title: "從二維表格到多向矩陣帳本：方向、遍歷、平行身份與可逆追蹤" title_en: "From Two-Dimensional Tables to Multidirectional Matrix Ledgers: Direction, Traversal, Parallel Identity, and Reversible Traceability" series: "矩陣原生智能與可稽核計算系列" series_en: "Matrix-Native Intelligence and Auditable Computation Series" series_id: "EML-MNIAC-2026" paper_id: "EML-MNIAC-2026-04" version: "v0.1" date: "2026-08-16" language: "zh-Hant" document_type: "系列第04篇／MMR + MMLC 統一重構／形式與工程橋接" status: "Public Draft" author: "Neo.K（許筌崴）／EveMissLab" depends_on: - "EML-MNIAC-2026-00 矩陣原生智能與可稽核計算總論 v0.1" - "EML-MNIAC-2026-03 試算表作為可見計算環境 v0.1" internal_artifacts: - "多向矩陣表徵 MMR v0.1" - "01_多向矩陣帳本計算_公開理論論文_v0.1.md" - "02_矩陣帳本代數_形式系統_v0.1.md" - "03_MMR矩陣帳本計算_技術路線與實驗規格_v0.1.md" - "MMLC Runtime 1.0" canonical_keywords: - MMR - MMLC - Matrix-Ledger Algebra - Multidirectional Traversal - Parallel Identity - Dependency Graph - Reverse Trace - Local Audit - Boundary Ledger - Display Semantics - Execution Semantics - Reversible Traceability

從二維表格到多向矩陣帳本

方向、遍歷、平行身份與可逆追蹤

From Two-Dimensional Tables to Multidirectional Matrix Ledgers:
Direction, Traversal, Parallel Identity, and Reversible Traceability

摘要

本文是《矩陣原生智能與可稽核計算》系列第 04 篇，統合多向矩陣表徵（Multidirectional Matrix Representation, MMR）、多向矩陣帳本計算（Multidirectional Matrix-Ledger Computing, MMLC）與矩陣帳本代數（Matrix-Ledger Algebra, MLA），將先前分散於「方向閱讀」、「平行數學」、「依賴流」、「交易欄」與「局部稽核」中的概念收斂為一個可執行形式。

本研究的出發點不是主張「矩陣可以表示計算」是一項新發明。試算表、資料流圖、AST、DAG、圖中介表示與各種陣列系統早已能表達計算依賴。本文真正研究的是以下組合是否具有額外價值：

\boxed{ \text{平行身份} + \text{方向語義} + \text{型別交易} + \text{依賴流} + \text{局部不變式} + \text{分層稽核} }

其中最重要的結構分離為：

\boxed{ \text{顯示位置} \neq \text{語義身份} \neq \text{依賴順序} \neq \text{稽核路徑}. }

MMR 負責定義「如何讀」；MMLC 負責定義「什麼在被算、誰依賴誰、如何稽核」；MLA 則將來源物件、平行投影族、交易欄、算子規格、依賴圖、遍歷集合、邊界帳與分層總帳形式化。

本文特別澄清「逆向」的含義。由錯誤交易沿反向依賴圖尋找祖先：

T_k \leadsto \operatorname{Anc}(k)

是一種 reverse trace，不是原算子的數學逆運算。因此「可逆追蹤」指計算歷史與依賴來源可被重建，而不是要求所有運算本身可逆。

本文亦納入 MMLC Runtime 1.0 的後續工程狀態：目前公開 runtime 已具 typed transactions、operator invariants、local/regional/global audit、dependency taint、root-cause paths、multidirectional traversal、temporal references、append-only corrections、counterfactual branches、uncertainty propagation 與有限決策分析。這代表本篇處理的對象已不再只是前實驗概念，而已有一條可重播的 deterministic runtime 路線；但本文仍不主張 MMLC 取代 spreadsheet、DAG engine、symbolic system、causal library 或一般程式語言。

1. 從「格子」到「交易」

上一篇已經指出，試算表具有：

Cell + Formula + Dependency + State.

但普通 spreadsheet 的一個主要限制是：

格子的顯示位置很清楚，格子的語義身份卻經常只是由人類默會。

例如：

B3 是不是「收入」？
C7 是不是「同一物件的另一情境」？
向右是不是時間？
向下是不是推導層？
一個公式錯誤應往哪裡追？
轉置之後，物件還是不是原來那個物件？

因此 MMR / MMLC 的第一步不是增加公式，而是將：

\boxed{ \text{Position} }

與：

\boxed{ \text{Meaning} }

拆開。

2. 普通矩陣不等於矩陣帳本

普通數值矩陣：

X\in\mathbb R^{m\times n}

通常假設所有格子屬於同一值域。

MLA 則允許：

\mathcal V = \mathcal N \sqcup \mathcal O \sqcup \mathcal E \sqcup \mathcal R \sqcup \mathcal M,

其中：

$\mathcal N$ ：數值或符號輸入；
$\mathcal O$ ：算子；
$\mathcal E$ ：表達式；
$\mathcal R$ ：結果／殘差；
$\mathcal M$ ：metadata、來源、版本、語境。

因此：

\boxed{ \text{Matrix} }

在這裡只表示：

二維索引與鄰接布局。

它不表示：

所有格子天然構成某個域上的普通線性代數矩陣。

這是必要的術語節制。

3. 來源物件與平行身份

3.1 來源物件

定義來源物件：

u = ( id(u), type(u), value(u), m_u ).

它不是一個裸值。

即使：

value(u)=3,

仍需要：

id(u)

來區分：

這個 3 是哪一個 3？

3.2 平行投影族

對來源物件 $u$ ，定義：

\rho_j: u \mapsto b_j.

得到：

P(u) = \{ (j,\rho_j(u)) \mid j\in J \}.

所有分支都保存：

source(b_j)=id(u).

因此：

\boxed{ \text{來源一致} \neq \text{值一致}. }

4. 為什麼「值相等」不等於「同一物件」？

假設：

x=3, \qquad y=3.

只能推出：

value(x)=value(y).

不能推出：

id(x)=id(y).

同樣地，如果：

b_1=\rho_1(u),

b_2=\rho_2(u),

而：

value(b_1)\neq value(b_2),

仍可能：

source(b_1)=source(b_2).

所以：

\boxed{ \text{Parallel Identity} \neq \text{Numerical Equality}. }

這是 MMLC 和普通「複製四個數字到四欄」最重要的差異之一。

5. 最小平行範例

令：

u=3.

建立四個平行分支：

\rho_1(u)=3, \quad \rho_2(u)=3, \quad \rho_3(u)=3, \quad \rho_4(u)=3.

分別使用：

+2, \quad -2, \quad \times2, \quad \div2.

可排列：

\mathcal L = \begin{array}{c|cccc} \text{source} & u & u & u & u\\ \text{base} & 3 & 3 & 3 & 3\\ \text{operator} & + & - & \times & \div\\ \text{operand} & 2 & 2 & 2 & 2\\ \text{result} & 5 & 1 & 6 & 1.5\\ \text{audit} & 0 & 0 & 0 & 0 \end{array}.

表面上它仍像 spreadsheet。

但每一欄現在不再只是 layout column，而是一筆：

\boxed{ Transaction. }

6. 交易欄

定義：

T_j = ( s_j, b_j, o_j, a_j, r_j, \varepsilon_j, c_j, m_j ).

其中：

$s_j$ ：source identity；
$b_j$ ：base；
$o_j$ ：operator；
$a_j$ ：operand；
$r_j$ ：result；
$\varepsilon_j$ ：audit residual；
$c_j$ ：context；
$m_j$ ：version / time / provenance metadata。

因此一欄完整表示：

\boxed{ Source \rightarrow Input \rightarrow Rule \rightarrow Operand \rightarrow Result \rightarrow Audit. }

7. 算子不只是函數名稱

對算子 $o$ ，定義規格：

\Omega(o) = ( D_o, C_o, f_o, I_o, \Gamma_o, \nu_o ).

其中：

$D_o$ ：domain；
$C_o$ ：codomain；
$f_o$ ：evaluation；
$I_o$ ：audit invariant；
$\Gamma_o$ ：exception / boundary rules；
$\nu_o$ ：operator version。

因此：

\boxed{ Operator = Evaluation + Domain + Audit + Version. }

這比只保存：

multiply

更完整。

8. 局部稽核

對四則運算：

I_+(b,a,r)=r-b-a,

I_-(b,a,r)=r-b+a,

I_\times(b,a,r)=r-ba,

I_\div(b,a,r)=ar-b, \qquad a\neq0.

交易殘差：

\varepsilon_j = I_{o_j}(b_j,a_j,r_j).

在精確模式：

\varepsilon_j=0

表示該局部數值運算符合 declared operator semantics。

9. 零殘差不是完整語義正確

假設：

3+2=5

數值正確。

但如果這個 3 本來應來自：

source_A,

實際卻引用：

source_B,

那麼：

e^{value}=0

仍可能同時有：

e^{source}\neq0.

所以單一 scalar residual 不夠。

一筆交易更完整的稽核向量應是：

\boxed{ \mathbf e_j = ( e_j^{type}, e_j^{domain}, e_j^{value}, e_j^{source}, e_j^{dependency}, e_j^{version} ). }

這是「帳本」比單純算式更核心的地方。

10. 局部錯誤不能被全域抵消

若：

\varepsilon_1=1,

\varepsilon_2=-1,

則：

\varepsilon_1+\varepsilon_2=0.

但兩筆交易都錯。

因此有號總帳：

\tau_\pm = \sum_jw_j\varepsilon_j

不能作唯一 pass condition。

更強的總帳可定義：

\boxed{ \tau_\ast = \sum_j w_j \phi_j(\varepsilon_j), \qquad w_j>0, }

其中：

\phi_j(x)\ge0

且：

\phi_j(x)=0 \iff x=0.

例如：

\phi(x)=|x|

或：

\phi(x)=x^2.

因此：

\boxed{ \tau_\ast=0 \iff \forall j,\varepsilon_j=0. }

11. 分層稽核

MMLC 不只保留：

global\ score.

而應有：

\boxed{ Local \rightarrow Regional \rightarrow Global. }

例如：

\tau_j = \phi_j(\varepsilon_j),

\tau_{J_q} = \sum_{j\in J_q} w_j\tau_j,

\tau_{all} = \sum_q \omega_q\tau_{J_q}.

重要規則：

\boxed{ \text{上層 PASS 不得覆寫下層 FAIL。} }

這就是：

局部錯誤不可被全域平均抹除。

12. MMR 到底加入了什麼？

如果 MMLC 只有：

source；
operator；
result；
audit；

那麼普通 typed table / DAG 也能做到大量功能。

MMR 加入的核心是：

\boxed{ \Pi = \text{Allowed Traversal Family}. }

例如：

\Pi = \{ \pi_{\rightarrow}, \pi_{\leftarrow}, \pi_{\downarrow}, \pi_{\uparrow}, \pi_{dep}, \pi_{rev} \}.

其中不同路徑具有不同任務語義。

13. 四種「方向」不能混在一起

這是本文最重要的分類之一。

13.1 顯示方向

D_{display}.

回答：

人類現在怎麼看到這個矩陣？

例如：

left-to-right；
right-to-left；
transpose；
rotate；
block view。

13.2 執行方向

D_{exec}.

回答：

哪些交易現在可以合法執行？

它由 dependency partial order 約束。

13.3 稽核方向

D_{audit}.

回答：

從哪個失敗點開始查？

例如：

bottom\rightarrow top

或：

reverse\ dependency.

13.4 因果／來源追蹤方向

D_{trace}.

回答：

哪些 upstream transaction 可能影響了這個結果？

它沿：

G^{-1}

搜尋。

因此：

\boxed{ D_{display} \neq D_{exec} \neq D_{audit} \neq D_{trace}. }

它們可能巧合相同，但概念上必須分離。

14. Display Order 不能擁有 Semantic Identity

定義顯示置換：

\sigma:J\to J.

它只改：

position(T_j).

不得改：

id(T_j),

source(T_j),

deps(T_j).

因此：

\boxed{ \text{Drag} + \text{Sort} + \text{Transpose} + \text{Rotate} }

都不能偷偷變成：

\boxed{ \text{Semantic Rewrite}. }

15. 顯示位置與語義身份分離

這可以寫成 invariant：

\boxed{ Identity(T_j) = Identity(\sigma(T_j)). }

以及：

\boxed{ G_{\mathrm{dep}} = G_{\mathrm{dep}}^{\sigma} }

在純 display transform 下應成立。

所以：

\boxed{ \text{Display Layout references transactions;} \quad \text{it does not own transaction semantics.} }

這是後來 MMLC Runtime / MMLF 設計中的關鍵工程原則。

16. 獨立分支的方向置換不變性

如果：

所有 $T_j$ 彼此獨立；
operator 是 deterministic pure function；

則任意欄置換 $\sigma$ 下：

\{\!\{ r_j \}\!\} = \{\!\{ r_{\sigma(j)} \}\!\}.

也就是：

\boxed{ \text{display / visit order} }

可以改，

但：

\boxed{ \text{result multiset} }

保持不變。

17. 什麼時候方向真的會影響結果？

上述不變性會在以下情況失效：

side effect；
shared mutable state；
random operation；
time-sensitive input；
implicit state；
order-sensitive reduction。

因此：

\boxed{ \text{Traversal Independence} }

不是免費得到的。

它需要 operator contract。

若不成立，runtime 必須保存：

ExecutionOrder.

18. Dependency Graph 才是合法執行的硬約束

若：

T_j\to T_k,

表示：

T_k

使用：

T_j.result.

則所有依賴形成：

G=(J,E).

如果：

G

是 DAG，

則存在 topological order：

\pi_G = (j_1,\ldots,j_n)

使：

(j_p,j_q)\in E \Rightarrow p<q.

因此：

\boxed{ \text{MMR traversal} }

不能任意違反：

\boxed{ \text{Dependency partial order}. }

19. 線性順序只是 DAG 的一個合法投影

如果 dependency graph：

G

存在多個 topological sorts：

\pi_1, \pi_2, \ldots, \pi_k,

那麼任何單一線性 execution log 都只是：

\boxed{ \text{one legal serialization of a partial order}. }

這點和 MMR 的原始直覺非常一致：

線性序列不一定是資訊的唯一自然順序。

但必須更精確地說：

\boxed{ \text{不是任何順序都合法；合法順序受 dependency 約束。} }

20. Reverse Trace 不等於 Inverse Operation

這是「可逆追蹤」最容易被誤解的地方。

假設：

T_1 \to T_4 \to T_9.

若：

T_9

失敗，

reverse audit 可以從：

T_9

沿：

G^{-1}

找到：

\{T_4,T_1\}.

即：

\operatorname{Anc}(9) = \{ j \mid j\leadsto9 \}.

但這不是：

f^{-1}.

因此：

\boxed{ \text{Reverse Trace} \neq \text{Mathematical Inversion}. }

21. 本文的「可逆追蹤」定義

定義 2 — Reversible Traceability

若對輸出／交易：

T_k

能由保存的 dependency、source、version 與 boundary records 重建至少一組合法生成路徑：

\mathcal P_k = (T_{i_1},\ldots,T_k),

則稱該結果具有：

\boxed{ \text{Reversible Traceability}. }

它要求：

\boxed{ \text{history can be traversed backward} }

而不是：

\boxed{ \text{all operators are invertible}. }

22. 這是一種較弱、但更實用的可逆性

例如 hash：

h(x)

通常不可逆。

但如果 ledger 保存：

x \rightarrow h(x),

那麼：

h^{-1}

仍不存在，

但：

\boxed{ \text{provenance path} }

存在。

所以：

\boxed{ \text{Computational reversibility} }

與：

\boxed{ \text{Trace reversibility} }

完全不同。

MMLC 主要追求後者。

23. Boundary Ledger：不是所有輸入都來自內部

如果某輸入：

u_k

沒有上游 transaction，

那麼它是 external boundary input。

定義：

\beta = ( source, target, value, t, version ).

所有 boundary events 形成：

B.

因此一個 ledger 的「來源閉合」不是：

所有資訊都必須由內部生成。

而是：

\boxed{ \text{每個輸入都必須來自內部 dependency 或已記錄 boundary event。} }

24. Provenance Gap

若某 transaction input：

沒有 upstream；
沒有 boundary record；

那麼：

\boxed{ \text{Provenance Gap}. }

此時系統可以算出結果，

但不能聲稱：

\boxed{ \text{來源完整可審計}. }

這是 MMLC 比「只看結果對不對」多出來的一個維度。

25. 循環不是 DAG 的例外小問題

如果：

G

含 cycle：

T_1\to T_2\to T_1,

那麼單次 topological execution 不存在。

此時必須額外聲明：

\boxed{ CyclePolicy. }

例如：

reject；
fixed_point；
delay；
synchronized iteration。

所以：

\boxed{ \text{Cycle} \Rightarrow \text{additional semantics required}. }

沒有明示策略時，應報錯，而不是 runtime 自己猜。

26. 符號執行與數值執行

MMLC 並不要求 operand 只能是 real number。

可令：

a_j \in \mathbb R \cup \mathcal A \cup \mathcal F \cup \mathcal C.

其中：

$\mathcal A$ ：algebraic expression；
$\mathcal F$ ：function；
$\mathcal C$ ：condition / context。

因此：

\boxed{ \text{typed heterogeneous ledger} }

才是更精確的描述。

27. 求值—執行交換

若：

ledger 是 finite DAG；
substitution $S$ 與每個 operator 相容；
substitution 後不破壞 domain；

則可要求：

\boxed{ S( Exec(\mathfrak L_{sym}) ) = Exec( S(\mathfrak L_{sym}) ). }

這提供一個很重要的 cross-representation consistency test。

如果兩邊不一致，

問題可能出在：

domain；
rounding；
branch policy；
noncommutativity；
side effect；
operator version。

28. MMR 的「方向價值」不是既定真理

技術路線已經提出非常嚴格的反證條件：

若比較：

row-major；
transpose without semantics；
explicit MMR direction；
graph path + MMR；

結果發現：

M_{\mathrm{MMR}} \le M_{\mathrm{baseline}}

在：

error localization；
path length；
operation count；
task completion；

都沒有收益，

那麼：

\boxed{ \text{MMR 應降格為 display layer}. }

這是非常重要的研究節制。

29. Direction Gain

可定義：

\boxed{ G_{\mathrm{dir}} = M_{\mathrm{MMR}} - M_{\mathrm{baseline}}. }

其中 $M$ 可以是：

accuracy；
negative completion time；
negative path length；
root-cause score；
human operation cost。

只有：

G_{\mathrm{dir}}>0

且成本合理時，

才有理由說「顯式方向語義」具有 execution / reasoning value。

30. metadata-equivalence 反例

更強的反證甚至是：

普通 table + source_id + formula + audit 欄就能完全實現同等能力。

若成立，則：

\boxed{ MMLC }

不應被宣稱為新的 computation paradigm。

最多是：

\boxed{ \text{一個整理良好的 schema / interface convention}. }

這條反例必須保留。

31. 與既有資料流／圖 IR 的關係

現代中介表示早已大量使用：

Node + Edge + Region + Type

描述 computation。

例如 MLIR 的 graph-like region 可以讓：

Operation

作 node，

Value

作 data-flow edge，

而 region 中的 textual order 在特定 graph semantics 下甚至可以不是語義核心。

這與 MMLC 的：

\boxed{ \text{Display Order} \neq \text{Semantic Dependency} }

有明顯概念近鄰。

因此 MMLC 不能以：

「我們第一次發現圖上的執行順序不等於畫面順序」

作原創性主張。

32. 與 spreadsheet formula graph 的關係

現有 spreadsheet research 早已將：

FormulaReference

抽象為：

FormulaGraph.

也有研究指出 spreadsheet cell linkage 經常被 layout 隱藏，並嘗試將 cell-level dataflow 提升成 graph / hypergraph abstraction。

所以 MMR / MMLC 的可研究增量必須更精確：

\boxed{ \text{identity} + \text{typed transaction} + \text{direction family} + \text{audit vector} + \text{boundary ledger} }

是否值得被封裝成一個統一 computational object？

33. MMR 與 MMLC 的正式分工

本文重新固定：

MMR

回答：

\boxed{ \text{How can the structure be traversed?} }

包括：

display；
comparison；
forward read；
backward trace；
regional traversal；
graph traversal。

MMLC

回答：

\boxed{ \text{What is being computed and audited?} }

包括：

source object；
transaction；
operator；
dependency；
result；
invariant；
provenance；
boundary；
version。

MLA

回答：

\boxed{ \text{What minimal formal rules make these objects well-defined?} }

34. 統一物件

本文採用 MLA 形式：

\boxed{ \mathfrak L = ( U, J, \mathbf T, G, \Pi, \mathcal I, \boldsymbol\tau, B, V ). }

其中：

$U$ ：source objects；
$J$ ：transaction index；
$\mathbf T$ ：transactions；
$G$ ：dependency graph；
$\Pi$ ：traversal family；
$\mathcal I$ ：local invariants；
$\boldsymbol\tau$ ：hierarchical audit functionals；
$B$ ：boundary ledger；
$V$ ：version / execution history。

35. 三層同一性

本系列到這裡需要再區分三種 identity。

Object Identity

id(u).

回答：

這是哪個來源物件？

Transaction Identity

id(T_j).

回答：

這是哪一筆計算？

Display Identity

coord(T_j).

回答：

它現在顯示在哪裡？

因此：

\boxed{ ObjectID \neq TransactionID \neq Coordinate. }

但三者可以透過 explicit mapping 連接。

36. 視覺同構與計算同構

假設兩個畫面：

V_1, V_2

看起來一模一樣。

不能推出：

G_1=G_2.

因為同樣 layout 可能有不同 dependency。

反過來：

G_1\cong G_2

也不要求：

V_1=V_2.

因此：

\boxed{ \text{Visual Isomorphism} \neq \text{Computational Isomorphism}. }

這是 MMR 必須持續遵守的邊界。

37. 計算同構的最低條件

若兩個 representation：

R_1, R_2

要宣稱 computationally equivalent，

至少應比較：

transaction identity；
operator semantics；
dependency graph；
boundary inputs；
output values；
audit outcomes；
relevant execution constraints。

因此不能只比較：

Screenshot(R_1) = Screenshot(R_2).

38. AI 在 MMLC 中的位置

第一版技術路線已明確要求：

\boxed{ \text{Ledger before AI}. }

AI 可以：

propose traversal；
explain failure；
generate repair candidate；
compare branches。

但不能：

\boxed{ \text{be the sole correctness authority}. }

安全流程：

PROPOSE
→ SIMULATE
→ AUDIT
→ ACCEPT / REJECT
→ APPEND

這條結構後來與整個 MNIAC 系列的 governance 原則一致。

39. MMLC Runtime 1.0 的後續工程狀態

早期 roadmap 原本只是規劃：

v0.1\rightarrow v0.6.

後續已存在：

\boxed{ \text{MMLC Runtime 1.0.0} }

以及 stable：

\boxed{ \text{MMLF 1.0}. }

其公開能力層已包含：

Typed transactions and operator invariants
→ local, regional and global audit
→ dependency taint and root-cause paths
→ matrix layout and multidirectional traversal
→ row, column and block constraints
→ minimum-support repair proposals
→ temporal references and fixed-point groups
→ append-only corrections
→ counterfactual interventions
→ branch differential ledgers
→ uncertainty
→ finite sequential decisions

因此：

\boxed{ \text{MMR/MMLC 已從 pre-experimental formalization 推進到 deterministic research runtime。} }

40. Runtime 1.0 不代表理論全證明

MMLC Runtime 自己仍保留 non-claim：

它不宣稱取代 spreadsheets、DAG engines、symbolic systems、causal-inference libraries、numerical solvers 或 probabilistic programming tools。

因此：

\boxed{ \text{Executable} \neq \text{Universally Superior}. }

同樣：

\boxed{ \text{Feature Rich} \neq \text{Scientifically Validated in Every Domain}. }

41. Deterministic Replay

若：

source 相同；
operator lock 相同；
traversal 相同；
seed 相同；
runtime semantics 相同；

則 deterministic mode 應產生：

\boxed{ R_{\mathrm{repro}}=1. }

更成熟版本會保存：

canonical JSON；
semantic hash；
execution hash；
event log；
manifest。

這使「矩陣帳本」不只可看，

還可以：

\boxed{ \text{Replay}. }

42. 可逆追蹤與可重播是兩個方向

Forward replay：

Input \rightarrow Execution \rightarrow Output.

Reverse trace：

OutputFailure \rightarrow Ancestors \rightarrow Sources.

因此：

\boxed{ \text{Forward Replay} + \text{Reverse Trace} }

構成一個比「只存 final result」更完整的 computation record。

43. 最低計算因果

本文沿用較節制的定義：

若 upstream transaction：

T_i

的改變沿合法 dependency path 傳播，

能改變：

T_j

結果，

且該 path 可由 ledger 重建，

則可以在最低工程意義上稱：

T_i

對：

T_j

存在 computational influence / computational causal path。

這不等於：

\boxed{ \text{natural-world causal discovery}. }

44. 為什麼「方向」可能對 AI 有價值？

普通 sequence input 常將：

2D/Graph Structure

壓成：

Linear Tokens.

如果 task 本身是：

backtracking；
branch comparison；
dependency repair；
cross-axis consistency；

那麼 explicit traversal metadata 可能提供：

\boxed{ \text{Search Prior}. }

因此 AI 不必每次重新猜：

我應該先看哪裡？

而可以直接得到：

\Pi_Q.

45. 但方向也可能毫無價值

如果模型本身已經能從：

G

完整恢復所有有用路徑，

那麼：

\Pi

可能只是 redundant metadata。

因此必須實驗：

\boxed{ GraphOnly \quad vs\quad Graph+MMR. }

如果沒有收益：

\boxed{ MMR \rightarrow UI / explanation layer. }

這也是合法結論。

46. MMLC 最值得保留的五個不變量

即使未來 MMR directional gain 被證明不大，以下五個設計仍可能獨立成立。

46.1 Identity Preservation

顯示重排不改 object / transaction identity。

46.2 Dependency Preservation

layout 轉換不改 dependency semantics。

46.3 Local Failure Preservation

global score 不覆寫 local failure。

46.4 Boundary Explicitness

external input 必須記錄。

46.5 Version Preservation

operator / policy change 不得靜默重寫歷史。

47. 本文統一公理草案

本文把 MLA-A1–A7 壓縮為五個跨系列原則。

MNIAC-M4-A1 — Typed Identity

所有可執行 transaction 必須具有可解析 type 與 stable identity。

MNIAC-M4-A2 — Semantic Layout Separation

\boxed{ DisplayLayout \neq SemanticState. }

MNIAC-M4-A3 — Dependency-Constrained Execution

任何 execution traversal 必須尊重 declared dependencies。

MNIAC-M4-A4 — Non-Canceling Audit

local failure 不得因 global aggregation 被抹除。

MNIAC-M4-A5 — Traceable Boundary and Version

所有 external input 與 rule change 都必須留下可回查紀錄。

48. 可反證條件

F1 — Metadata Equivalence

如果：

PlainTable + Metadata

在更低成本下完整提供：

Identity + Dependency + Audit + Traversal

則 MMLC 應降格為 schema convention。

F2 — Direction No Gain

若：

G_{\mathrm{dir}}\le0

跨合理任務持續成立，

則 MMR 不應宣稱新的 execution layer。

F3 — Audit Overhead Dominates

若：

Cost_{ledger} \gg Benefit_{audit},

則不適合 production。

F4 — Invariant Non-Scalability

若一般 operator 無法提供有用 audit spec，

則 local-ledger model 的適用域有限。

F5 — Identity Not Used

若 source identity 對 branch consistency、repair、trace 任務完全無收益，

則平行身份應簡化。

F6 — Reverse Trace Fails

若保存 dependency 後仍不能可靠定位 ancestors / root cause，

則 reversible-trace claim 失敗。

49. 本文結論

從二維 spreadsheet 到 MMR / MMLC，真正增加的不是更多格子，而是：

\boxed{ \textbf{ 把原本藏在人類腦中的「這些格子彼此是什麼關係」， 逐步寫回機器可讀結構。 } }

這包括：

\boxed{ \text{同一物件的平行展開} }

\boxed{ \text{方向與遍歷} }

\boxed{ \text{交易與依賴} }

\boxed{ \text{來源與邊界} }

\boxed{ \text{局部與分層稽核}. }

因此：

\boxed{ \text{Matrix-Ledger} \neq \text{A Pretty Spreadsheet}. }

它真正的最低主張是：

顯示只是投影；交易才是語義單位；依賴決定合法執行；方向決定可選遍歷；稽核保留局部錯誤；來源與版本保證可追蹤。

而「逆向」最終也被重新定義為：

\boxed{ \textbf{ 不是所有運算都能反算， 但計算過程應盡可能能回查。 } }

這就是：

\boxed{ \text{Reversible Traceability}. }

到這一步，最早的「Excel 格子」直覺已經真正脫離 Excel。

下一個問題不再是：

矩陣能不能計算？

而是：

這種方向、依賴、稽核與身份結構，真的能讓 AI 更會找錯、修公式、理解工作簿嗎？

這就進入下一篇的 benchmark。

50. 下一篇

EML-MNIAC-2026-05

《試算表智能的可證偽實驗：公式修復、方向推理、AST 與真實 XLSX 差分》

下一篇將整合：

MMR-Bench v0.3–v1.0；
formula localization；
formula repair；
direction weights；
Formula AST；
dependency graph；
OOXML cache；
independent engine comparison；
signed computation certificate；
replay / tamper rejection；

將本篇的結構主張真正交給 benchmark。

參考資料

內部系列與工程

EveMissLab, 《多向矩陣表徵 MMR v0.1》。
EML-MMLC-2026-P01, 《多向矩陣帳本計算：從平行數學到可稽核計算矩陣》。
EML-MLA-2026-P02, 《矩陣帳本代數：平行運算、方向遍歷與分層稽核的形式系統》。
EML-MMLC-2026-P03, 《MMR 矩陣帳本計算技術路線：資料格式、執行引擎與可反證實驗》。
EveMissLab, MMLC Runtime 1.0 / MMLF 1.0。
EML-MNIAC-2026-03, 《試算表作為可見計算環境：狀態、公式、依賴、記憶與稽核》。

外部結構近鄰

Tang, D. et al. (2023), Efficient and Compact Spreadsheet Formula Graphs, arXiv:2302.05482.
Birch, D. et al. (2020), Abstracting spreadsheet data flow through hypergraph redrawing, arXiv:2006.04794.
LLVM Project, MLIR Language Reference — graph-like operations, Values, Regions, and dataflow representation.
LLVM Project, MLIR Rationale — multi-level representation from high-level dataflow graphs toward lower-level executable forms.

這些近鄰顯示：formula graph、dataflow graph、graph IR 與 layout/semantic separation 本身已有成熟背景；MMLC 的可研究增量必須由 identity、typed transaction、explicit traversal family、multi-layer audit 與 boundary/version ledger 的組合效用來證明，而不能只靠命名宣稱。

系列狀態： 第 04 篇完成。
下一篇： EML-MNIAC-2026-05 —《試算表智能的可證偽實驗：公式修復、方向推理、AST 與真實 XLSX 差分》