^ > 0. \Delta\widehat A>0. Δ A > 0. 關鍵是：
E e v a l ( F s o c , + ) . E^{eval}(F^{soc,+}). E e v a l ( F soc , + ) . 29. 為什麼負面回饋不一定能修正高估？
完全對稱。
負面回饋可能被解釋成：
評審錯；
對方嫉妒；
任務不重要；
標準不合理；
時機不好。
所以：
F s o c , − < 0 F^{soc,-}<0 F soc , − < 0 不推出：
Δ A ^ < 0. \Delta\widehat A<0. Δ A < 0. 因此：
feedback valence ≠ update direction . \boxed{
\text{feedback valence}
\neq
\text{update direction}.
} feedback valence = update direction . 30. Congruence 可能比正負更重要
人類對自我相關資訊的整合，可能高度受到：
congruence with prior self-model \text{congruence with prior self-model} congruence with prior self-model 影響。
定義：
C t c o n g ( e ) = − d ( e , A ^ t ) . C_t^{cong}(e)
=
-\,
d
(
e,
\widehat A_t
). C t co n g ( e ) = − d ( e , A t ) . 若一致性高，
證據可能更容易被吸收。
因此：
positive ≠ accepted , \boxed{
\text{positive}
\neq
\text{accepted},
} positive = accepted , negative ≠ rejected . \boxed{
\text{negative}
\neq
\text{rejected}.
} negative = rejected . 更重要的問題可能是：
它和既有的「我是誰」是否一致？
31. 校準不是單純均值接近
上一階段使用：
Δ t = A ^ t − A t . \Delta_t
=
\widehat A_t-A_t. Δ t = A t − A t . 但完整校準至少包含：
C t m e t a = ( B t b i a s , S t s e n s , Q t u n c ) . \mathbf C_t^{meta}
=
(
B_t^{bias},
S_t^{sens},
Q_t^{unc}
). C t m e t a = ( B t bia s , S t se n s , Q t u n c ) . 其中：
B b i a s B^{bias} B bia s S s e n s S^{sens} S se n s Q u n c Q^{unc} Q u n c
因此：
Calibration ≠ one mean error . \boxed{
\text{Calibration}
\neq
\text{one mean error}.
} Calibration = one mean error . 32. 校準型吸引子
較成熟的狀態不是：
A ^ t = A t \widehat A_t=A_t A t = A t 永遠精確成立。
而是：
∣ A ^ t − A t ∣ remains corrigible . \boxed{
|\widehat A_t-A_t|
\text{ remains corrigible}.
} ∣ A t − A t ∣ remains corrigible . 也就是系統具有：
願意取得新證據；
能分辨證據品質；
更新增益非零；
記憶不完全單向；
可以向上或向下修改。
本文稱為：
Calibrated Attractor . \boxed{
\text{Calibrated Attractor}.
} Calibrated Attractor . 33. 雙向更新是核心判準
如果：
Y t p e r f ≫ A ^ t , Y_t^{perf}
\gg
\widehat A_t, Y t p er f ≫ A t , 系統應允許：
A ^ t + 1 > A ^ t . \widehat A_{t+1}
>
\widehat A_t. A t + 1 > A t . 如果：
Y t p e r f ≪ A ^ t , Y_t^{perf}
\ll
\widehat A_t, Y t p er f ≪ A t , 也應允許：
A ^ t + 1 < A ^ t . \widehat A_{t+1}
<
\widehat A_t. A t + 1 < A t . 因此：
Bidirectional Revisability \boxed{
\text{Bidirectional Revisability}
} Bidirectional Revisability 比：
永遠自信。
或：
永遠謙虛。
更接近成熟自我模型。
34. 「我很強」與「我應該被崇拜」之間不存在自然映射
本文把能力估計與規範權威分開。
即使：
A ^ t ( d ) ≈ A t ( d ) ≫ 0 , \widehat A_t(d)
\approx
A_t(d)
\gg0, A t ( d ) ≈ A t ( d ) ≫ 0 , 仍然：
A ( d ) ⇏ Moral Authority , A(d)
\nRightarrow
\text{Moral Authority}, A ( d ) ⇏ Moral Authority , A ( d ) ⇏ Global Epistemic Authority , A(d)
\nRightarrow
\text{Global Epistemic Authority}, A ( d ) ⇏ Global Epistemic Authority , A ( d ) ⇏ Sovereignty . A(d)
\nRightarrow
\text{Sovereignty}. A ( d ) ⇏ Sovereignty . 所以校準型高能力者完全可以：
準確承認自己很強。
並同時：
拒絕跨域神格化。
35. 校準式自我去神格化
定義：
D i c a l ( t ) . \mathfrak D_i^{cal}(t). D i c a l ( t ) . 候選條件：
∣ A ^ i ( d , t ) − A i ( d , t ) ∣ < ϵ A , |\widehat A_i(d,t)-A_i(d,t)|
<
\epsilon_A, ∣ A i ( d , t ) − A i ( d , t ) ∣ < ϵ A , Q i ( d , t ) calibrated , Q_i(d,t)
\text{ calibrated}, Q i ( d , t ) calibrated , 以及：
B i ( d , t ) bounded . B_i(d,t)
\text{ bounded}. B i ( d , t ) bounded . 同時：
D i s o c − s e l f ( t ) ≫ 0 D_i^{soc-self}(t)\gg0 D i soc − se l f ( t ) ≫ 0 主要來自社會過度外推。
此時個體的反神話行為不是：
A ^ ↓ . \widehat A\downarrow. A ↓ . 而是：
Scope Correction . \boxed{
\text{Scope Correction}.
} Scope Correction . 36. 自我解壓縮
如果社會模型：
S ^ s o c \widehat{\mathcal S}^{soc} S soc 被壓成：
H m y t h = genius , \mathcal H^{myth}
=
\text{genius}, H m y t h = genius , 個體可能主動展開：
H m y t h → { strengths , limits , dependencies , uncertainties } . \mathcal H^{myth}
\rightarrow
\{
\text{strengths},
\text{limits},
\text{dependencies},
\text{uncertainties}
\}. H m y t h → { strengths , limits , dependencies , uncertainties } . 本文稱為：
Self-Decompression . \boxed{
\text{Self-Decompression}.
} Self-Decompression . 它不是：
降低自己。
而是：
增加表示維度。
37. 神話壓力本身會影響自我模型
社會神話不是單純旁觀。
如果外界持續：
你是天才。
則主體可能：
路徑 A：內化
H m y t h → A ^ s e l f ↑ . \mathcal H^{myth}
\rightarrow
\widehat A^{self}\uparrow. H m y t h → A se l f ↑ . 路徑 B：反彈
H m y t h → D s o c − s e l f ↑ → self-decompression . \mathcal H^{myth}
\rightarrow
D^{soc-self}\uparrow
\rightarrow
\text{self-decompression}. H m y t h → D soc − se l f ↑→ self-decompression . 路徑 C：冒名頂替
H m y t h ↑ ∧ A ^ s e l f unchanged \mathcal H^{myth}\uparrow
\quad\land\quad
\widehat A^{self}\text{ unchanged} H m y t h ↑ ∧ A se l f unchanged 造成：
D s o c − s e l f ↑ . D^{soc-self}\uparrow. D soc − se l f ↑ . 所以同樣神話輸入可產生不同分岔。
38. 自我模型可能震盪
某些人不是穩定高估或低估。
而是：
A ^ t ↔ A ^ t + 1 \widehat A_t
\leftrightarrow
\widehat A_{t+1} A t ↔ A t + 1 大幅震盪。
例如：
成功後：
A ^ ↑ ↑ \widehat A\uparrow\uparrow A ↑↑ 失敗後：
A ^ ↓ ↓ . \widehat A\downarrow\downarrow. A ↓↓ . 這可能表示：
Q t Q_t Q t 不足，
或：
u t s e l f u_t^{self} u t se l f 過高。
因此：
高可塑 ≠ 高校準 . \boxed{
\text{高可塑}
\neq
\text{高校準}.
} 高可塑 = 高校準 . 太容易被單一事件改寫，也可能是不穩定。
39. 自我模型需要多時間尺度
短期：
τ s h o r t \tau_{short} τ s h or t 處理一次任務。
中期：
τ m i d \tau_{mid} τ mi d 形成領域能力評估。
長期：
τ l o n g \tau_{long} τ l o n g 進入身份敘事。
因此：
Δ A ^ t a s k \Delta \widehat A^{task} Δ A t a s k 不應直接變成：
Δ I i d e n t i t y . \Delta I^{identity}. Δ I i d e n t i t y . 一次考差：
這次沒做好。
和：
我是失敗者。
之間必須有門。
40. 身份泛化錯誤
定義：
G i d : Y t l o c a l → I t g l o b a l . \mathcal G^{id}
:
Y_t^{local}
\rightarrow
I_t^{global}. G i d : Y t l oc a l → I t g l o ba l . 當單一局部結果被過度泛化：
G i d ≫ 0. \mathcal G^{id}\gg0. G i d ≫ 0. 例如：
one failure → I am incompetent . \text{one failure}
\rightarrow
\text{I am incompetent}. one failure → I am incompetent . 或：
one success → I am universally superior . \text{one success}
\rightarrow
\text{I am universally superior}. one success → I am universally superior . 這兩者具有同構結構。
41. 第 15 篇的跨時自我橋接
第 15 篇區分：
χ c a u s a l , χ m e m , χ s e l f , χ n a r r , χ s o c i a l . \chi^{causal},
\chi^{mem},
\chi^{self},
\chi^{narr},
\chi^{social}. χ c a u s a l , χ m e m , χ se l f , χ na r r , χ soc ia l . 本文因此不把自我模型視為當下孤立估計。
而是：
S t s e l f ↔ S t − 1 s e l f ↔ ⋯ \mathcal S_t^{self}
\leftrightarrow
\mathcal S_{t-1}^{self}
\leftrightarrow
\cdots S t se l f ↔ S t − 1 se l f ↔ ⋯ 形成自我歷史。
因此修改自我模型可能產生：
L i d L^{id} L i d 身份修訂負荷。
42. 為什麼承認自己錯了有時非常難？
因為更新的不只是：
A ^ . \widehat A. A . 可能還必須更新：
過去故事；
關係位置；
職涯選擇；
群體身份；
道德自我；
未來計畫。
所以：
small evidence update → large narrative rewrite cost \boxed{
\text{small evidence update}
\rightarrow
\text{large narrative rewrite cost}
} small evidence update → large narrative rewrite cost 可能成立。
這是人類版極重要的限制。
43. 第 16 篇的 Agency 接口
第 16 篇把能動性拆成：
η a g = ( η g e n , η s e l , η i n i t , η s u s , η r e v , η o w n ) . \boldsymbol\eta^{ag}
=
(
\eta^{gen},
\eta^{sel},
\eta^{init},
\eta^{sus},
\eta^{rev},
\eta^{own}
). η a g = ( η g e n , η se l , η ini t , η s u s , η r e v , η o w n ) . 自我模型修正與：
η r e v \eta^{rev} η r e v 高度相關。
因為真正能動並不只是：
堅持原本的自我。
也包括：
有能力修正自己。
所以：
Self-Revision \boxed{
\text{Self-Revision}
} Self-Revision 可以被視為一種能動性表現。
44. 但自我修正不等於任意改寫
如果每次外界評價都讓自我模型翻轉，
那不是更自由。
所以：
η r e v \eta^{rev} η r e v 需要和：
Q t , E e v a l , M t , B t Q_t,
E^{eval},
\mathcal M_t,
B_t Q t , E e v a l , M t , B t 共同作用。
真正有用的是：
evidence-sensitive revision \boxed{
\text{evidence-sensitive revision}
} evidence-sensitive revision 而不是：
socially driven identity volatility . \text{socially driven identity volatility}. socially driven identity volatility . 45. 完整的人類自我模型閉環
本文提出：
E t s e l f → Π t s e l f O t s e l f → E t e v a l U t s e l f → S t + 1 s e l f → M t + 1 s e l f → P t + 1 → F t + 1 s o c → E t + 1 s e l f \boxed{
\mathcal E_t^{self}
\xrightarrow{\Pi_t^{self}}
O_t^{self}
\xrightarrow{E_t^{eval}}
U_t^{self}
\xrightarrow{}
\mathcal S_{t+1}^{self}
\xrightarrow{}
\mathcal M_{t+1}^{self}
\xrightarrow{}
P_{t+1}
\xrightarrow{}
F_{t+1}^{soc}
\xrightarrow{}
\mathcal E_{t+1}^{self}
} E t se l f Π t se l f O t se l f E t e v a l U t se l f S t + 1 se l f M t + 1 se l f P t + 1 F t + 1 soc E t + 1 se l f 同時受：
C t i d , Q t , O t m e t a , R t r e c C_t^{id},
\quad
Q_t,
\quad
O_t^{meta},
\quad
R_t^{rec} C t i d , Q t , O t m e t a , R t r ec 調節。
這是一個閉環，
不是一次性評價。
46. 最小更新方程
可寫候選形式：
A ^ t + 1 = A ^ t + U t [ W t ⊙ ( E t − A ^ t ) ] + ξ t , \widehat{\mathbf A}_{t+1}
=
\widehat{\mathbf A}_t
+
\mathbf U_t
\left[
\mathbf W_t
\odot
(
\mathbf E_t
-
\widehat{\mathbf A}_t
)
\right]
+
\boldsymbol\xi_t, A t + 1 = A t + U t [ W t ⊙ ( E t − A t ) ] + ξ t , 其中：
E t \mathbf E_t E t W t \mathbf W_t W t U t \mathbf U_t U t ξ t \boldsymbol\xi_t ξ t
但：
E t \mathbf E_t E t 本身已經是：
E t = Q ( E t s e l f , Π t , O t , E t e v a l , C t i d ) . \mathbf E_t
=
\mathcal Q
(
\mathcal E_t^{self},
\Pi_t,
O_t,
E_t^{eval},
C_t^{id}
). E t = Q ( E t se l f , Π t , O t , E t e v a l , C t i d ) . 因此偏差可能發生在更新之前。
47. 神話差距
定義：
D i m y t h ( t ) = A ^ i , t s o c − A ^ i , t s e l f \boxed{
\mathbf D_i^{myth}(t)
=
\widehat{\mathbf A}_{i,t}^{soc}
-
\widehat{\mathbf A}_{i,t}^{self}
} D i m y t h ( t ) = A i , t soc − A i , t se l f 但應注意：
D m y t h = 0 \mathbf D^{myth}=0 D m y t h = 0 不代表兩者都正確。
可能只是：
個體和群體一起高估。
或：
一起低估。
所以仍需第三類：
Y p e r f Y^{perf} Y p er f 與外部基準。
48. 三模型系統
因此完整比較至少需要：
Performance Model ≠ Self Model ≠ Social Model . \boxed{
\text{Performance Model}
\neq
\text{Self Model}
\neq
\text{Social Model}.
} Performance Model = Self Model = Social Model . 即：
A t p e r f , S t s e l f , S t s o c . \mathcal A_t^{perf},
\quad
\mathcal S_t^{self},
\quad
\mathcal S_t^{soc}. A t p er f , S t se l f , S t soc . 三者差值：
D s e l f − p e r f , D^{self-perf}, D se l f − p er f , D s o c − p e r f , D^{soc-perf}, D soc − p er f , D s e l f − s o c . D^{self-soc}. D se l f − soc . 代表不同問題。
49. 六種典型動態狀態
49.1 Calibrated State
D s e l f − p e r f ≈ 0. D^{self-perf}\approx0. D se l f − p er f ≈ 0. 49.2 Overconfidence State
D s e l f − p e r f > 0. D^{self-perf}>0. D se l f − p er f > 0. 49.3 Underconfidence State
D s e l f − p e r f < 0. D^{self-perf}<0. D se l f − p er f < 0. 49.4 Social Over-Myth State
D s o c − p e r f ≫ 0. D^{soc-perf}\gg0. D soc − p er f ≫ 0. 49.5 Social Under-Recognition State
D s o c − p e r f ≪ 0. D^{soc-perf}\ll0. D soc − p er f ≪ 0. 49.6 Self–Social Divergence State
∣ D s e l f − s o c ∣ ≫ 0. |D^{self-soc}|\gg0. ∣ D se l f − soc ∣ ≫ 0. 這六種狀態可彼此組合。
50. 不應把動態狀態當人格物種
一個人可以：
t 1 : underconfidence t_1:
\text{underconfidence} t 1 : underconfidence t 2 : calibrated t_2:
\text{calibrated} t 2 : calibrated t 3 : overconfidence t_3:
\text{overconfidence} t 3 : overconfidence 而且不同領域同時不同。
例如：
d 1 : over , d 2 : under . d_1:\text{over},
\qquad
d_2:\text{under}. d 1 : over , d 2 : under . 因此：
person ≠ one calibration type . \boxed{
\text{person}
\neq
\text{one calibration type}.
} person = one calibration type . 51. 人類版的核心可證偽方向
本文至少提出以下實驗方向。
51.1 回饋選擇
測量：
Π s e l f ( e + ) , Π s e l f ( e − ) . \Pi^{self}(e^+),
\quad
\Pi^{self}(e^-). Π se l f ( e + ) , Π se l f ( e − ) . 51.2 證據接受
操控來源可信度與身份威脅，測量：
E e v a l . E^{eval}. E e v a l . 51.3 更新增益
在控制證據品質後估計：
u s e l f . u^{self}. u se l f . 51.4 記憶選擇
延遲後測量成功／失敗證據的提取非對稱。
51.5 公開呈現
比較：
S t S_t S t 與：
P t . P_t. P t . 51.6 社會閉環
觀察不同自我呈現是否改變後續機會與評價。
52. 競爭模型
本模型必須與更簡單解釋競爭。
例如：
模型 A：單一自尊模型
所有變化主要由：
S e l f E s t e e m t SelfEsteem_t S e l f E s t ee m t 解釋。
模型 B：純 Bayesian self-estimation
P ( A ∣ E ) P(A\mid E) P ( A ∣ E ) 足以描述。
模型 C：固定人格偏差
高估與低估主要是 trait。
模型 D：H-SMUD
偏差來自：
Π , O , E e v a l , u , M , C i d , P , F s o c \Pi,
O,
E^{eval},
u,
\mathcal M,
C^{id},
P,
F^{soc} Π , O , E e v a l , u , M , C i d , P , F soc 的動態耦合。
若簡單模型跨任務、跨時間預測不差於 H-SMUD，
則 H-SMUD 的複雜度不具正當性。
53. 本文十五條核心命題
命題 1
A ≠ Y p e r f ≠ A ^ s e l f . A\neq Y^{perf}\neq\widehat A^{self}. A = Y p er f = A se l f . 命題 2
可用回饋不等於實際處理回饋。
命題 3
證據評估與信念更新必須分離。
命題 4
高激活的自我信念可以同時低可塑。
命題 5
記憶提取與自我模型形成雙向耦合。
命題 6
社會回饋不是 ground truth。
命題 7
公開呈現會改變未來社會回饋與機會結構。
命題 8
自我驗證可以穩定錯誤自我模型。
命題 9
正面／負面 valence 不足以決定更新方向。
命題 10
身份中央性會改變相同證據的更新成本。
命題 11
高估與低估都可能形成自我維持吸引子。
命題 12
真正校準必須允許雙向修正。
命題 13
高可塑不等於高校準。
命題 14
校準式自我去神格化主要是 scope correction，而非 ability denial。
命題 15
自我模型是行動閉環的一部分，不只是被動描述。
54. 人類版最重要的結論
人類並不是先擁有一個準確的：
A A A 然後決定要不要承認。
更常見的情況是：
自我知識本身就是一個推斷問題。 \boxed{
\text{自我知識本身就是一個推斷問題。}
} 自我知識本身就是一個推斷問題。 主體只能從：
自己的表現；
他人的反應；
過去記憶；
社會比較；
身份敘事；
逐步重建：
A ^ . \widehat A. A . 而這個重建系統本身又有：
資源限制；
動機；
防衛；
遺忘；
社會回饋；
時間依賴。
所以：
Self-Model Error \boxed{
\text{Self-Model Error}
} Self-Model Error 不能只被理解為：
這個人不理性。
更精確的問題是：
錯誤是在選擇、觀察、證據評估、更新、記憶、身份門控，還是社會回饋哪一層產生？
55. 從「自信」改成動態診斷
因此未來若問：
這個人是不是太自信？
更好的診斷不是單一分數。
而是：
他看到了什麼證據？ \boxed{
\text{他看到了什麼證據？}
} 他看到了什麼證據？ 他相信哪些證據？ \boxed{
\text{他相信哪些證據？}
} 他相信哪些證據？ 他的更新增益是多少？ \boxed{
\text{他的更新增益是多少？}
} 他的更新增益是多少？ 哪些記憶被反覆提取？ \boxed{
\text{哪些記憶被反覆提取？}
} 哪些記憶被反覆提取？ 能力判斷和身份綁多深？ \boxed{
\text{能力判斷和身份綁多深？}
} 能力判斷和身份綁多深？ 他公開說的和私下相信的一樣嗎？ \boxed{
\text{他公開說的和私下相信的一樣嗎？}
} 他公開說的和私下相信的一樣嗎？ 以及：
他的公開行為是否正在重新塑造外部回饋環境？ \boxed{
\text{他的公開行為是否正在重新塑造外部回饋環境？}
} 他的公開行為是否正在重新塑造外部回饋環境？ 56. 從人類版走向廣義智能體
本文故意先寫人類。
因為人類具有大量已知特性：
生物情緒；
自尊；
羞恥；
社會地位；
群體身份；
自傳記憶；
語言式自我敘事。
但下一步真正重要的問題是：
哪些結構其實根本不需要「人類」才能成立？
例如：
Performance ≠ Self-Estimate ≠ External Estimate \boxed{
\text{Performance}
\neq
\text{Self-Estimate}
\neq
\text{External Estimate}
} Performance = Self-Estimate = External Estimate 並不需要人類情緒。
同樣：
Evidence Selection ≠ Evidence Evaluation ≠ State Update \boxed{
\text{Evidence Selection}
\neq
\text{Evidence Evaluation}
\neq
\text{State Update}
} Evidence Selection = Evidence Evaluation = State Update 也可能存在於 AI Agent。
記憶偏置可以被一般化為：
retrieval policy bias . \text{retrieval policy bias}. retrieval policy bias . 身份威脅可以被抽象成：
self-model consistency cost . \text{self-model consistency cost}. self-model consistency cost . 自尊可被抽象成：
self-evaluation objective . \text{self-evaluation objective}. self-evaluation objective . 公開呈現可以被抽象成：
external communication policy . \text{external communication policy}. external communication policy . 社會回饋可以被抽象成：
other-agent evaluation signal . \text{other-agent evaluation signal}. other-agent evaluation signal . 因此，人類版的真正用途不是把理論鎖在人類心理學。
而是：
先找到可觀察的特例， 再抽離生物實作， 留下智能體級的動態不動點。 \boxed{
\text{先找到可觀察的特例，
再抽離生物實作，
留下智能體級的動態不動點。}
} 先找到可觀察的特例， 再抽離生物實作， 留下智能體級的動態不動點。 57. 下一階段需要刪除哪些人類限定假設？
廣義版至少必須重新處理：
57.1 情緒成本
人類：
C a f f . C^{aff}. C a f f . 廣義智能體未必有情緒。
需改成：
C s t a t e . C^{state}. C s t a t e . 57.2 自尊
人類可能追求正面自我感。
AI 未必。
需改成：
J s e l f , J^{self}, J se l f , 即自我模型相關目標函數。
57.3 社會身份
人類存在群體身份與地位。
其他智能體可能具有：
role；
permission；
hierarchy；
reputation；
task identity。
57.4 自傳記憶
AI 可能使用：
episodic memory；
logs；
vector memory；
symbolic state；
external database。
所以應抽象為：
M a g e n t . \mathcal M^{agent}. M a g e n t . 57.5 公開自我呈現
人類：
P t s o c i a l . P_t^{social}. P t soc ia l . AI 則可能是：
π t c o m m u n i c a t i o n . \pi_t^{communication}. π t co mm u ni c a t i o n . 即向其他智能體、人類或管理系統輸出的自我描述政策。
58. 結論
人類自我模型並不是靜態鏡子。
它更像是一個：
有限觀測 + 選擇 + 證據評估 + 更新 + 記憶 + 身份 + 社會回饋 \boxed{
\text{有限觀測}
+
\text{選擇}
+
\text{證據評估}
+
\text{更新}
+
\text{記憶}
+
\text{身份}
+
\text{社會回饋}
} 有限觀測 + 選擇 + 證據評估 + 更新 + 記憶 + 身份 + 社會回饋 組成的閉環。
因此，同一句：
我很強。
可能是：
而同一句：
我沒有那麼厲害。
也可能是：
準確校正；
冒名頂替式低估；
humblebrag；
reputational insurance；
自我去神格化。
真正的辨識不能停在句子。
必須追蹤：
狀態如何形成， 證據如何進入， 更新如何發生， 記憶如何重構， 以及行動如何反過來重塑下一輪證據。 \boxed{
\text{狀態如何形成，
證據如何進入，
更新如何發生，
記憶如何重構，
以及行動如何反過來重塑下一輪證據。}
} 狀態如何形成， 證據如何進入， 更新如何發生， 記憶如何重構， 以及行動如何反過來重塑下一輪證據。 這也是認知動力學方法相對靜態人格分類最大的差異。
本文最終提出：
Healthy Self-Model ≠ Positive Self-Model . \boxed{
\text{Healthy Self-Model}
\neq
\text{Positive Self-Model}.
} Healthy Self-Model = Positive Self-Model . 也不是：
Humble Self-Model . \boxed{
\text{Humble Self-Model}.
} Humble Self-Model . 而更接近：
Calibrated + Uncertainty-Aware + Domain-Bounded + Bidirectionally Revisable + Action-Coupled . \boxed{
\text{Calibrated}
+
\text{Uncertainty-Aware}
+
\text{Domain-Bounded}
+
\text{Bidirectionally Revisable}
+
\text{Action-Coupled}.
} Calibrated + Uncertainty-Aware + Domain-Bounded + Bidirectionally Revisable + Action-Coupled . 換句話說：
真正成熟的自我模型，不是永遠相信自己，也不是永遠懷疑自己。
而是：
知道什麼證據足以讓自己改變，知道應該改多少，也知道哪些證據還不足以做出結論。
而這只是人類版本。
下一篇真正要做的是把：
self-esteem , shame , human identity , autobiographical narrative \text{self-esteem},
\text{shame},
\text{human identity},
\text{autobiographical narrative} self-esteem , shame , human identity , autobiographical narrative 全部從必要條件中抽掉，
重新問：
任何能對自身能力、狀態、限制與外界評價建立模型的智能體， 其自我模型將如何形成、校準、失真、凍結、修正與策略性輸出？ \boxed{
\text{任何能對自身能力、狀態、限制與外界評價建立模型的智能體，
其自我模型將如何形成、校準、失真、凍結、修正與策略性輸出？}
} 任何能對自身能力、狀態、限制與外界評價建立模型的智能體， 其自我模型將如何形成、校準、失真、凍結、修正與策略性輸出？ 到了那一步，研究對象就不再只是：
Human . \text{Human}. Human . 而是：
General Intelligent Agent . \boxed{
\text{General Intelligent Agent}.
} General Intelligent Agent . 參考文獻與理論對照
Fleming, Stephen M. “Metacognition and Confidence: A Review and Synthesis.” Annual Review of Psychology , 2024.
Burghart, Matthias, et al. “(Don’t) Tell Me More About Myself: Willful Ignorance of Self-Related Feedback.” Current Opinion in Psychology , 2025.
Mandelbaum, Eric, et al. “Updating, Evidence Evaluation, and Operator Availability: A Theoretical Framework for Understanding Belief.” Psychological Review , 2024.
Kwang, Tracy; Swann, William B. “Do People Embrace Praise Even When They Feel Unworthy? A Review of Critical Tests of Self-Enhancement versus Self-Verification.” Personality and Social Psychology Review , 2010.
Lo Presti, S., et al. “Don’t Stop Believing—Decoding Belief Dynamics in the Brain: An ALE Meta-analysis of Neural Correlates in Belief Formation and Updating.” Neuroscience & Biobehavioral Reviews , 2025.
“Beyond the Positivity Bias: The Processing and Integration of Self-Relevant Feedback Is Driven by Its Alignment With Pre-Existing Self-Views.” Cognitive Science , 2024.
“A Consensus Statement on Self-Knowledge Conceptualization, Measurement, Outcomes and Changeability.” Nature Reviews Psychology , 2026.
Peters, Antje, et al. “How Positive and Negative Feedback Following Real Interactions Changes Subsequent Sender Ratings.” Scientific Reports , 2025.
Bandura, Albert. Foundational work on self-efficacy, self-regulation, and reciprocal determinism.
Swann, William B. Foundational work on self-verification theory.
Sedikides, Constantine, et al. Work on self-protection, self-enhancement, and mnemic neglect.
下一篇：
《廣義智能體自我模型動力學：從目前 AI 到自主智慧體的自我估計、元認知、記憶與外部評價閉環》