未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性

Retrospective Relevance: How Future Targets Reweight the Meaningful Past Without Rewriting History

Tri-Temporal Cognitive Dynamics — 三生認知耦合動力學系列
TCD-06 / Coupling Paper III

作者：Neo.K（許筌崴）
協作形式化：Aletheia
機構：一言諾科技有限公司（EveMissLab）
日期：2026-08-17
版本：v0.1
狀態：TCD future-to-past epistemic coupling paper / retrospective relevance formalization

Canonical Non-Identity Statement

TCD-05 已建立：

\boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-. }

即：

現在的 action、未選 alternatives、dependencies、plasticity 與 provenance，會沉積成下一時刻的 Past Base Space。

本文進一步研究：

\boxed{ \mathcal B_t^+ \rightarrow \operatorname{Reweight} ( \mathcal B_t^- ). }

但永久保留：

\boxed{ \text{Historical Fact} \neq \text{Present Relevance of Historical Fact}. }

以及：

\boxed{ \text{Reweighting the Past} \neq \text{Rewriting the Past}. }

本文不主張：

未來事件可以改變已發生的過去；
新目標可以讓舊證據變成它原本不是的證據；
歷史 relevance 越高，historical truth 越高；
當前目標有權任意重解所有歷史；
memory retrieval 等於 historical truth；
hindsight relabeling 等於 counterfactual history；
目標導向記憶一定避免偏見；
Retrospective Relevance 等同心理學既有的 retrospective revaluation；
本文涉及任何物理 retrocausality。

摘要

Tri-Temporal Cognitive Dynamics 前五篇已建立三個時間底座與四條主要耦合：

\boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^0, }

表示 Past 對 Present 的 historical conditioning；

\boxed{ ( \mathcal B_t^-, \mathcal B_t^0 ) \rightarrow \mathcal B_t^+, }

表示 Past 與 Present 共同生成 Future Base Space；

\boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^0, }

表示 future representation 經 valuation / policy 形成 Prospective Attraction；

以及：

\boxed{ \mathcal B_t^0 \rightarrow \mathcal B_{t+1}^-, }

表示 present action 透過 Historical Sedimentation 變成下一時刻的 Past。

本文處理第五種、更微妙的 coupling：

當一個新的 future target、future hypothesis、future threat 或 future construction candidate 出現時，為什麼過去某些原本不重要的事件突然變得重要？

本文的答案是：

\boxed{ \text{Past content may remain fixed while Past relevance changes}. }

為避免「改變歷史」的錯誤語言，本文將 Past Base Space 拆成兩層：

\boxed{ \mathcal B_t^- = ( \mathcal H_t^{prov}, \mathbf w_t^{-} ). }

其中：

$\mathcal H_t^{prov}$ ：Historical Provenance Layer，保存 actual events、choices、alternatives、dependencies、decision provenance、version / timestamp / evidence；
$\mathbf w_t^{-}$ ：Retrospective Relevance Weights，表示在目前 task、future target、query 與 agent state 下，哪些歷史單元值得被提取、比較、重建、驗證或重新啟用。

對歷史單元：

h_i \in \mathcal H_t^{prov},

定義：

\boxed{ w_t^-(h_i \mid R_t^+, q_t, \kappa_R) = \mathcal R_- \left( h_i, R_t^+, q_t, \kappa_R \right), }

其中：

$R_t^+$ ：當前 future representation；
$q_t$ ：當前 retrospective query / task；
$\kappa_R$ ：relevance contract。

因此 active retrospective view 為：

\boxed{ \mathcal B_{t}^{-,act} ( R_t^+,q_t ) = \left\{ ( h_i,w_t^-(h_i) ) \right\}. }

同一 historical archive：

\mathcal H_t^{prov}

在不同 future target 下可以產生不同 active past：

\boxed{ \mathcal B_t^{-,act}(f_1) \neq \mathcal B_t^{-,act}(f_2). }

但同時：

\boxed{ \mathcal H_t^{prov}(f_1) = \mathcal H_t^{prov}(f_2) }

應在沒有新 evidence 的情況下保持。

本文將 relevance 至少分成七類：

Causal Relevance：歷史事件是否為 candidate 的 causal ancestor / bottleneck；
Dependency Relevance：是否建立仍存在的 dependency / lock-in；
Analogical Relevance：是否與新 future candidate 具有可辯護 structural analogy；
Failure Relevance：是否包含過往失敗、近失敗或被忽略風險；
Alternative Relevance：是否包含未選、lost、recoverable 或 dormant path；
Evidence Relevance：是否能提高／降低當前 future hypothesis 的 evidence；
Option-Reopening Relevance：是否因新 capability / target 而使 archived path 再次可行。

因此可寫：

\boxed{ \mathbf w_t^-(h) = ( w_C, w_D, w_A, w_F, w_O, w_E, w_R ). }

這些 weights 不等於 truth probability，而是：

在目前 prospective task 下，值得投入多少 retrieval / verification / simulation / attention budget。

本文並提出 Future-Conditioned Historical Retrieval：

\boxed{ \operatorname{Retrieve}_t^- = \operatorname{TopK} \left( \mathcal H_t^{prov}, w_t^- \right). }

其本質不是：

把過去改成對未來有利的故事。

而是：

在龐大的歷史 archive 中，根據目前 future problem 找出可能有用的 past states、dependencies、alternatives、failures 與 evidence。

本文特別加入 Adversarial Retrospective Retrieval。若 future candidate：

f

只提高支持自身的 past evidence：

w^+(h\mid f)

而降低反例／失敗歷史：

w^-(h\mid f),

就可能形成 confirmation-driven historical narrative。

因此 TCD-06 要求至少建立兩組 retrieval：

\boxed{ \mathcal H_t^{support}(f) }

與：

\boxed{ \mathcal H_t^{counter}(f), }

並保留：

\boxed{ \mathcal H_t^{alternative}(f) }

用來檢查：

supporting lineage；
disconfirming history；
failed precedents；
alternative causal ancestry；
path-dependent confounds。

本文亦建立 Historical Reactivation。若歷史單元：

h

原本：

w_{t_0}^-(h)\approx0,

但新 future target：

f

出現後：

w_{t_1}^-(h\mid f)\gg0,

則稱：

\boxed{ h: DormantPast \rightarrow ActivePast. }

這不是 $h$ 的 historical content 改變，而是：

\boxed{ \text{its current decision relevance changed}. }

外部研究提供了幾個非常清楚的相鄰形式。Mattar 與 Daw 的 normative replay theory 明確提出，記憶不應等機率被存取，而應依「對未來決策能帶來多少額外 reward」的 utility 來優先 replay；其 need 與 gain decomposition 正是一種 future-decision-conditioned memory prioritization。Momennejad 等人的人類 fMRI revaluation 實驗進一步顯示，當後段 reward information 改變時，過去遠端 states 的 offline replay 與後續 replanning 相關，說明新資訊可使先前 episode 被重新提取與整合以更新 policy。Prioritized Experience Replay 則在工程上明確把 past transitions 從 uniform replay 改成按 importance 優先取樣；Hindsight Experience Replay 更直接把同一已發生 trajectory 在不同 goal labeling 下重新賦予 learning relevance，使「事實 trajectory 不變，但它對哪個 goal 有用」發生改變。

這些研究都不等於 TCD-06，但共同支持一個有限、可操作的命題：

\boxed{ \text{past information can be selectively re-accessed or reweighted according to current/future decision needs}. }

本文最後提出：

\boxed{ \textbf{The future does not rewrite the past; it changes which parts of the past become causally, evidentially, analogically, or strategically relevant now.} }

中文：

未來不改寫過去；未來改變的是，過去哪些部分在現在重新成為因果上、證據上、類比上或策略上重要。

下一篇 TCD-07 將把六種耦合正式統一：

Six-Way Temporal Coupling

Past–Present–Future 六向認知耦合與時間位移算子

並第一次建立：

\boxed{ ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) \rightarrow ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \mathcal B_{t+1}^+ ). }

關鍵詞： Retrospective Relevance、Goal-Conditioned Retrieval、Memory Replay、Hindsight Experience Replay、Prioritized Replay、Historical Reweighting、Confirmation Bias、Tri-Temporal Cognitive Dynamics、UCPNP

1. 為什麼新的未來會讓舊歷史突然「變重要」？

假設一個 archive 有：

10^6

個 historical units。

今天新出現一個 research target：

f.

我們不可能把：

10^6

個事件全部等成本重新分析。

因此需要：

\boxed{ \text{relevance allocation}. }

2. Past Content 與 Past Relevance

本文正式拆：

\boxed{ \mathcal H_t^{prov} }

與：

\boxed{ \mathbf w_t^-. }

3. Provenance Layer

\mathcal H_t^{prov}

保存：

actual event；
actual choice；
timestamp；
version；
dependencies；
alternatives；
reason provenance；
evidence source；
uncertainty。

4. Relevance Layer

\mathbf w_t^-

回答：

在現在這個 future-oriented task 下，哪些 history 應優先進入 active cognition？

5. Stable Fact Invariant

若沒有新 evidence：

\boxed{ h_i^{content}(t_0) = h_i^{content}(t_1). }

6. Dynamic Relevance

但：

\boxed{ w_{t_0}^-(h_i) \neq w_{t_1}^-(h_i) }

完全可以。

7. 新證據可以改 Historical Belief，但不是本文主要箭頭

如果：

E_{new}

證明舊 record 錯，

可以：

Belief(h)

更新。

這是 evidence revision。

8. Retrospective Relevance 不要求 Historical Belief 更新

它可以在：

Belief(h)

完全不變時發生。

9. Example

過去某 codebase：

h_1: \text{一個不起眼的 state-persistence hack}.

當時沒被重視。

多年後目標變成：

f: \text{persistent world runtime}.

則：

w^-(h_1\mid f)\uparrow.

事件本身沒有變。

10. Relevance Operator

定義：

\boxed{ \mathcal R_-: ( h_i, R_t^+, q_t, \kappa_R ) \rightarrow \mathbf w_i. }

11. $R_t^+$ 來自 TCD-04

包括：

future candidate；
probability；
realization path；
target；
risk；
unknown future mass。

12. $q_t$ 是 Retrospective Query

例如：

過去哪些事件是這個 future candidate 的技術祖先？

或：

哪些過去失敗最可能反駁它？

13. $\kappa_R$ 是 Relevance Contract

至少可指定：

time range；
domain；
provenance quality；
retrieval budget；
observer；
relevance type；
evidence threshold。

14. Relevance Is Typed

本文不用：

w(h)\in\mathbb R

作唯一形式。

更推薦：

\boxed{ \mathbf w(h) = ( w_C,w_D,w_A,w_F,w_O,w_E,w_R ). }

15. Causal Relevance

w_C(h)

問：

$h$ 是否是現在 future candidate 的 causal / enabling ancestor？

16. Dependency Relevance

w_D(h)

問：

$h$ 是否建立目前仍存在的 dependency / lock-in / path constraint？

17. Analogical Relevance

w_A(h)

問：

$h$ 是否具有可 defensibly transfer 的 structural analogy？

18. Failure Relevance

w_F(h)

問：

$h$ 是否包含同類 attempt 的 failure / near miss / hidden risk？

19. Alternative Relevance

w_O(h)

問：

$h$ 是否保存當時未選／lost／recoverable alternatives？

20. Evidence Relevance

w_E(h)

問：

$h$ 是否支持或反駁當前 future proposition？

21. Reopening Relevance

w_R(h)

問：

一個以前不可用 path 是否因新 capability / resource / representation 而重新可行？

22. Relevance 不等於 Value

一個負面失敗案例：

V(h)<0

但：

w_F(h)\gg0.

它對 decision 非常重要。

23. Relevance 不等於 Similarity

語義很像：

sim(h,f)\gg0

但：

w(h)\approx0

完全可能。

24. Similarity Trap

如果 retrieval 只按 embedding similarity，

很容易找到：

文字很像，

但因果／制度／工程關係很弱的 past。

25. Relevance May Require Structural Mapping

因此：

\boxed{ \text{semantic similarity} \neq \text{retrospective relevance}. }

26. Active Past

定義：

\boxed{ \mathcal B_t^{-,act}(f) = \operatorname{TopK}_{h\in\mathcal H_t^{prov}} \mathbf w_t^-(h\mid f). }

27. Same Archive, Different Active Past

\boxed{ \mathcal H_t^{prov} \text{ fixed} }

但：

\boxed{ \mathcal B_t^{-,act}(f_1) \neq \mathcal B_t^{-,act}(f_2). }

28. 這就是 Retrospective Relevance 的核心

不是改：

Past.

而是改：

\boxed{ \text{active projection of Past}. }

29. Retrieval Budget

給：

B_R,

要求：

\boxed{ \sum_i Cost( Retrieve(h_i) ) \le B_R. }

30. Relevance Allocation

因此：

\boxed{ \alpha_i^- = \frac{ w_i }{ \sum_j w_j } B_R }

可作簡化 attention allocation。

31. 不是所有 Past 都應等成本被回憶

這正是外部 replay literature 的重要相鄰點。

32. Mattar–Daw Prioritized Memory Access

Mattar 與 Daw 提出：

哪些 memories 應在當下被 access，可以按它們對未來 decision improvement 的 utility 排序。

33. Gain

其理論中的 gain 大意是：

replay 某 experience 後，policy improvement 能帶來多少額外 value。

34. Need

need 反映：

未來 decision 過程有多可能回到／需要該 state。

35. TCD 對照

這提供非常乾淨的形式鄰接：

\boxed{ \text{future decision need} \rightarrow \text{past memory priority}. }

36. 但 TCD 不等於 Hippocampal Replay Theory

TCD scope 還包含：

software；
research；
institutions；
long-term AI agents；
technology history。

37. Offline Replay and Revaluation

Momennejad 等人的實驗：

後段 reward 改變後，

需要重新整合較早的 states 才能改變最初 choice。

38. Offline Replay

研究發現：

過去較早 state 的 offline replay 與後續 replanning 相關。

39. TCD 對照

\boxed{ \text{new value information} \rightarrow \text{retrieve distal past} \rightarrow \text{replan present}. }

40. 這仍不是 Past Fact Rewrite

被 replay 的 episode：

h

沒有變。

改的是：

\boxed{ \text{its use in current planning}. }

41. Prioritized Experience Replay

普通 replay：

P(h_i)=\frac1N.

PER：

\boxed{ P(h_i) \propto Priority(h_i). }

42. Importance Changes Over Learning

某 transition 的 TD error 改變，

其 replay priority 也會改變。

43. TCD 對照

past transition 不變，

但：

\boxed{ \text{learning relevance} }

會隨 current value function 改變。

44. Hindsight Experience Replay

HER 保存同一 actual trajectory：

\tau.

但可以重新指定：

\boxed{ \text{goal}. }

45. Goal Relabeling

原本 trajectory 對：

g_1

是 failure。

但對 hindsight goal：

g_2

可以成為 success experience。

46. TCD 最重要的 HER 對照

\boxed{ \text{trajectory fact fixed} + \text{goal changed} \rightarrow \text{learning relevance changed}. }

47. 但 HER 不等於「歷史被改寫」

原 trajectory：

\tau

仍然完全相同。

48. Goal-Conditioned Past

因此本文定義：

\boxed{ \mathcal B_t^-(g) }

表示：

相對 goal / target $g$ 的 active historical projection。

49. Future Candidate as Goal-Like Query

future candidate：

f

也可以扮演：

\boxed{ \text{retrospective retrieval key}. }

50. Example: Future Architecture

若：

f= \text{world-native robot OS},

past retrieval 可以重新找：

persistent simulation；
robotics middleware；
world models；
actor systems；
digital twins；
event sourcing；
embodiment failures。

51. 不是因為它們以前「其實就是那個理論」

而是：

新 future candidate 提供了一個新的 comparison / lineage query。

52. Historical Precursor

定義：

\boxed{ Precursor(h,f) }

不是：

h=f.

而是：

$h$ 是否包含 future candidate $f$ 的可辯護 structural precursor。

53. Precursor Strength

可由：

\boxed{ P_s(h,f) = g( MechanismOverlap, Dependency, Chronology, Independence ). }

54. Chronology 必須滿足

如果：

time(h)>time(f_{proposal}),

不能把後來事件當早期 precursor。

55. Retrospective Contamination

未來發生後，

人很容易回頭挑：

看起來像先兆的歷史。

56. Selection Bias

如果只挑支持 narrative 的 past：

\boxed{ \text{retrospective cherry-picking}. }

57. 所以需要 Adversarial Retrospective Retrieval

對 future candidate：

f,

同時找：

\boxed{ \mathcal H^{support}(f) }

與：

\boxed{ \mathcal H^{counter}(f). }

58. Support Retrieval

找：

enabling predecessors；
supporting empirical trends；
successful analogies；
dependencies already emerging。

59. Counter Retrieval

找：

failed analogues；
incompatible evidence；
abandoned approaches；
hidden costs；
earlier forecasts that failed；
stronger alternative explanations。

60. Alternative Retrieval

另外：

\boxed{ \mathcal H^{alt}(f) }

找：

過去是否有其他 path 也能解釋現在？

61. Three-Way Historical Audit

\boxed{ \mathcal H^{support} \oplus \mathcal H^{counter} \oplus \mathcal H^{alt}. }

62. Future Narrative Capture

如果：

f

很有吸引力，

agent 可能把所有 past 都硬拼成：

一切早已指向 $f$ 。

63. 這是 Narrative Capture

定義：

\boxed{ C_{narr}(f) }

表示 future hypothesis 對 historical interpretation 的過度捕獲。

64. Narrative Capture Detection

若：

support retrieval 很大；
counter retrieval 被壓低；
alternative histories 消失；
weak analogies 被升格 precursor；

則：

C_{narr}\uparrow.

65. Historical Relevance Must Be Evidence-Bounded

所以：

\boxed{ w_t^-(h\mid f) \le g( Evidence(h), StructuralMatch, CausalPlausibility ). }

66. Relevance 不能靠 Story Beauty

一個漂亮故事：

\boxed{ \text{coherent} }

不代表：

\boxed{ \text{historically supported}. }

67. Historical Reactivation

如果：

h

原來在 archive：

w_{t_0}(h)\approx0,

新 target 出現：

w_{t_1}(h)\gg0,

稱：

\boxed{ \text{reactivation}. }

68. Reactivation 不等於 New Fact

\boxed{ \text{Reactivated Past} \neq \text{Newly Occurred Past}. }

69. Dormant Knowledge

過去某 skill / theory / branch：

h

可能長期 unused。

70. New Future Reopens It

若新 future target 讓：

h

重新 useful，

則：

\boxed{ Dormant \rightarrow Active. }

71. TCD-05 的 Archive / Active Past 在這裡真正有用

TCD-05 已分：

\mathcal B_t^{-,active}

與：

\mathcal B_t^{-,archive}.

TCD-06 提供：

\boxed{ \text{archive} \rightarrow \text{reactivation} }

的 trigger。

72. Reactivation Operator

定義：

\boxed{ \mathsf{React}_t: ( \mathcal B_t^{-,archive}, R_t^+ ) \rightarrow \Delta\mathcal B_t^{-,active}. }

73. Archived Past Can Be More Important Than Recent Past

relevance 不必按：

recency.

74. Recency Bias

若 retrieval 永遠偏：

t-1,t-2,

可能錯過：

很久以前但結構上更相關的 predecessor。

75. Temporal Distance Penalty 不應是唯一排序

\boxed{ Recency \neq Relevance. }

76. Future-Driven Long-Range Retrieval

一個 20 年 future target，

可能讓 15 年前 archive 重新變 relevant。

77. Retrospective Horizon

定義：

\boxed{ H_R(f) }

表示：

為評估 future candidate $f$ ，合理回看多遠的 past？

78. 不同 Future 有不同 Historical Depth

\boxed{ H_R(f_1) \neq H_R(f_2). }

79. Task-Relative Historical Depth 再出現

這直接承接《歷史作為狀態變量》的：

D_{\mathrm{hist}}^{(T,\epsilon)}.

80. Future Candidate Can Change Historical Depth

新 future：

f

可能要求把：

D_{hist}

從：

2\text{ years}

擴到：

20\text{ years}.

81. Retrospective Evidence Packet

對每個 retrieved history：

history_id
timestamp
source
original_context
future_query
relevance_type
relevance_score
support_or_counter
structural_mapping
causal_claim
confidence
alternative_explanations
provenance_integrity

82. Original Context Must Be Preserved

不能只截：

一句看起來支持 future 的話。

83. Context Drift

如果把 historical statement 從原 context 拔出：

\boxed{ \text{context drift}. }

84. Historical Semantic Integrity

要求：

\boxed{ Meaning_t(h\mid original\ context) }

與新的引用解讀分開。

85. Reinterpretation Layer

可以有：

\boxed{ Interpret_t(h\mid f). }

但必須標：

這是今天的 interpretation，不是當年原作者的 intended meaning。

86. Authorial Intent vs Structural Relevance

某 past artifact：

h

原作者從沒想過：

f.

但 $h$ 仍可能 structural precursor。

所以：

\boxed{ AuthorIntent \neq StructuralRelevance. }

87. 反過來 Intent 相同也不保證 Relevance

有人當年聲稱：

這一定是 future AGI architecture。

但今天看來 mechanism 無關，

則：

w(h\mid f)\downarrow.

88. Historical Claim Revaluation

注意：

本文的 Retrospective Relevance 與心理學：

\boxed{ \text{retrospective revaluation} }

不同。

89. Retrospective Revaluation

心理學通常指：

後來改變某 related cue / outcome 的 associative value，造成 earlier cue response 重估。

90. TCD Retrospective Relevance

則是：

future-oriented query 改變 historical information 的 current relevance / retrieval / audit priority。

91. 兩者可以相鄰，但不等同

\boxed{ RetrospectiveRelevance_{TCD} \neq RetrospectiveRevaluation_{learning}. }

92. Relevance Can Be Negative

有些 historical item：

h

對 future candidate：

f

是：

\boxed{ \text{negative evidence}. }

93. Signed Relevance

可定義：

\boxed{ w_E(h\mid f) \in [-1,1]. }

positive support / negative counterevidence。

94. Attention Weight 與 Evidence Sign 分開更好

更嚴格可用：

\boxed{ ( \alpha(h), s(h) ) }

其中：

$\alpha\ge0$ ：值得多少 attention；
$s\in[-1,1]$ ：support direction。

95. A Strong Counterexample Has High Attention but Negative Sign

\boxed{ \alpha\gg0, \qquad s<0. }

96. This Prevents Relevance = Support Bias

非常重要：

\boxed{ \text{Relevant} \neq \text{Supportive}. }

97. Prospective Relevance Matrix

對 future candidates：

f_1,\ldots,f_m

和 history：

h_1,\ldots,h_n,

定義：

\boxed{ W_t^{-+} = [ w(h_i,f_j) ]_{n\times m}. }

98. 這是一個 Cross-Time Bipartite View

左側：

Past.

右側：

Future.

edge weight：

\boxed{ \text{current relevance}. }

99. Edge 可以改，節點 Past Fact 不必改

這是本篇最重要的幾何直覺。

100. Relevance Graph

定義：

\boxed{ G_t^{-+} = ( V^-, V^+, E^{-+} ). }

101. New Future Candidate Adds New Edges

新增：

f_{m+1}

會生成：

\boxed{ \{ (h_i,f_{m+1},w_i) \}. }

102. Historical Archive Gains New Meaning Without Changing Content

這就是：

\boxed{ \text{semantic / functional re-indexing}. }

103. Scientific Research Example

新 theory：

f

出現後，

researcher 回查：

old anomalies；
discarded measurements；
failed experiments；
old methods。

104. 一個過去 anomaly 可以因新 theory 重新變重要

不是 anomaly 當年改變。

而是：

\boxed{ w_t(anomaly\mid f)\uparrow. }

105. Software Example

新 architecture：

f

出現後，

old prototype 中被當 workaround 的 feature：

h

可能被重新辨識成 useful primitive。

106. Institution Example

新 policy target：

f

可能讓過去某制度失敗案例：

h

重新成為重要 precedent。

107. Personal / Human Example

新 career target：

f

可能讓十年前某 skill：

h

重新 relevant。

108. 但 TCD 不需要把所有例子心理化

同樣 operator 可用於：

AI memory；
research archive；
codebase；
institutional database。

109. Retrospective Relevance Can Change Present Policy

完整鏈：

\boxed{ R_t^+ \rightarrow w_t^- \rightarrow Retrieve( \mathcal B_t^- ) \rightarrow \pi_t. }

110. 所以 Future 可經兩條路影響 Present

第一：

\boxed{ R_t^+ \rightarrow V_t \rightarrow \pi_t. }

TCD-04。

111. 第二：

\boxed{ R_t^+ \rightarrow Reweight(Past) \rightarrow Retrieve \rightarrow \pi_t. }

TCD-06。

112. 這是 Future–Past–Present Indirect Loop

\boxed{ \mathcal B_t^+ \rightarrow \mathcal B_t^- \rightarrow \mathcal B_t^0 }

但第一箭頭只改 relevance view，

不改 historical facts。

113. Past Also Changes Future

TCD-03 已有：

\boxed{ \mathcal B_t^- \rightarrow \mathcal B_t^+. }

114. 所以 Past–Future 是雙向 Epistemic Coupling

\boxed{ \mathcal B_t^- \rightleftarrows \mathcal B_t^+. }

但兩邊的 operator 不同：

Past $\rightarrow$ Future：historical projection / generation；
Future $\rightarrow$ Past：retrospective relevance reweighting。

115. 不是 Symmetric Causation

\boxed{ P\rightarrow F \neq F\rightarrow P. }

116. P→F Changes Candidate Generation

history influences what future can be generated.

117. F→P Changes Retrieval / Relevance

future target influences which history is activated.

118. Historical Relevance Feedback

若 retrieved past：

h

又改變 future candidate：

f,

形成：

\boxed{ f_t \rightarrow h_t \rightarrow f_{t+1}. }

119. This Is Iterative Hypothesis Revision

例如：

生成 future architecture；
回查 past failures；
發現 hidden constraint；
修改 future architecture。

120. Retrospective Relevance Is Therefore Generative

它不只：

找歷史。

它可能：

\boxed{ \text{retrieve} \rightarrow \text{reinterpret} \rightarrow \text{regenerate future}. }

121. But Reinterpretation Must Preserve Provenance

永遠保留：

\boxed{ Original(h) }

與：

\boxed{ Interpret_t(h\mid f). }

分開。

122. Relevance Drift

當 future candidate 不斷更新：

f_t\rightarrow f_{t+1},

past weights：

w_t\rightarrow w_{t+1}.

123. Retrospective Relevance Trajectory

定義：

\boxed{ \mathcal W_h = \{ w_{t_0}(h), w_{t_1}(h), \dots \}. }

124. Why Preserve Weight History?

可以看：

某 past item 何時突然被視為關鍵？

125. This Helps Detect Narrative Retrofitting

如果：

w(h)

只在 outcome 發生後暴增，

但 ex ante 從沒被選中，

就不能說：

我們早就知道它是 precursor。

126. Prospective Historical Registration

若一個 future candidate 在 $t$ 提出，

可以當場凍結：

\boxed{ \mathcal H_t^{relevant}(f). }

127. Future Resolution 後再比

比較：

\mathcal H_t^{relevant}

與：

\mathcal H_H^{posthoc}.

128. Hindsight Expansion

如果 posthoc relevant set 大量新增：

\boxed{ \Delta H_{hind}. }

129. 這可以量 Hindsight Bias

不一定叫心理學 bias，

而是 structural retrospective expansion。

130. Benchmark A — Goal-Conditioned Retrieval

同一 archive：

\mathcal H.

給不同 future goals：

f_1,f_2.

測 retrieved history 是否合理分化。

131. Benchmark B — Fact-Preservation

改 future target，

確認 historical content / hash / timestamp 不變，

只改 relevance layer。

132. Benchmark C — Support vs Counter Retrieval

對 candidate：

f,

要求同時 retrieve：

support；
counter；
alternative。

測 confirmation capture。

133. Benchmark D — Dormant Reactivation

archive 中放一個早期低權重但真正重要 precursor。

新 future target 出現後，

測能否 reactivation。

134. Benchmark E — HER-Like Relabeling

固定同一 trajectory：

\tau.

改 goal：

g_1\rightarrow g_2.

測其 learning relevance 如何變化。

135. Benchmark F — Replay Priority

固定 past transitions。

只改 current value / goal / uncertainty。

測 priority ordering 是否改變。

136. Benchmark G — Historical Failure Retrieval

future candidate 看似 plausible，

但 archive 中存在 old failure。

測 retrieval 是否找到反例。

137. Benchmark H — Precursor Calibration

在 historical backtest 中，

先用當時 evidence 選 precursor set，

再看 future resolution。

防止事後 cherry-pick。

138. Benchmark I — Retrospective Narrative Attack

故意提供：

一個很漂亮但錯誤的 future theory。

測 system 是否把無關 past 強行解讀成 precursor。

139. Retrospective Relevance Principle

本文提出：

\boxed{ \textbf{Retrospective Relevance Principle} }

新的 future target 可以改變歷史資訊在現在的 retrieval、attention、evidence、analogy 與 planning priority，但不應因此改變 historical fact 本身。

140. Fact–Weight Separation Principle

\boxed{ \textbf{Fact–Weight Separation Principle} }

Past provenance layer 與 current relevance layer 必須可區分、可 version、可 audit。

141. Relevant Is Not Supportive Principle

\boxed{ \textbf{Relevant Is Not Supportive} }

反例、失敗、替代 ancestry 與 hidden cost 都可能是高 relevance historical items；retrieval 不能把 relevance 偷換成 support score。

142. Adversarial Historical Retrieval Principle

\boxed{ \textbf{Adversarial Historical Retrieval Principle} }

對重要 future candidate，應同時搜尋 supporting、counterevidential 與 alternative historical lineages，防止 future narrative capture。

143. Historical Reactivation Principle

\boxed{ \textbf{Historical Reactivation Principle} }

一個 archived historical unit 即使多年低 relevance，只要新 capability、target 或 representation 使其重新具有決策價值，就可以從 dormant past 重新進入 active past。

144. TCD 已有的六向結構雛型

目前已可辨識：

\boxed{ P\rightarrow N }

Past $\rightarrow$ Present：

Historical Conditioning。

145. Present→Future

\boxed{ N\rightarrow F }

Future Generation。

146. Future→Present

\boxed{ F\rightarrow N }

Prospective Attraction。

147. Present→Past

\boxed{ N\rightarrow P }

Historical Sedimentation。

148. Past→Future

\boxed{ P\rightarrow F }

Historical Projection / Future Generation from history。

149. Future→Past

\boxed{ F\rightarrow P }

Retrospective Relevance。

150. 這六條不是同一種箭頭

有些是：

state construction；
candidate generation；
valuation coupling；
sedimentation；
relevance reweighting。

所以：

\boxed{ \text{same diagram edge} \neq \text{same mechanism}. }

151. TCD-07 的入口

Past–Present–Future 六向耦合與時間位移算子

將正式統一：

\boxed{ \begin{array}{lll} P\to N &: & Path\ Dependence / Historical\ Conditioning,\\ N\to F &: & Future\ Generation,\\ F\to N &: & Prospective\ Attraction,\\ N\to P &: & Historical\ Sedimentation,\\ P\to F &: & Historical\ Projection,\\ F\to P &: & Retrospective\ Relevance. \end{array} }

並建立：

\boxed{ \mathscr S: ( \mathcal B_t^-, \mathcal B_t^0, \mathcal B_t^+ ) \rightarrow ( \mathcal B_{t+1}^-, \mathcal B_{t+1}^0, \mathcal B_{t+1}^+ ). }

152. 可否證條件

F152.1 Relevance No-Gain

若 goal/future-conditioned reweighting 不改善：

retrieval；
planning；
explanation；
counterexample discovery；
hypothesis revision；

則 Retrospective Relevance 應縮小 scope。

F152.2 Fact Contamination

若 relevance update 會 silently rewrite historical content，

framework 失效。

F152.3 Confirmation Capture

若 system 只 retrieve supportive history，

忽略 counterevidence，

不能稱 robust retrospective relevance。

F152.4 Similarity Substitution

若 relevance 幾乎等同 embedding similarity，

結構／因果層沒有增量，

應簡化。

F152.5 Reactivation Noise

若 archive reactivation 主要產生大量無關 past，

需提高 gate / compression。

F152.6 Hindsight Bias

若 precursor 只在 outcome 發生後才被大量標記，

不得回頭宣稱 ex ante foresight。

F152.7 Goal Relabel Abuse

若改 goal 會把 factual failure 偷換成 historical success claim，

必須保留 original task / original outcome label。

153. 結論

TCD-05 建立：

\boxed{ PresentAction \rightarrow PastSediment. }

TCD-06 現在則問：

當新的 future 出現後，Past Sediment 中哪些東西會重新浮上來？

答案不是：

\boxed{ \text{未來改變了過去}. }

而是：

\boxed{ \text{未來改變了現在對過去的索引方式}. }

歷史事件：

h

仍然是同一個：

h.

但：

\boxed{ w_t(h\mid f) }

會因 future candidate：

f

改變。

這可以使：

舊失敗重新成為警告；
舊 prototype 重新成為 precursor；
dormant skill 重新成為資產；
lost alternative 重新成為 counterfactual；
舊 dependency 重新被辨認成 bottleneck；
過去被忽略的 evidence 重新進入 current reasoning。

因此：

\boxed{ \textbf{The past is stable in content but dynamic in relevance.} }

中文：

過去在事實內容上可以穩定，但在現在的相關性上是動態的。

而且真正成熟的 retrospective intelligence 不能只做：

\boxed{ \text{find support}. }

它必須同時做：

\boxed{ \text{find support} + \text{find counterevidence} + \text{find alternatives}. }

否則 Future：

f

很容易把整個 Past：

P

捕獲成：

一切早已注定走向 $f$ 。

這正是 TCD 必須避免的時間敘事陷阱。

到這一步，

六個方向的 coupling 已全部有各自機制雛型。

下一篇終於可以：

把整個三生認知耦合動力學寫成一個真正完整的更新系統。

Claim Typing

Claim	Type	Status
Historical fact 與 current historical relevance 非同一	D	Canonical separation
Future target 可條件化 Past retrieval / attention	D / E	Core TCD mechanism + external analogues
Relevance 應區分 causal / dependency / analogy / failure / alternative / evidence / reopening	D	Proposed taxonomy
Active Past 可由 future-conditioned relevance weights生成	D	TCD formal scaffold
Relevant 不等於 supportive	D	Canonical audit rule
Mattar–Daw 模型按 future decision utility prioritizes memory access	E	External theoretical / neural calibration
Offline replay supports revaluation / replanning in human RL	E	External cognitive-neuroscience evidence
Prioritized Experience Replay changes past-sample priority by learning importance	E	External RL evidence
HER relabels fixed past trajectories relative to alternative goals	E	External RL evidence
New future target literally changes past event	—	Explicitly rejected
Current narrative may silently rewrite provenance	—	Explicitly rejected

Evidence Ladder

本文目前主要位於：

L0：Retrospective Relevance formal definition；
L1–L2：goal-conditioned retrieval、support/counter retrieval、reactivation、fact-preservation benchmarks；
L3：prioritized replay、HER、human offline replay / revaluation 提供相鄰形式與經驗證據；
L4：需要 persistent AI / research archive / institutional agent 做 long-horizon retrospective relevance experiments；
L5+：六向耦合 unified dynamics 尚待 TCD-07。

參考文獻

Neo.K 內部正典與譜系

Neo.K. 歷史作為狀態變量：路徑依賴、記憶增廣與複雜系統的動力身份. 2026.
Neo.K with Aletheia. Past Is Not Memory. TCD-01, 2026.
Neo.K with Aletheia. The Present Is Not a Point. TCD-02, 2026.
Neo.K with Aletheia. Future as a Generated Base Space. TCD-03, 2026.
Neo.K with Aletheia. Prospective Attraction. TCD-04, 2026.
Neo.K with Aletheia. Historical Sedimentation. TCD-05, 2026.
Neo.K with Aletheia. Generative Forecasting. UCPNP Series II Paper 13, 2026.

External technical calibration

Mattar, M. G., & Daw, N. D. Prioritized memory access explains planning and hippocampal replay. Nature Neuroscience 21, 1609–1617, 2018. DOI: 10.1038/s41593-018-0232-z.
Momennejad, I., Otto, A. R., Daw, N. D., & Norman, K. A. Offline replay supports planning in human reinforcement learning. eLife 7:e32548, 2018. DOI: 10.7554/eLife.32548.
Schaul, T., Quan, J., Antonoglou, I., & Silver, D. Prioritized Experience Replay. arXiv:1511.05952, 2015.
Andrychowicz, M., Wolski, F., Ray, A., et al. Hindsight Experience Replay. Advances in Neural Information Processing Systems 30, 2017.
Fang, M., Zhou, T., Du, Y., Han, L., & Zhang, Z. Curriculum-guided Hindsight Experience Replay. Advances in Neural Information Processing Systems 32, 2019.
Wimmer, G. E., & Shohamy, D. Preference by Association: How Memory Mechanisms in the Hippocampus Bias Decisions. Science 338, 270–273, 2012.

Public Version Disclaimer

本文是一個 cognitive / agent-memory / temporal-dynamics framework。

本文不聲稱：

future events physically alter earlier events；
memory retrieval 等於客觀歷史；
goal relabeling 能改變 actual past outcome；
HER / PER / hippocampal replay 就是 TCD；
current relevance score 等於 truth probability；
historical precursor 可以只靠語義相似度判定；
archived past 都應被永久保存；
future narrative 有權壓制反例；
本文已完成全部 TCD 統一方程；
本文對 classical $P$ vs. $NP$ 提供任何新證明。

本文真正建立的是：

\boxed{ \mathcal B_t^+ \rightarrow \operatorname{Reweight} ( \mathcal B_t^- ) }

的 epistemic / retrieval coupling，

以及：

\boxed{ \text{Past Content} \text{ may remain stable while } \text{Past Relevance} \text{ changes}. }

未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性

未來如何改變我們閱讀過去：不是改寫歷史，而是重加權歷史相關性

Canonical Non-Identity Statement

摘要

Six-Way Temporal Coupling

Past–Present–Future 六向認知耦合與時間位移算子

1. 為什麼新的未來會讓舊歷史突然「變重要」？

2. Past Content 與 Past Relevance

3. Provenance Layer

4. Relevance Layer

5. Stable Fact Invariant

6. Dynamic Relevance

7. 新證據可以改 Historical Belief，但不是本文主要箭頭

8. Retrospective Relevance 不要求 Historical Belief 更新

9. Example

10. Relevance Operator

11. Rt+R_t^+Rt+​ 來自 TCD-04

12. qtq_tqt​ 是 Retrospective Query

13. κR\kappa_RκR​ 是 Relevance Contract

14. Relevance Is Typed

15. Causal Relevance

16. Dependency Relevance

17. Analogical Relevance

18. Failure Relevance

19. Alternative Relevance

20. Evidence Relevance

21. Reopening Relevance

22. Relevance 不等於 Value

23. Relevance 不等於 Similarity

24. Similarity Trap

25. Relevance May Require Structural Mapping

26. Active Past

27. Same Archive, Different Active Past

28. 這就是 Retrospective Relevance 的核心

29. Retrieval Budget

30. Relevance Allocation

31. 不是所有 Past 都應等成本被回憶

32. Mattar–Daw Prioritized Memory Access

33. Gain

34. Need

35. TCD 對照

36. 但 TCD 不等於 Hippocampal Replay Theory

37. Offline Replay and Revaluation

38. Offline Replay

39. TCD 對照

40. 這仍不是 Past Fact Rewrite

41. Prioritized Experience Replay

42. Importance Changes Over Learning

43. TCD 對照

44. Hindsight Experience Replay

45. Goal Relabeling

46. TCD 最重要的 HER 對照

47. 但 HER 不等於「歷史被改寫」

48. Goal-Conditioned Past

49. Future Candidate as Goal-Like Query

50. Example: Future Architecture

51. 不是因為它們以前「其實就是那個理論」

52. Historical Precursor

53. Precursor Strength

54. Chronology 必須滿足

55. Retrospective Contamination

56. Selection Bias

57. 所以需要 Adversarial Retrospective Retrieval

58. Support Retrieval

59. Counter Retrieval

60. Alternative Retrieval

61. Three-Way Historical Audit

62. Future Narrative Capture

63. 這是 Narrative Capture

64. Narrative Capture Detection

65. Historical Relevance Must Be Evidence-Bounded

66. Relevance 不能靠 Story Beauty

67. Historical Reactivation

68. Reactivation 不等於 New Fact

69. Dormant Knowledge

70. New Future Reopens It

71. TCD-05 的 Archive / Active Past 在這裡真正有用

72. Reactivation Operator

73. Archived Past Can Be More Important Than Recent Past

74. Recency Bias

11. $R_t^+$ 來自 TCD-04

12. $q_t$ 是 Retrospective Query

13. $\kappa_R$ 是 Relevance Contract