title: "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" title_en: "Falsifiable Experiments for Spreadsheet Intelligence: Formula Repair, Directional Reasoning, ASTs, and Real-XLSX Differential Validation" 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-2026-05" version: "v0.1" date: "2026-08-16" language: "zh-Hant" document_type: "系列第05篇／MMR-Bench 實驗總結／可證偽工程論文" status: "Public Draft" author: "Neo.K（許筌崴）／EveMissLab" depends_on: - "EML-MNIAC-2026-04 從二維表格到多向矩陣帳本 v0.1" internal_artifacts: - "MMR-Bench v0.1 FIRST_RESULTS.md" - "MMR_Bench_v0.2_Excel_Formula_Error_Case.xlsx" - "MMR_Bench_v0.3_AI_Formula_Repair.xlsx" - "MMR_Bench_v0.4_Safe_Formula_Audit.xlsx" - "MMR_Bench_v0.5_Workbook_AST_Safe_Repair.xlsx" - "MMR_Bench_v0.6_Region_Route_Safe_Repair.xlsx" - "MMR_Bench_v0.7_Semantic_Lineage_Review.xlsx" - "MMR_Bench_v0.8_XLSX_Snapshot_Differential.xlsx" - "MMR_Bench_v0.9_External_Oracle_Audit.xlsx" - "MMR_Bench_v1.0_Verifiable_Certificates.xlsx" - "MMR-Bench v1.0 實驗報告" canonical_keywords: - MMR-Bench - Spreadsheet Intelligence - Formula Repair - Directional Reasoning - Formula AST - Dependency Graph - Safe Repair - XLSX - OOXML Cache - External Oracle - Calculation Certificate - Replay Verification - Tamper Rejection

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

Falsifiable Experiments for Spreadsheet Intelligence:
Formula Repair, Directional Reasoning, ASTs, and Real-XLSX Differential Validation

摘要

本文是《矩陣原生智能與可稽核計算》系列第 05 篇，整理 MMR-Bench v0.1 至 v1.0 的第一階段完整實驗史，回答前一篇留下的核心問題：

方向、依賴、平行結構與局部稽核，是否真的能讓 AI 或自動系統更可靠地理解、定位與修復試算表，而不只是提供漂亮的新表示？

MMR-Bench 的研究價值不只在「分數變高」。整個研究過程至少經歷五次重要的自我否證或邊界收縮：

v0.1 發現 direction token 洩漏答案，將原本 100% 的假成功結果作廢；
v0.4 明確分離 detection 與 write authorization，不允許低信心候選自動寫回；
v0.5 發現 clustered errors 會形成局部錯誤多數，單純 pattern voting 不足；
v0.8 發現成功讀取 XLSX 不代表公式已被重算，importer 可能只讀 OOXML cache；
v0.9 發現 MMR 自己的 evaluator 將 Excel ^ 誤解為 Python XOR，也發現外部引擎對 1904 date system 存在固定 1462 天偏差。

因此，MMR-Bench 的成熟方向不是建立一個「永遠正確的 Excel AI」，而是建立：

\boxed{ \text{多來源證據} + \text{分歧分類} + \text{安全授權} + \text{可重播證書} }

使任何單一模型、單一 evaluator、單一 cache 或單一外部引擎都不能自動取得真理地位。

第一階段最終 v1.0 的 69 項回歸測試全部通過；20/20 乘冪案例與 20/20 ROUND 案例達成工作簿 cache、MMR evaluator 與外部 evaluator 三方一致；20/20 的 1904-date 案例則保留外部引擎固定 1462 天差異，不將其誤判為工作簿錯誤。四張代表性計算證書全部通過 Ed25519 簽章驗證與完整 replay，10/10 篡改 payload 與 10/10 錯誤 XLSX 來源都被拒絕，且所有證書對公式寫入授權數維持為零。

因此，本文最終支持的不是：

\text{MMR understands Excel universally},

而是較弱、但可驗證的命題：

\boxed{ \text{Workbook Structure} + \text{Direction / Semantics} + \text{Dependency} + \text{Multi-Engine Evidence} + \text{Source Binding} + \text{Replayable Certificates} }

可以構成一條不依賴單一模型自我宣告的 spreadsheet-audit evidence chain。

1. Benchmark 必須允許理論失敗

如果 MMR / MMLC 只是概念框架，它很容易永遠正確。

只要每次失敗都可以說：

還沒加入夠多方向、夠多 metadata、夠多 AI。

那麼它沒有研究價值。

因此 MMR-Bench 從一開始就必須允許：

\boxed{ \text{MMR 可能沒有價值}. }

甚至：

\boxed{ \text{普通 row-major / graph / AST 可能已經足夠}. }

所以 benchmark 真正測的不是：

能不能設計出一個 MMR 任務？

而是：

在有合理 baseline 的條件下，MMR 額外保留的方向與結構是否提供可測收益？

2. v0.1：第一個成功其實是抓到假成功

2.1 初版 direction leak

初始 synthetic task 將：

right / down；
left / up；

與答案極性固定耦合。

因此模型只需要看：

direction\ token

就能猜答案。

初版得到：

A_{\mathrm{standard}}=100\%.

但旋轉 90 度後：

A_{\mathrm{rot90}} \approx44.5\%.

這不是 MMR 成功。

而是：

\boxed{ \text{Data Leakage}. }

因此該結果被作廢。

3. 修正版：讓方向本身不再透露答案

對同一矩陣建立成對 query：

(X,d,y)

以及：

(X,\operatorname{opp}(d),1-y).

所以：

P(y\mid d)

不再直接給出答案。

模型必須讀取矩陣上的 path。

這一點非常重要：

\boxed{ \text{Benchmark Design} \text{ is part of the theory audit.} }

如果 benchmark 自己洩漏答案，再高分也不支持理論。

4. v0.1 的有效方向實驗

在：

8\times8

matrix、

1000 train / 300 validation / 400 test、

path length 5、

6 epochs 下，

有效結果為：

模型	參數量	標準準確率	旋轉 90°	路徑命中率	訓練秒數
Row-major，無方向	16,186	50.00%	50.00%	22.25%	1.70
Row-major＋方向 token	16,186	59.00%	54.00%	22.25%	1.65
MMR 共享四方向	15,459	83.50%	79.25%	100.00%	4.22
2D CNN	26,378	54.50%	48.00%	22.25%	0.92

因此相對 row-major＋direction token：

\Delta A_{\mathrm{standard}} = 24.5\%

而：

\Delta A_{\mathrm{rot90}} = 25.25\%.

但訓練時間：

\frac{T_{\mathrm{MMR}}}{T_{\mathrm{row+dir}}} \approx2.56.

所以正確結論不是：

\text{MMR wins}.

而是：

\boxed{ \text{Directional Gain Exists in This Synthetic Task, but at Significant Cost}. }

5. route-select：路徑監督的真正含義

另一個任務要求模型判定矩陣中真正的方向。

結果：

模型	標準準確率	旋轉 90°	路徑命中率
Row-major	75.00%	74.60%	27.40%
MMR	100.00%	99.80%	100.00%
2D CNN	46.80%	46.40%	27.40%

但 MMR 使用額外 route supervision。

因此它證明的是：

\boxed{ \text{Given explicit route labels, a shared multidirectional encoder can learn the routing task}. }

不證明：

\boxed{ \text{optimal traversal naturally emerges without supervision}. }

6. v0.2：進入真正的 Excel-like 錯誤

v0.2 將任務改成：

在 $8\times8$ grid 中，找到唯一一個相對引用方向與局部 $4\times4$ block 不一致的公式。

每個 local block 具有：

d \in \{ RIGHT, LEFT, DOWN, UP \}.

重要限制：

錯誤公式仍然 syntactically valid，且其 signature 在其他區域可能合法出現。

因此：

\boxed{ \text{Global Rarity} }

不足以找出錯誤。

必須看：

\boxed{ \text{Local Structural Consistency}. }

7. Direction Token 化

最早方向 signature：

1=\text{constant},

2=\text{RIGHT},

3=\text{LEFT},

4=\text{DOWN},

5=\text{UP}.

例如：

RIGHT：依賴左方兩格；
LEFT：依賴右方兩格；
DOWN：依賴上方兩格；
UP：依賴下方兩格。

因此 formula reference 被壓成：

\boxed{ \text{Relative Dependency Direction Token}. }

8. v0.3：AI Formula Repair

v0.3 的代表性案例使用：

hybrid_formula_mmr

模型輸出四個 traversal branch 權重：

w_R, w_L, w_D, w_U.

代表案例：

w_R\approx0.02068,

w_L\approx0.82728,

w_D\approx0.05783,

w_U\approx0.09421.

並預測：

\boxed{ Cell=B1. }

Ground truth：

B1.

修復建議：

\boxed{ =C1+D1 }

Expected：

=C1+D1.

Confidence：

0.9999942779.

因此：

\boxed{ Localization=PASS, \quad Repair=PASS. }

9. 但單一成功案例不能代表泛化

v0.3 的意義只是：

direction-aware structure 可以和 formula-repair pipeline 接起來。

不能推出：

\boxed{ \text{MMR formula repair is universally reliable}. }

尤其 synthetic block rule 太規整時，模型可能只是在學：

\text{local template}.

因此下一步必須增加：

formula family；
absolute / relative references；
legitimate overrides；
multiple errors；
uncertainty；
safe write policy。

10. v0.4：偵測不等於授權

v0.4 的核心不是提高分數。

而是引入：

\boxed{ \text{Detection} \neq \text{Authorization}. }

三個 known errors 中：

3/3 被 detected；
2 個達 auto-repair threshold；
1 個進 human review。

例如：

E11: \quad \text{auto\_repair},

D12: \quad \text{auto\_repair},

I11: \quad \text{review}.

其中 $I11$ 的 structure confidence 約：

0.63636,

低於自動寫入 threshold：

0.65.

因此：

\boxed{ \text{High anomaly} \not\Rightarrow \text{Automatic write}. }

11. Safe Copy 原則

v0.4 不直接覆寫 original workbook。

流程變成：

\boxed{ Detect \rightarrow Suggest \rightarrow Threshold \rightarrow SafeCopy / Review. }

這是整個 MMR-Bench 後續治理架構的起點。

即使修復建議最後被 ground truth 證明正確：

I11: \quad =J11+K11,

只要當下 evidence 不足，

就仍然：

\boxed{ Review. }

12. v0.5：Formula AST + Dependency Graph + Role

v0.5 將工作簿提升為：

\boxed{ FormulaAST + DependencyGraph + DisplayRole + RepairPolicy. }

代表 workbook：

8 sheets；
291 Formula AST；
726 dependency edges；
6 known errors；
6 detected；
5 auto repairs；
1 review；
original overwritten：No。

這是從：

\text{Formula String}

轉向：

\boxed{ \text{Formula Structure}. }

13. Formula Signature 不再只有方向

v0.4 / v0.5 的 signature 開始包括：

\boxed{ Family \times Direction \times AbsoluteReferenceMode. }

例如 family：

ADD；
SUB；
MUL；
SUM；
AVERAGE。

direction：

RIGHT；
LEFT；
DOWN；
UP。

reference mode：

relative；
row absolute；
column absolute；
both absolute。

因此兩個公式即使文字不同，也可能具有相同 structural signature。

14. Formatting 不是純裝飾：但也不能過度神化

v0.5 的重要負面對照：

有 style-role metadata 時，legitimate overrides：

\boxed{ CandidatePrecision=100\%. }

移除 style-role 後：

\boxed{ CandidatePrecision=37.5\%. }

因此在該 synthetic benchmark 中：

\boxed{ \text{Formatting / role metadata carried useful semantics}. }

但不能偷換成：

所有真實 Excel 的顏色都有語義。

更精確是：

\boxed{ \text{When a workbook convention binds style to role, removing style can destroy evidence}. }

15. v0.5 同時暴露了 clustered-error 問題

對 isolated / regular errors：

near-perfect on structured synthetic regions。

但 clustered six-error recall：

68.96\%.

原因很重要：

多個錯誤聚集後，錯誤本身可能形成新的局部 majority pattern。

所以：

\boxed{ \text{Local Majority} \neq \text{Truth}. }

這直接否定了過度簡單的：

只要找鄰居最多的公式模板就可以修。

16. v0.6：Region / Route / Systemic Error

v0.6 將 benchmark 從 cell anomaly 擴展到：

\boxed{ Region + Route + Systemic Assumption. }

結果：

28 tests；
40 benchmark workbooks；
clean FPR = 0；
rectangular recall = 100%；
rectangular auto-repair = 0；
systemic recall = 100%；
systemic auto-repair = 100%。

其中 clustered-six recall：

70\%\rightarrow100\%

但新增的 30 percentage points 只進入：

\boxed{ Review Candidates}.

這是一個關鍵進步：

提高 detection recall，不代表增加 auto-write。

17. Rectangular anomaly：Region route 是必要證據

對 $4\times8$ rectangular pattern：

32/32

被定位，

但：

0/32

自動寫入。

因此：

\boxed{ Detection=100\% }

與：

\boxed{ Authorization=0\% }

可以同時成立。

這正是安全自動化應接受的狀態。

18. v0.7：從公式格走到 semantic node

v0.7 不再只問：

哪一格公式錯？

而開始問：

哪一個可重用的語義節點錯？

代表案例：

錯誤的：

DiscountRate

影響：

219

個 downstream cells。

正確修復策略不是：

219

次局部 formula patch，

而是：

\boxed{ \text{Repair the upstream semantic node once}. }

這開始真正利用：

\boxed{ Lineage. }

19. v0.7 的 lineage 結果

Dashboard：

39 tests；
6 candidates；
5 approved；
1 pending review；
total blast radius = 223；
lineage nodes = 511；
lineage edges = 924；
clean false candidates = 0；
ambiguous auto-writes = 0。

Negative control：

40

個 equivalent KPI workbook：

\boxed{ 0\text{ candidates}. }

這表示：

\boxed{ \text{Formula text difference} \neq \text{semantic error}. }

至少在此 synthetic suite 中被正確尊重。

20. Ambiguous Label 不猜答案

如果一個 workbook 同時存在兩個：

Discount Rate

v0.7 不自動猜哪個是目標。

40 個 ambiguous-label workbooks：

\boxed{ ReviewOnly. }

所以：

\boxed{ Ambiguity \rightarrow Review, }

而不是：

\boxed{ Ambiguity \rightarrow Guess. }

21. v0.8：第一次真正碰 `.xlsx` 本體

v0.8 是第一個重要質變。

此前大量 benchmark 使用：

JSON；
synthetic workbook abstraction；
generated structures。

v0.8 直接進入：

\boxed{ \text{Real XLSX / OOXML Container}. }

包含：

workbook.xml；
worksheet XML；
formula；
cached value；
style index；
defined name；
Excel Table metadata；
relationship；
calculation mode。

但商業內容仍是 synthetic。

所以：

\boxed{ \text{Real File Format} \neq \text{Real Enterprise Dataset}. }

22. v0.8 的三層差分

v0.8 比較：

\boxed{ OOXML\ RawSnapshot \leftrightarrow ImporterView \leftrightarrow MMR\ BoundedEvaluator. }

三者不一致時：

\boxed{ ReviewEvent }

而不是：

\boxed{ AutoTruthSelection. }

49 tests 全部通過。

23. Correct XLSX baseline

正確 fixture：

4 sheets；
51 formulas；
51 formula caches；
5 defined names；
1 Excel Table；
56 styles。

全部：

\boxed{ 51/51 }

cache 與 bounded evaluator 一致。

24. Stale Cache：公式沒錯，值可以錯

刻意只修改：

Dashboard!B2 = 99999；
Summary!F4 = -12345；

但不修改 formulas。

結果：

49/51

一致，

2 個 mismatch 被精確定位。

40 次 cache corruption mutation：

\boxed{ TargetLocalization=100\%. }

而每個 local corruption 只產生：

1

個 local mismatch。

所以：

\boxed{ 1\ CacheCorruption \rightarrow 1\ LocalMismatch. }

25. Formula Drift：一個上游公式可以污染多個 cache

修改：

Summary!G2
=SUM(Sales!G2:G5)

成：

=SUM(Sales!G2:G4)

但保留舊 cache。

結果：

1\text{ formula change} \rightarrow 6\text{ cache mismatches}.

40 次 formula drift trials：

changed formula localization = 100%；
formula text diff localization = 100%；
average cache mismatch count = 6.0。

因此：

\boxed{ \text{Local Cache Corruption} \neq \text{Upstream Formula Drift}. }

26. Import 成功不代表 Calculation 成功

v0.8 importer probe 直接讀出了故意污染的：

99999, \quad -12345.

因此：

\boxed{ \text{XLSX Imported Successfully} \not\Rightarrow \text{Formulas Recalculated}. }

importer 可能只是讀：

\boxed{ OOXML\ CachedValue. }

這一點和 Excel 本身維護 dependency tree、calculation chain 與 dirty-cell recalculation 的官方工程模型一致：公式值不是單純「檔案內一個數字」，而與重算狀態與依賴關係相關。

27. v0.8 的安全副本策略

遇到不可信 cache：

保留／修復 approved formula；
刪除不可信 <v>；
calcMode=auto；
fullCalcOnLoad=1；
forceFullCalc=1；
original 不變。

因此：

\boxed{ \text{No Cache} \neq 0. }

而是：

\boxed{ \text{Await Compatible Recalculation}. }

系統不自行捏造新值。

28. Unsupported 不等於 Wrong

v0.8 解析 v0.7 workbook 時：

13 formulas；
1 可完整數值比較；
6 超出 bounded grammar；
6 具有 non-numeric caches。

正確處置：

\boxed{ Unsupported \neq Incorrect. }

驗證器沒有資格判斷時，最安全結果是：

\boxed{ Unknown / Review. }

29. v0.9：三方計算協定

v0.9 將：

OOXML\ Cache

MMR\ BoundedEvaluator

External\ formulas\ Engine

三方獨立比較。

核心原則：

\boxed{ \text{No Engine Is Permanently Promoted to Truth}. }

58 tests 全部通過。

30. Three-source classification

正確 workbook：

51/51

三方一致。

stale-cache fixture：

49

三方一致，

2 個 cache stale。

formula-drift fixture：

45

一致，

6 個 downstream cache stale。

因此系統可以區分：

workbook formula issue；
cache issue；
evaluator issue；
external-engine issue；
unresolved disagreement。

31. Normalization 必須留下證據

External engine 無法直接解析：

SalesTable[M01]

系統建立 logged normalization：

StructuredReference \rightarrow A1\ Range.

共：

12

個 structured references 被轉換。

但只能說：

\boxed{ \text{Normalized form is computable}. }

不能說：

\boxed{ \text{External engine natively supports Excel Table semantics}. }

這是 representation honesty。

32. 最重要的自我打臉：`^` XOR bug

Excel：

2^3=8.

舊 MMR evaluator 用 Python eval：

2^3

被當成：

2\oplus3=1.

20/20 exponent trials 全部暴露：

\boxed{ MMR\ SemanticGap. }

系統沒有說：

workbook 錯了。

而是：

\boxed{ \text{MMR evaluator is wrong}. }

這是 MMR-Bench 最有價值的結果之一。

因為 benchmark 不只抓使用者錯誤，也抓自己的錯誤。

33. 外部引擎也會錯：1904 Date System

在 20 個 1904-date fixtures 中：

外部 evaluator 仍回傳 1900-system serial。

固定差：

\boxed{ 1462\text{ days}. }

MMR / workbook cache 一致，

external 不一致。

因此分類：

\boxed{ external\_date\_system\_gap. }

同樣：

\boxed{ 0\text{ formula writes}. }

34. 這證明「多數決」也不是完整真理

如果：

Cache=MMR\neq External,

不能只因：

2>1

就自動宣布前兩者是真理。

反過來：

MMR=External\neq Cache

也只代表 cache suspicious。

所以需要：

\boxed{ \text{Evidence Classification} }

而不是：

\boxed{ \text{Naive Majority Vote}. }

35. v1.0：先修 evaluator，再做 certificate

v1.0 移除一般 Python eval，

改用：

\boxed{ \text{AST Whitelist Evaluator}. }

只允許 benchmark 需要的：

constants；
names；
arithmetic operators；
approved functions。

因此：

\boxed{ \text{Evaluation Semantics Become Explicit}. }

36. Excel `^` 語義閉合

v1.0 後：

20/20 exponent cases：

\boxed{ Cache=MMR=External. }

因此舊 XOR gap 被關閉。

這裡的正確研究語言是：

\boxed{ \text{Known semantic defect repaired within tested domain}. }

不是：

\boxed{ \text{Excel semantics fully implemented}. }

37. ROUND 語義

v1.0 明確實作 Excel-style：

\boxed{ \text{half-away-from-zero}. }

例如：

ROUND(2.675,2)=2.68.

20/20 positive / negative cases：

\boxed{ ThreeWayAgreement=100\%. }

38. Date system honesty 保留

MMR evaluator 現在明確區分：

1900

與：

1904

date system。

20/20 1904 cases：

MMR=Cache,

但：

External

仍差：

1462.

v1.0 不把這個差異「修掉」。

它把 external limitation 保留下來。

這比追求漂亮的：

100\%\ Agreement

更重要。

39. 計算證書

v1.0 certificate 封裝：

\boxed{ XLSX\ SHA256 + EngineEnvironment + NormalizationMap + CellEvidence + SafetyDecision + Ed25519Signature }

代表性案例四張：

correct structured workbook；
stale-cache workbook；
exponent semantic-gap repaired workbook；
1904-date external-gap workbook。

40. v1.0 驗證結果

驗證	結果
全部 regression tests	69 / 69
簽章驗證	4 / 4
完整 replay	4 / 4
篡改 payload 拒絕	10 / 10
wrong XLSX source 拒絕	10 / 10
formula writes authorized	0

因此：

\boxed{ \text{Certificate} }

不只是「保存一份報告」。

它綁定：

\boxed{ \text{Evidence} + \text{Source Identity} + \text{Execution Environment} + \text{Decision}. }

41. Certificate 能證明什麼？

有效 certificate 可以證明：

certificate payload 未被修改；
replay 的 XLSX 是原來綁定的 byte-identical source；
engine / environment 被記錄；
normalization 可重建；
cell evidence 可重建；
safety decision 可 replay；
disagreement 沒被偷偷轉成 formula write。

這是：

\boxed{ \text{Process Integrity Evidence}. }

42. Certificate 不能證明什麼？

不能證明：

evaluator 等同 Microsoft Excel；
business formula 符合真實 business intent；
arbitrary workbook 可安全修復；
VBA 完整支援；
Power Query 完整支援；
dynamic arrays 完整支援；
LET / LAMBDA 完整支援。

因此：

\boxed{ \text{Certificate Valid} \neq \text{Workbook Universally Correct}. }

43. MMR-Bench 最終從「模型分數」走向「證據鏈」

v0.1 主要關心：

Accuracy.

v0.3：

Localization + Repair.

v0.5：

AST + Dependency + Role.

v0.7：

Lineage + SemanticNode.

v0.8：

OOXML + CacheProvenance.

v0.9：

MultiEngineDisagreement.

v1.0：

\boxed{ SignedReplayableEvidence. }

這是整條 benchmark 最重要的方向變化。

44. 一個統一 Evidence Model

本文將單一 formula cell 的 evidence 寫成：

\boxed{ E_i = ( F_i, A_i, D_i, R_i, C_i, M_i, X_i, P_i ) }

其中：

$F_i$ ：formula source；
$A_i$ ：AST / normalized structure；
$D_i$ ：dependencies；
$R_i$ ：role / region / direction；
$C_i$ ：stored cache；
$M_i$ ：MMR evaluation；
$X_i$ ：external evaluation；
$P_i$ ：provenance / version / date system / normalization。

45. Classification 不等於 Repair

定義：

\mathcal C(E_i) \in \{ correct, formula\_anomaly, cache\_stale, mmr\_gap, external\_gap, unsupported, ambiguous \}.

但：

\boxed{ \mathcal C(E_i) }

只是 diagnosis。

write authorization：

\boxed{ W(E_i) }

是另一個函數。

因此：

\boxed{ Diagnosis \neq WriteAuthorization. }

46. Safe Automation Principle

只有在：

EvidenceStrength(E_i) \ge \theta_{write}

且：

Policy(E_i)=allow

時，

才可：

Write.

否則：

\boxed{ Review. }

甚至在 v1.0 certificate 階段：

\boxed{ WriteAuthorization=0 }

仍然可以是完整研究成果。

47. 與既有 spreadsheet debugging 研究的關係

外部研究早已處理：

spreadsheet formula error detection；
dataflow tracing；
fault localization；
formula graph compression；
static analysis。

例如 ExceLint 直接提出 spreadsheet formula static analysis 以自動找公式錯誤；早期 spreadsheet-debugging 研究也使用 dataflow information 追蹤 propagated faults。

因此 MMR-Bench 不能把：

\boxed{ \text{Formula Error Detection} }

本身宣稱為新領域。

48. MMR-Bench 的可驗證增量在哪裡？

本文將可研究增量壓縮為：

\boxed{ \text{Direction-Aware Structure} + \text{Formula AST} + \text{Dependency / Lineage} + \text{Role Evidence} + \text{Real OOXML Snapshot} + \text{Multi-Engine Disagreement} + \text{Safe Authorization} + \text{Signed Replay} }

是否形成比單一 static analyzer 更完整的：

\boxed{ \text{Auditable Spreadsheet Intelligence Pipeline}. }

這才是後續需要用真實資料驗證的主張。

49. Excel 本身已經有 dependency tree

Microsoft 官方工程文件把 Excel recalculation 描述成三階段：

build dependency tree；
build calculation chain；
recalculate cells。

因此：

\boxed{ \text{Spreadsheet Formula Dependency} }

不是 MMR 發明的。

MMR-Bench 真正增加的是：

把 formula dependency 與 direction、role、lineage、multi-engine evidence、authorization、certificate 放到同一可追溯實驗中。

50. 第一階段的最重要負結果

MMR-Bench 第一階段其實有很多「失敗成果」。

N1 — Direction Leak

100% 被證明是假成功。

N2 — Clustered Local Majority

局部規則會被 clustered errors 污染。

N3 — Style Removal

移除 role metadata 可大幅增加 false positives。

N4 — Importer Trust Failure

成功 import 不能證明 recalculation。

N5 — MMR Evaluator Bug

^ 被誤解為 XOR。

N6 — External Evaluator Date Bug

1904 system 差 1462 days。

這些負結果共同支持：

\boxed{ \text{No Single Representation Is Sufficient Evidence}. }

51. 第一階段真正最成熟的結論

MMR-Bench v1.0 不是：

\boxed{ \text{Spreadsheet AGI}. }

也不是：

\boxed{ \text{Universal Excel Repair}. }

而是：

\boxed{ \text{Evidence-Carrying Spreadsheet Audit}. }

其核心流程：

\boxed{ Parse \rightarrow Normalize \rightarrow Analyze \rightarrow Compare \rightarrow Classify \rightarrow Authorize \rightarrow Certify \rightarrow Replay. }

52. 下一階段必須換資料

v1.0 自己已經明確指出：

第一階段使用：

\boxed{ \text{Real XLSX Containers} + \text{Synthetic Business Contents}. }

因此後續不應再主要追求：

SyntheticAccuracy\uparrow.

而應轉為：

anonymized real workbooks；
larger formula vocabulary；
cross-engine compatibility；
macro / dynamic array boundaries；
natural legitimate exceptions；
human review labels；
real repair cost；
false-positive burden。

53. 真實資料的主要風險

真實 workbook 會出現：

copied inconsistencies；
intentionally exceptional formulas；
manual overrides；
merged cells；
names；
tables；
array formulas；
macros；
hidden sheets；
external links；
locale-specific semantics；
stale caches；
circular calculations；
business conventions。

因此：

\boxed{ \text{Synthetic Regularity} }

很可能高估：

\boxed{ \text{Real Repairability}. }

54. 可證偽條件

F1 — Direction Provides No Incremental Value

控制 AST / dependency 後：

MMRDirection

若不再提升 localization / repair / robustness，

則 direction 應降格。

F2 — Role Metadata Is Too Fragile

若真實 workbook 的 style / layout 不具有穩定 semantic convention，

則 role-based signal 不可泛化。

F3 — Real Workbook False Positives

若真實資料：

FPR

高到 human review cost 大於人工 audit，

則實用性失敗。

F4 — External Engines Diverge Too Often

若跨引擎語義差異大到：

UnresolvedRate

過高，

則 multi-engine protocol 只能當 evidence collector，而不能當 repair system。

F5 — Certificate Adds No Operational Value

若 signed replay 無法降低：

audit cost；
dispute cost；
provenance uncertainty；
reproducibility failure；

則 certificate 可能只是額外包裝。

55. 本文結論

MMR-Bench 的第一階段不是一條：

v0.1 \rightarrow v1.0 \rightarrow \text{accuracy keeps increasing}

的線。

真正的演化是：

\boxed{ \text{Direction Hypothesis} }

\downarrow

\boxed{ \text{Leakage Detection} }

\downarrow

\boxed{ \text{Formula Localization / Repair} }

\downarrow

\boxed{ \text{Safe Authorization} }

\downarrow

\boxed{ \text{AST / Dependency / Role} }

\downarrow

\boxed{ \text{Region / Lineage / Semantic Node} }

\downarrow

\boxed{ \text{Real XLSX / OOXML Evidence} }

\downarrow

\boxed{ \text{Multi-Engine Disagreement} }

\downarrow

\boxed{ \text{Signed Replayable Evidence}. }

所以最後真正留下來的不是：

「AI 很會修 Excel。」

而是：

\boxed{ \textbf{ 一個可信的試算表智能系統， 首先必須知道自己什麼時候可能是錯的。 } }

更完整地說：

\boxed{ \textbf{ 工作簿、模型、快取、外部引擎、甚至 benchmark 自己， 都只是證據來源，而不是天然的終極裁決者。 } }

v1.0 的最強成果因此不是 formula write。

反而是：

\boxed{ \text{0 unauthorized formula writes}. }

因為它證明整條研究線已經從：

「找到錯誤就修掉」

進化為：

先證明你有資格修。

56. 下一篇

EML-MNIAC-2026-06

《AI Matrix Ledger Format：從試算表格式到可追溯計算結構》

下一篇將從 benchmark 進一步提升到 canonical representation：

\boxed{ Value + Formula + AST + Dependency + Region + Route + Provenance + Projection + Loss }

並正式整理 MLF 1.0 與 matrix-ledger-format。

參考資料

內部工程

EveMissLab, MMR-Bench v0.1 FIRST_RESULTS.
EveMissLab, MMR_Bench_v0.2_Excel_Formula_Error_Case.xlsx.
EveMissLab, MMR_Bench_v0.3_AI_Formula_Repair.xlsx.
EveMissLab, MMR_Bench_v0.4_Safe_Formula_Audit.xlsx.
EveMissLab, MMR_Bench_v0.5_Workbook_AST_Safe_Repair.xlsx.
EveMissLab, MMR_Bench_v0.6_Region_Route_Safe_Repair.xlsx.
EveMissLab, MMR_Bench_v0.7_Semantic_Lineage_Review.xlsx.
EveMissLab, MMR_Bench_v0.8_XLSX_Snapshot_Differential.xlsx.
EveMissLab, MMR-Bench_v0.8_實驗報告.md.
EveMissLab, MMR_Bench_v0.9_External_Oracle_Audit.xlsx.
EveMissLab, MMR-Bench_v0.9_實驗報告.md.
EveMissLab, MMR_Bench_v1.0_Verifiable_Certificates.xlsx.
EveMissLab, MMR-Bench_v1.0_實驗報告.md.

外部研究近鄰

Microsoft Learn, Excel Recalculation — Excel dependency tree, calculation chain, dirty-cell recalculation.
Microsoft Learn, Formula precedents and dependents using the Excel JavaScript API.
Barowy et al., ExceLint: Automatically Finding Spreadsheet Formula Errors, arXiv:1901.11100.
Abraham & Erwig, Spreadsheet Debugging, arXiv:0801.4280.
Erwig et al., Detecting Errors in Spreadsheets, arXiv:0805.1740.
Tang et al., Efficient and Compact Spreadsheet Formula Graphs, arXiv:2302.05482.

這些文獻已經證明 spreadsheet error detection、dataflow tracing 與 formula graphs 本身具有成熟研究脈絡；因此 MMR-Bench 的新增價值不能只建立在「我們也能找公式錯誤」，而必須由其方向、語義角色、lineage、多引擎 evidence、write authorization 與可重播證書的整合效用來證明。

系列狀態： 第 05 篇完成。
下一篇： EML-MNIAC-2026-06 —《AI Matrix Ledger Format：從試算表格式到可追溯計算結構》

試算表智能的可證偽實驗

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

摘要

1. Benchmark 必須允許理論失敗

2. v0.1：第一個成功其實是抓到假成功

2.1 初版 direction leak

3. 修正版：讓方向本身不再透露答案

4. v0.1 的有效方向實驗

5. route-select：路徑監督的真正含義

6. v0.2：進入真正的 Excel-like 錯誤

7. Direction Token 化

8. v0.3：AI Formula Repair

9. 但單一成功案例不能代表泛化

10. v0.4：偵測不等於授權

11. Safe Copy 原則

12. v0.5：Formula AST + Dependency Graph + Role

13. Formula Signature 不再只有方向

14. Formatting 不是純裝飾：但也不能過度神化

15. v0.5 同時暴露了 clustered-error 問題

16. v0.6：Region / Route / Systemic Error

17. Rectangular anomaly：Region route 是必要證據

18. v0.7：從公式格走到 semantic node

19. v0.7 的 lineage 結果

20. Ambiguous Label 不猜答案

21. v0.8：第一次真正碰 .xlsx 本體

22. v0.8 的三層差分

23. Correct XLSX baseline

24. Stale Cache：公式沒錯，值可以錯

25. Formula Drift：一個上游公式可以污染多個 cache

26. Import 成功不代表 Calculation 成功

27. v0.8 的安全副本策略

28. Unsupported 不等於 Wrong

29. v0.9：三方計算協定

30. Three-source classification

31. Normalization 必須留下證據

32. 最重要的自我打臉：^ XOR bug

33. 外部引擎也會錯：1904 Date System

34. 這證明「多數決」也不是完整真理

35. v1.0：先修 evaluator，再做 certificate

36. Excel ^ 語義閉合

37. ROUND 語義

38. Date system honesty 保留

39. 計算證書

40. v1.0 驗證結果

41. Certificate 能證明什麼？

42. Certificate 不能證明什麼？

43. MMR-Bench 最終從「模型分數」走向「證據鏈」

44. 一個統一 Evidence Model

45. Classification 不等於 Repair

46. Safe Automation Principle

47. 與既有 spreadsheet debugging 研究的關係

48. MMR-Bench 的可驗證增量在哪裡？

49. Excel 本身已經有 dependency tree

50. 第一階段的最重要負結果

N1 — Direction Leak

N2 — Clustered Local Majority

N3 — Style Removal

N4 — Importer Trust Failure

N5 — MMR Evaluator Bug

N6 — External Evaluator Date Bug

51. 第一階段真正最成熟的結論

52. 下一階段必須換資料

53. 真實資料的主要風險

54. 可證偽條件

F1 — Direction Provides No Incremental Value

F2 — Role Metadata Is Too Fragile

F3 — Real Workbook False Positives

F4 — External Engines Diverge Too Often

F5 — Certificate Adds No Operational Value

55. 本文結論

56. 下一篇

EML-MNIAC-2026-06

參考資料

內部工程

外部研究近鄰

21. v0.8：第一次真正碰 `.xlsx` 本體

32. 最重要的自我打臉：`^` XOR bug

36. Excel `^` 語義閉合