TADC-05：從單點超專注到拓樸超專注——域級持續性、內部高熵遍歷與可控退出

英文題名： From Pointwise Hyperfocus to Topological Hyperfocus: Domain Persistence, High-Entropy Internal Traversal, and Controllable Exit
系列： Topological Attention and Dynamic Cognitive Domains — Conjecture Series（TADC）
中文系列名： 拓樸注意力與動態認知域命題系列
編號： TADC-05
版本： v0.1
日期： 2026-08-17
作者： Neo.K（許筌崴）
協作： GPT-5.6 Sol
文件性質： 理論命題／注意力狀態模型／可證偽研究綱領
文獻檢索截點： 2026-08-17

摘要

Hyperfocus 通常被描述為一種強烈、深度、持久，且常帶有狹窄化特徵的注意狀態。近年量表與實證研究已使 hyperfocus 從日常語言逐漸成為可操作測量的心理構念；同時，研究也顯示它與 ADHD traits、executive-function difficulties、cognitive-affective flexibility、emotion reactivity、flow、gaming motivation 與 burnout 等變項具有複雜關聯。

本文不提出新的臨床診斷，也不主張現有 hyperfocus 定義錯誤，而提出一個上位形式問題：

長時間高度專注是否一定意味著「長時間停留在單一認知點」？

在 TADC-01 至 TADC-04 的動態認知空間、多尺度認知域、六算子與 object–domain duality 基礎上，本文提出三個互相包含但可分離的 hyperfocus 模型：

Pointwise Hyperfocus（PHF）：注意概率長時間集中於單一 object / task state；
Domain Hyperfocus（DHF）：注意長時間留在同一有效認知域，但域內可以存在高頻 switching；
Topological Hyperfocus（THF）：注意軌跡長期留在一個保持功能連續性的動態認知複體中，即使該複體本身持續 Expansion、Contraction、Traversal、Gluing、Detachment 與 Re-indexing。

本文提出：

\boxed{ \text{high focus intensity} \not\Rightarrow \text{low internal mobility}. }

以及更強的：

\boxed{ \text{domain persistence} + \text{high intra-domain entropy} }

可以共同存在。

為使「拓樸超專注」不是修辭，本文定義 domain-retention ratio、exit hazard、intra-domain transition rate、conditional entropy、goal continuity、connected-component persistence、re-indexing rate、voluntary exit controllability 與 cost load 等可測指標。本文並將 productive persistence 與 maladaptive lock-in 分開：高輸出、高投入或長時間工作本身都不足以證明健康、適應性或可控性。

本文進一步提出 Topic Rotation as Focus Maintenance Conjecture（TRFMC）：在部分認知型態中，低成本的域內切換可能不是專注的中斷，反而是維持高階目標長期投入的一種調節機制。其最小條件為：

\nu_{\mathrm{intra}}\uparrow

不導致：

P_{\mathrm{domain}}\downarrow,

並且在適當範圍內可能延長：

T_{\mathrm{domain}}.

本文建立 point-lock、flow-only、reward-only、executive-dyscontrol、random-switching 與 ordinary task-switching 等競爭模型，並提出 long-horizon behavioral logging、semantic transition graph、forced-stability、forced-switch、exit-control、re-entry 與 multi-resolution experiments。

本文的核心並非將所有長時間投入重新命名為 topological hyperfocus，而是提出一個可被資料否定的區分：

\boxed{ \text{focus on a point} \neq \text{persistence within a dynamically evolving connected domain}. }

關鍵詞： hyperfocus；attention；domain persistence；topological attention；task switching；cognitive flexibility；attention entropy；flow；ADHD；multiscale cognition；TADC

0. 邊界聲明

本文不是臨床研究、診斷工具、治療建議或 ADHD 新診斷標準。

本文不主張：

\boxed{ \text{hyperfocus is unique to ADHD}. }

也不主張：

\boxed{ \text{hyperfocus is inherently beneficial}. }

或：

\boxed{ \text{hyperfocus is inherently pathological}. }

本文提出的是一般性認知架構猜想。

ADHD 只是現有 hyperfocus literature 中的重要研究情境之一。

此外，「Topological Hyperfocus」是本文提出的理論術語，不是現有正式臨床術語。

1. 現有 hyperfocus 研究已經到哪裡？

Hupfeld、Abagis 與 Shah（2019）以 Adult Hyperfocus Questionnaire 系統性研究成人 hyperfocus，並發現較高 ADHD symptomology 與較高 hyperfocus frequency 相關。

2024 年 Hupfeld 等人進一步驗證 12-item Dispositional Adult Hyperfocus Questionnaire（AHQ-D）。該研究：

$n=347$ ；
AHQ-D 呈現單一主要 hyperfocus factor；
Cronbach's $\alpha=0.93$ ；
AHQ-D 與 ADHD trait measure 呈正相關；
與 flow 亦有正相關，但幅度較弱；
與 mind wandering 也存在正相關。

這代表 hyperfocus 已經具有可量化的心理計量工具。

但目前量表仍主要從：

\boxed{ \text{intense / deep / prolonged task concentration} }

出發。

TADC-05 要問的是：

如果「task」本身其實只是 coarse-grained domain object，量表可能把哪些內部動態壓掉？

2. Hyperfocus 並不只是「注意力比較多」

Pimenta 等人（2024）在 380 名大學生中發現：

ADHD symptom severity 與 hyperfocus frequency 正相關；
executive-function difficulties 與 hyperfocus 正相關；
EF difficulties 部分中介 ADHD symptoms 與 hyperfocus 的關聯。

這表示：

\boxed{ \text{hyperfocus} \neq \text{simple high attention capacity}. }

至少在該樣本中，hyperfocus 也和 attention regulation / executive control difficulties 有關。

但該研究為 self-report、非臨床大學生樣本，不能證明單一因果機制。

3. 2026 年結果讓「靜態 hyperfocus」模型更不夠

Samson 等人（2026）比較：

N=48

成人 ADHD 與：

N=48

controls，

研究 cognitive-affective switching、emotion reactivity 與 hyperfocus。

其結果顯示：

ADHD group 從 cognitive 切換到 affective stimuli 較慢；
ADHD group 內，較快從 affective 切回 cognitive content 與較高 emotion reactivity 相關；
emotion reactivity 在特定 switching index 與 dispositional hyperfocus 關係中呈現 mediation。

這些結果不證明 TADC。

但它至少提醒：

\boxed{ \text{hyperfocus may coexist with nontrivial switching dynamics}. }

所以只用：

\text{focus intensity}

單一維度描述可能過度簡化。

4. Hyperfocus 與 Flow 不能直接等同

2024 AHQ-D validation 中：

r_{\mathrm{HF,flow}} \approx0.12,

呈弱正相關。

2026 adult gaming 研究也特別將：

\text{hyperfocus}

與：

\text{flow}

分開處理，並研究其對 burnout、self-efficacy、escapism 等不同 outcome / predictor patterns。

因此：

\boxed{ \text{Hyperfocus} \neq \text{Flow} }

至少不能視為已證明同一構念。

TADC-05 也不以 flow 作為 THF 的同義詞。

5. 最簡單的 hyperfocus 模型

令注意狀態：

x_t\in X.

若存在：

x^*

使長時間：

P(x_t=x^*)\rightarrow1,

則可定義：

\boxed{ \text{Pointwise Hyperfocus（PHF）}. }

它的直覺是：

一個人長時間停在同一個 task / object。

這是最接近一般 hyperfocus 語言的形式。

6. Pointwise Hyperfocus 指標

定義：

L_x(T) = \frac{1}{T} \int_0^T \mathbf 1[x_t=x^*] \,dt.

若：

L_x(T)\geq\theta_P,

且：

T\geq T_{\min},

則候選 PHF。

也可以定義 point-exit hazard：

h_x(t) = P( x_{t+\Delta}\neq x^* \mid x_t=x^* ).

PHF 預測：

h_x\downarrow.

7. 但「task」可能不是一個點

TADC-04 已提出：

U^{(\lambda_f)} \leftrightarrow z_U^{(\lambda_c)}.

在 coarse scale：

z_U

看起來是一個 task。

但 fine scale：

U = \{x_1,x_2,\ldots,x_n\}

可能是一個大型 relational domain。

因此一個 participant 報告：

我連續六小時都在做同一件事。

可能有至少兩種內部型態。

8. 型態 A：真正 point-lock

x_1 \rightarrow x_1 \rightarrow x_1 \rightarrow x_1.

域內 mobility：

\nu_{\mathrm{intra}}\approx0.

9. 型態 B：domain persistence

x_1 \rightarrow x_7 \rightarrow x_3 \rightarrow x_{15} \rightarrow x_8 \rightarrow\cdots

但：

\forall i,\quad x_i\in U^*.

在 coarse scale：

P(U^*)\rightarrow1.

因此：

\boxed{ \text{high internal switching} }

與：

\boxed{ \text{high domain persistence} }

可以同時成立。

10. Domain Hyperfocus（DHF）

定義一個有效 domain：

U^*\subseteq X.

domain-retention ratio：

L_U(T) = \frac{1}{T} \int_0^T \mathbf 1[x_t\in U^*] \,dt.

若：

L_U(T)\geq\theta_D,

且：

T\geq T_{\min},

則為候選：

\boxed{ \text{Domain Hyperfocus（DHF）}. }

11. DHF 不要求域內低 entropy

域內狀態分布：

p_i = P( x_t=x_i \mid x_t\in U^* ).

定義 conditional entropy：

H_{\mathrm{intra}} = -\sum_i p_i\log p_i.

PHF 通常預期：

H_{\mathrm{intra}}\downarrow.

但 DHF 可以：

H_{\mathrm{intra}}\uparrow.

所以：

\boxed{ L_U\uparrow \quad\land\quad H_{\mathrm{intra}}\uparrow }

並不矛盾。

12. 域內切換率

定義：

\nu_{\mathrm{intra}} = \frac{ N( x_t\rightarrow x_{t+1}; x_t,x_{t+1}\in U^* ) }{ T_U }.

domain exit rate：

\nu_{\mathrm{exit}} = \frac{ N( x_t\in U^*, x_{t+1}\notin U^* ) }{ T_U }.

因此最關鍵的可區分類型是：

Point Lock

\nu_{\mathrm{intra}}\downarrow, \qquad \nu_{\mathrm{exit}}\downarrow.

Domain Hyperfocus

\nu_{\mathrm{intra}}\uparrow \quad\text{or moderate},

\nu_{\mathrm{exit}}\downarrow.

Distractible Switching

\nu_{\mathrm{intra}}\uparrow, \qquad \nu_{\mathrm{exit}}\uparrow.

這三者不應混在一起。

13. Macro Persistence / Micro Mobility

若 coarse-scale domain variable：

D_t = P_{\lambda_f\rightarrow\lambda_c}(x_t),

則可以同時：

H(D_t)\downarrow

與：

H(x_t\mid D_t)\uparrow.

也就是：

\boxed{ H_{\mathrm{macro}}\downarrow \quad\land\quad H_{\mathrm{micro}}\uparrow. }

中文：

宏觀高度集中，域內高度展開。

這是 TADC-05 的核心 signature 之一。

14. Topological Hyperfocus（THF）

Domain Hyperfocus 仍假定：

U^*

大致固定。

但 TADC-01 至 TADC-03 已允許：

U_t \rightarrow U_{t+1}.

如果一個人長期投入某一認知複體，

而該複體自身持續：

E, C, G, D, R, T,

則固定 domain 也不夠。

因此定義：

\boxed{ \text{Topological Hyperfocus（THF）}. }

15. THF 的最小直覺

不是：

x_t=x^*

長期成立。

也不必要求：

U_t=U^*

長期固定。

而是存在一條 evolving domain sequence：

U_0,U_1,\ldots,U_T

使：

attention trajectory 長期位於： $x_t\in U_t;$
$U_t$ 與 $U_{t+1}$ 具有可追蹤結構連續性；
高階 goal / invariant 保持；
exit probability 長期低；
domain 內允許大量局部 transition 與 re-indexing。

16. Connected Cognitive Complex

定義時間 (t) 的：

\mathcal K_t = ( U_t, \mathcal R_t, \kappa_t ).

若：

\mathcal K_t

隨時間改變，

但存在一組 correspondence：

M_t: \mathcal K_t \rightsquigarrow \mathcal K_{t+1}

保留關鍵功能關係，

則稱：

\{ \mathcal K_t \}_{t=0}^T

為一條 candidate connected cognitive complex trajectory。

THF 的鎖定對象不是單一：

x,

而是：

\boxed{ \{\mathcal K_t\}_{0:T}. }

17. 結構連續性

定義：

S_t = S( \mathcal K_t, \mathcal K_{t+1} ).

候選可以由：

node overlap；
relational overlap；
goal identity；
bridge preservation；
invariant preservation；

構成。

例如：

S_t = \alpha J_X + \beta J_R + \gamma I_G + \delta I_{\mathrm{inv}}.

若：

S_t\geq\theta_S

長期成立，

則即使：

U_t\neq U_{t+1},

仍可以說 trajectory 沒有完全離開原 cognitive complex。

18. THF 的候選形式

定義：

\Theta_{\mathrm{THF}} = ( L_K, \nu_{\mathrm{intra}}, H_{\mathrm{intra}}, \nu_R, h_{\mathrm{exit}}, S, G_C, E_C ).

其中：

$L_K$ ：complex retention；
$\nu_{\mathrm{intra}}$ ：域內切換率；
$H_{\mathrm{intra}}$ ：域內熵；
$\nu_R$ ：re-indexing rate；
$h_{\mathrm{exit}}$ ：domain exit hazard；
(S)：structural continuity；
$G_C$ ：goal continuity；
$E_C$ ：exit controllability。

因此 hyperfocus 不再是一個單一 scalar。

19. Goal Continuity

定義高階 goal：

G_t.

如果：

G_t

具有語義／功能連續性：

\operatorname{Sim}(G_t,G_{t+1})\geq\theta_G,

則：

G_C = \frac1T \sum_t \operatorname{Sim} ( G_t,G_{t+1} ).

THF 強版本要求：

G_C\uparrow.

否則「一直換題」可能只是 random wandering。

20. Switching 不能只算次數

假設：

x_i\rightarrow x_j.

至少要問：

Semantic distance

d_S(x_i,x_j).

Causal distance

d_C(x_i,x_j).

Goal distance

d_G(x_i,x_j).

Domain-exit status

I_{\mathrm{exit}}.

因此：

\boxed{ \text{switch count alone is insufficient}. }

21. 三種 switching

Distractor Switching

x_i\in U_G \rightarrow y\notin U_G,

且：

\rho(y,G)\approx0.

Exploratory Switching

x_i\rightarrow x_j,

x_i,x_j\in U_G,

並增加：

\operatorname{Reach}^{(k)}.

Regulatory Switching

當局部 engagement：

E_i(t)

下降，

主體切到：

x_j\in U_G

以維持整體 domain engagement。

第三種正是本文最有風險的新命題。

22. Topic Rotation as Focus Maintenance Conjecture（TRFMC）

假設每個局部 topic：

T_i

具有 engagement：

e_i(t).

若持續停留：

e_i(t) = e_{i,0} e^{-\lambda_i t}.

當：

e_i(t)<\theta,

切到同域內：

T_j

使：

e_j(0)>\theta.

若如此循環：

T_1\rightarrow T_2\rightarrow T_3\rightarrow T_1,

整體 domain engagement：

E_U(t) = \max_i e_i(t)

可能長期：

E_U(t)>\theta.

因此：

\boxed{ \text{micro-switching} \rightarrow \text{macro-focus maintenance} }

在部分條件可能成立。

23. TRFMC 的必要條件

不能只看到 switching 就宣稱 regulatory rotation。

至少需要：

switches mostly remain within same coherent domain；
switching 發生在 local engagement decline 後；
switching 後 domain-level engagement 恢復；
forced no-switch condition 反而縮短 domain dwell；
switching 不顯著降低 goal completion。

形式：

\nu_{\mathrm{intra}}\uparrow

同時：

T_U\uparrow

或至少：

T_U\not\downarrow.

24. Inverted-U Hypothesis

TRFMC 不預測：

越切越好。

更合理：

T_U = f( \nu_{\mathrm{intra}} )

可能是 inverted-U。

太低：

\nu_{\mathrm{intra}}\approx0

可能因 boredom / local saturation 離開 domain。

適中：

\nu_{\mathrm{intra}} = \nu^*

維持 novelty / information gain。

太高：

\nu_{\mathrm{intra}}\gg\nu^*

則：

reconstruction cost；
fragmentation；
unfinished branches；

上升。

因此：

\boxed{ \nu^* = \arg\max_\nu T_U(\nu). }

25. Hyperfocus 的「狹窄」需要尺度參數

傳統說：

\text{hyperfocus is narrow}.

但 narrow 相對於什麼？

細尺度：

U^*

可能非常大。

粗尺度：

P(U^*)=z_U

卻只是一個 task。

所以：

\boxed{ \text{narrowness} = N(\lambda). }

Hyperfocus 的 scope 不應脫離：

\lambda

描述。

26. Pointwise Narrowness vs Domain Narrowness

Pointwise：

|\operatorname{supp}(p(x))| \approx1.

Domain-level：

|\operatorname{supp}(p(D))| \approx1,

但：

|\operatorname{supp}(p(x\mid D))| \gg1.

這兩種在粗糙問卷中都可能被回答：

我非常專注在一件事情上。

所以需要新的 measurement resolution。

27. 超專注與「可退出性」

長時間投入本身不能區分：

\text{chosen persistence}

與：

\text{lock-in}.

因此定義 voluntary exit probe。

在時間：

t_i

要求：

若現在有理由停止，你能否在短時間內安全退出並切換？

定義：

\tau_{\mathrm{exit}}

為 voluntary exit latency。

以及：

P_{\mathrm{exit|cue}}.

28. Exit Controllability

定義：

E_C = f( P_{\mathrm{exit|cue}}, \tau_{\mathrm{exit}}, \text{error after exit} ).

高：

E_C

表示：

\boxed{ \text{deep engagement with retained control}. }

低：

E_C

表示：

\boxed{ \text{attention lock-in}. }

THF 不應預設：

E_C

高或低。

它是獨立維度。

29. Re-entry Controllability

退出後是否能回到：

U^*

也是重要能力。

定義：

\tau_{\mathrm{reentry}}

與：

P_{\mathrm{return}}(\Delta t).

所以完整可控注意不只：

\text{Enter}

與：

\text{Exit}.

還包括：

\boxed{ \text{Enter} + \text{Maintain} + \text{Traverse} + \text{Exit} + \text{Re-enter}. }

30. 這比「最大化 hyperfocus」更重要

如果未來做 attention engineering，

最佳目標不是：

\max \text{Hyperfocus Intensity}.

而更可能：

\boxed{ \max \text{Controllable Attention Allocation}. }

其中包含：

target selection；
depth；
scope；
dwell；
internal mobility；
monitoring；
exit；
re-entry。

31. Productive Persistence 與 Maladaptive Lock-in

定義 outcome vector：

\mathbf O = ( O_{\mathrm{task}}, O_{\mathrm{health}}, O_{\mathrm{social}}, O_{\mathrm{recovery}} ).

其中：

task output；
physical / mental cost；
social cost；
recovery cost。

因此：

O_{\mathrm{task}}\uparrow

不保證：

O_{\mathrm{total}}\uparrow.

所以：

\boxed{ \text{high productivity} \neq \text{adaptive hyperfocus}. }

32. 2026 gaming literature 的提醒

2026 年 adult-gaming studies 將 hyperfocus 與：

flow；
escapism；
burnout；
self-efficacy；

放在同一模型中比較。

這些研究顯示 hyperfocus 可能同時出現在具有正向與負向 outcome 的活動中，而且它與 flow 不宜直接視為同一概念。

因此本文採：

\boxed{ \text{state structure} \neq \text{state value}. }

THF 描述 attention dynamics，

不是直接判定它好或壞。

33. Pointwise / Domain / Topological 三層模型

整理如下。

PHF

x_t\approx x^*.

核心：

\text{point retention}.

DHF

x_t\in U^*

長期成立。

核心：

\text{domain retention}.

域內：

\nu_{\mathrm{intra}}

可高可低。

THF

x_t\in U_t

且：

U_t \rightarrow U_{t+1}

持續變動，

但：

S( U_t,U_{t+1} ) \geq\theta.

核心：

\text{structurally continuous evolving-domain retention}.

34. 三層不是互斥疾病分類

可能：

PHF\subset DHF\subset THF

在某些形式化下成立。

例如固定單點可以視為 degenerate domain。

固定 domain 可以視為 dynamic domain 的特殊情況。

所以：

\boxed{ \text{PHF and DHF can be limiting cases of THF}. }

但 empirically 不一定需要 THF 才能解釋 PHF / DHF。

35. THF 的強判準

候選 THF 至少要求：

L_K\geq\theta_L,

S\geq\theta_S,

G_C\geq\theta_G,

而：

\nu_{\mathrm{intra}}

不限低。

更強版本要求：

\nu_R>0

或：

N_E+N_C+N_G+N_D>0.

也就是 domain 真的在演化。

36. Topological 不能只因為「很複雜」

若只是：

\text{many topics}

並不叫 topological hyperfocus。

若只是：

\text{fast switching}

也不叫。

THF 需要：

\boxed{ \text{connectivity / neighborhood / structural continuity} }

有可測內容。

如果：

S

無法估計，

就只能叫：

\text{dynamic-domain focus}.

37. Null Model 1：Point-Lock Model

假設所有 hyperfocus 的關鍵都可以由：

L_x

與：

h_x

解釋。

如果：

H_{\mathrm{intra}}, \nu_{\mathrm{intra}}, S,\nu_R

完全沒有增量預測，

THF 沒必要。

38. Null Model 2：Reward-Only Model

假設：

\text{high reward / interest} \rightarrow \text{long dwell}.

只需：

V(x)

即可解釋。

若域內 switching 完全由 reward gradient 決定，

且 domain topology 不增加預測，

TRFMC / THF 被削弱。

39. Null Model 3：Executive Dyscontrol

假設 hyperfocus 主要來自：

\text{difficulty disengaging}.

如果：

\tau_{\mathrm{exit}}

與 executive control measures 已能解釋所有 long dwell，

domain model 沒有必要。

Pimenta 等人的 EF mediation 結果使這個競爭模型尤其重要。

40. Null Model 4：Flow

假設所有 adaptive-looking long engagement 都是：

\text{flow}.

如果 flow measures 對：

persistence；
outcome；
controllability；

的預測完全吸收 THF variables，

THF 不需要。

但現有 AHQ-D 與 gaming evidence 尚不支持簡單等同。

41. Null Model 5：Random Topic Switching

一個人可以：

\nu_{\mathrm{switch}}\uparrow

但沒有：

G_C

與：

S.

這是：

\boxed{ \text{fragmentation} }

不是 THF。

所以 semantic / causal / goal coherence 是必須測的。

42. Null Model 6：Ordinary Task Switching

若所有：

x_i\rightarrow x_j

都只是固定 task graph 中 ordinary switching，

則：

\mathcal K_t

不需要變。

那最多支持 DHF，

不支持 THF。

43. Long-Horizon Digital Phenotyping

THF 特別適合用：

\text{long-horizon logs}

測量。

每一個 cognitive event：

e_i

至少標記：

( t_i, D_i, T_i, G_i, R_{i,i-1}, O_i, Y_i ).

其中：

timestamp；
domain；
topic；
goal；
relation to previous state；
operator；
output type。

44. Topic Transition Graph

建立：

\mathcal G_{\mathrm{topic}} = (V,E).

每個：

v_i

是 topic / cognitive state。

每條：

e_{ij}

具有：

semantic weight；
causal weight；
temporal frequency；
return probability；
goal coherence。

然後找：

\boxed{ \text{persistent evolving connected components}. }

45. Domain Retention vs Artifact Retention

若使用數位工作資料，

必須分開：

\text{cognitive event}

與：

\text{artifact event}.

一個 AI agent、script、auto-save 或 asynchronous job 可能產生：

A_t

但不代表人類：

H_t

在該時刻切換注意。

因此：

\boxed{ \text{artifact switch} \neq \text{human attentional switch}. }

數位 trace 只能作為代理觀察。

46. 實驗一：Forced Stability vs Free Rotation

給同一 domain：

U.

Condition A：

必須連續做同一 subtopic：

T_1.

Condition B：

允許在：

T_1,T_2,T_3

間自由旋轉，

但都屬於：

U.

測：

T_U,

O_{\mathrm{task}},

\nu_{\mathrm{exit}},

\text{fatigue},

\text{return probability}.

若：

T_U^{B} > T_U^{A}

而 performance 不下降，

支持 TRFMC。

47. 實驗二：Forced Switching

反過來，

強迫 participants：

T_1\rightarrow T_2\rightarrow T_3

與 self-selected switching 比較。

如果 regulatory switching 的效果只在 self-selected condition 存在，

表示：

\boxed{ \text{timing of switch matters}. }

而不是「切換本身」有益。

48. 實驗三：Exit-Control Probe

在 hyperfocus episode 中隨機插入：

\text{exit cue}.

測：

\tau_{\mathrm{exit}},

P_{\mathrm{exit}},

\text{post-switch error},

P_{\mathrm{return}}.

因此可以區分：

Deep but controllable

L_U\uparrow, E_C\uparrow.

Locked-in

L_U\uparrow, E_C\downarrow.

49. 實驗四：Resolution Probe

同一 long-duration task，

要求 participant 定期回答：

你現在是在處理一個子問題、整個 project，還是更高階 goal？

估計：

\lambda_t.

再和 behavioral / neural scale signatures 比較。

若 internal report 與 objective hierarchy 一致，

支持 multiscale focus model。

50. 實驗五：Connectivity Destruction

建立 domain：

U

內多個 subtopics。

Experimental condition：

移除關鍵 bridge：

B.

如果：

\nu_{\mathrm{exit}}\uparrow

或：

T_U\downarrow,

表示：

\boxed{ \text{domain connectivity contributes to persistence}. }

如果完全沒差，

topological interpretation 受損。

51. 實驗六：Novel Branch Expansion

讓 participant 在 long-focus episode 中遇到新資訊：

y.

若：

y

可被整合進：

U_t

而不造成 domain exit，

記：

E(U_t)\rightarrow U_{t+1}.

測新 branch 是否：

保留 goal coherence；
後續回返；
最終完成；
改變原 domain structure。

這是 THF 與固定 DHF 的關鍵分界。

52. 實驗七：Re-entry

在 long-focus episode 中強制離開：

\Delta t.

再讓 participant 回來。

測：

\tau_{\mathrm{reentry}},

\operatorname{StateRecovery},

P_{\mathrm{return\ to\ branch}}.

高品質 external memory / context cues 可能：

\tau_{\mathrm{reentry}}\downarrow.

這將在 TADC-07 與 AI cognitive scaffolding 接軌。

53. 八個核心可證偽命題

TADC5-H1 — Domain Persistence Is Distinct from Point Persistence

存在 episodes：

L_U\uparrow

但：

L_x\downarrow.

若不存在，

DHF 無必要。

TADC5-H2 — High Intra-Domain Entropy Can Coexist with Long Dwell

存在：

H_{\mathrm{intra}}\uparrow

且：

T_U\uparrow.

TADC5-H3 — Intra-Domain Switching Predicts Differently from Exit Switching

\nu_{\mathrm{intra}}

與：

\nu_{\mathrm{exit}}

對 performance / dwell 的效果不同。

TADC5-H4 — Regulatory Rotation

在部分 individuals / tasks：

\nu_{\mathrm{intra}}

存在最佳區間：

\nu^*

使：

T_U

最大。

TADC5-H5 — Structural Continuity Predicts Persistence

S\uparrow

應預測：

P_{\mathrm{return}}\uparrow

與：

\nu_{\mathrm{exit}}\downarrow.

TADC5-H6 — Exit Control Is Independent

同樣：

L_U

的人可以具有不同：

E_C.

如果完全同一維度，

exit controllability 沒必要獨立建模。

TADC5-H7 — THF Adds Prediction Beyond Reward / Flow / EF

加入：

S, H_{\mathrm{intra}}, \nu_R, G_C

後，

模型應對 long-horizon focus behavior 提供增量預測。

TADC5-H8 — Dynamic Domain Beats Fixed Domain

在至少部分 episodes：

M_{\mathrm{dynamic-domain}} > M_{\mathrm{fixed-domain}}

的 out-of-sample prediction。

若否，

THF 只需降級成 DHF。

54. 什麼結果會殺掉 Topological Hyperfocus？

F1 — Point Model Suffices

如果：

L_x,h_x

足以預測所有 hyperfocus outcome，

THF 多餘。

F2 — No High-Entropy Persistent Episodes

若：

H_{\mathrm{intra}}\uparrow

總是導致：

T_U\downarrow,

TRFMC 受否定。

F3 — Switching Is Always Distracting

若控制其他變項後：

\nu_{\mathrm{intra}}\uparrow \Rightarrow O_{\mathrm{task}}\downarrow

普遍成立，

regulatory switching 假說失敗。

F4 — Domain Structure Adds No Prediction

若：

S

與：

G_C

無法預測 persistence / return / performance，

「connected cognitive complex」只是漂亮語言。

F5 — Dynamic Domain Is Unidentifiable

如果：

U_t

只能由研究者事後任意畫出，

沒有 independent measurement，

THF 不可測。

F6 — Flow Absorbs THF

若 flow measure + reward + skill-demand balance 完全吸收 THF 的預測，

不需要新構念。

F7 — Executive Dyscontrol Absorbs THF

若：

\tau_{\mathrm{exit}}

與 executive-control measures 已能完整解釋 episode dynamics，

THF 無增量。

55. Hyperfocus 不是一年不間斷的單一 episode

長時間尺度必須拆開。

一個人一年長期投入同一 broad domain，

不應寫：

\text{one-year hyperfocus episode}.

更合理：

\boxed{ \text{recurrent focus episodes} + \text{persistent domain attachment} + \text{return dynamics}. }

因此：

T_{\mathrm{episode}}

與：

T_{\mathrm{attachment}}

必須分開。

56. Persistent Domain Attachment（PDA）

定義跨 episode：

P_{\mathrm{return}} ( U \mid \Delta t ).

若數週、數月反覆：

P_{\mathrm{return}}\uparrow,

可以叫：

\boxed{ \text{Persistent Domain Attachment} }

而不是把它硬算成單次 hyperfocus。

這能避免時間尺度混亂。

57. Episode–Attachment 二層模型

短尺度：

H_t = \text{hyperfocus episode state}.

長尺度：

A_T = \text{domain attachment state}.

因此：

P( H_t \mid A_T )

可能很高，

但：

H_t

會中斷於：

sleep；
meals；
other duties；
recovery；
unrelated tasks。

這是正常 time-series 分層。

58. THF 與 ADHD 的關係

現有研究支持：

\boxed{ \text{higher ADHD traits} \leftrightarrow \text{higher reported hyperfocus} }

在多個樣本中成立。

但 TADC-05 不提出：

\boxed{ \text{ADHD} \Rightarrow \text{THF}. }

也不提出：

\boxed{ \text{THF} \Rightarrow \text{ADHD}. }

THF 是一般 attention-dynamics conjecture。

ADHD 可作為一個 future test population。

59. 2026 Cognitive-Affective 結果應如何使用？

Samson 等人的研究可以支持：

\boxed{ \text{hyperfocus should not be modeled without flexibility / switching dimensions}. }

但該研究：

sample $N=96$ ；
switching task 為 cognitive-affective flexibility；
mediation 為統計關係；
不直接測 THF domain topology。

所以不能寫：

該研究證明 topological hyperfocus。

正確說法只到：

它使「hyperfocus 與 switching dynamics 完全無關」的簡單模型更不充分。

60. Hyperfocus measurement 的下一代向量

本文建議由單 scalar：

HF

擴展為：

\boxed{ \mathbf H = ( I, T, S, L_D, \nu_I, \nu_E, H_I, R, E_C, R_C, C_L ) }

其中：

(I)：intensity；
(T)：episode duration；
(S)：scope；
$L_D$ ：domain retention；
$\nu_I$ ：intra-domain switching；
$\nu_E$ ：exit switching；
$H_I$ ：internal entropy；
(R)：re-indexing；
$E_C$ ：exit controllability；
$R_C$ ：re-entry controllability；
$C_L$ ：cost load。

61. 這不是要取代 AHQ-D

AHQ-D 的目的：

\boxed{ \text{measure dispositional hyperfocus tendency}. }

TADC-05 的目的：

\boxed{ \text{model within-episode dynamics and multiscale structure}. }

兩者可以互補。

例如：

AHQ\text{-}D

測 trait，

而：

\mathbf H(t)

測 state dynamics。

62. Ecological Measurement

未來最適合：

ecological momentary assessment；
computer interaction logs；
eye tracking；
task event streams；
wearables；
neural state decoding；
experience sampling。

但不能把：

\text{screen time}

直接當：

\text{hyperfocus time}.

也不能把：

\text{keyboard activity}

直接當：

\text{human cognitive activity}.

63. 最小 THF 判定程序

候選研究程序：

Step 1

識別 episode：

[t_0,t_1].

Step 2

建立 topic / state sequence：

x_{t_0:t_1}.

Step 3

估計 effective domain：

U_t.

Step 4

測：

L_U, \nu_{\mathrm{intra}}, \nu_{\mathrm{exit}}, H_{\mathrm{intra}}.

Step 5

估計：

S_t,G_C.

Step 6

測：

E_C,R_C.

Step 7

和：

PHF；
reward；
flow；
executive dyscontrol；
random switching；

模型比較。

只有最後 THF 有增量：

\Delta\operatorname{Prediction}>0

才保留。

64. TADC-05 與前四篇的統一

TADC-01：

\mathcal C_t \rightarrow \mathcal C_{t+1}.

TADC-02：

D_t = D( G_t,\mathcal R_t,\kappa_t,\lambda_t ).

TADC-03：

\mathcal O = \{E,C,T,G,D,R\}.

TADC-04：

U^{(\lambda_f)} \leftrightarrow z_U^{(\lambda_c)}.

TADC-05：

\boxed{ \text{focus can persist on the evolving domain, not merely on a fixed point}. }

所以：

\boxed{ \mathcal K_0 \overset{O_1}{\longrightarrow} \mathcal K_1 \overset{O_2}{\longrightarrow} \cdots \overset{O_n}{\longrightarrow} \mathcal K_n }

可以整段都屬於同一 THF episode，

只要：

S_t

與：

G_C

保持足夠高。

65. 最核心的新區分

本文真正要留下的不是新名詞，

而是：

\boxed{ \text{focus persistence} \neq \text{state immobility}. }

高 focus persistence 可以伴隨：

\boxed{ \text{high state mobility}. }

只要 mobility 大多發生在：

\boxed{ \text{same coherent evolving cognitive complex}. }

66. 結論

本文將 hyperfocus 的最小模型從：

\boxed{ \text{long dwell on one point} }

擴展為三層：

\boxed{ \textbf{PHF — Pointwise Hyperfocus} }

\boxed{ \textbf{DHF — Domain Hyperfocus} }

\boxed{ \textbf{THF — Topological Hyperfocus}. }

PHF 強調：

L_x\uparrow.

DHF 強調：

L_U\uparrow

但允許：

\nu_{\mathrm{intra}}\uparrow.

THF 更進一步允許：

U_t\neq U_{t+1},

只要：

S( U_t,U_{t+1} )

與：

G_C

保持。

因此本文提出：

\boxed{ H_{\mathrm{macro}}\downarrow \quad\land\quad H_{\mathrm{micro}}\uparrow }

可以是合法的 attention configuration。

這意味著：

\boxed{ \text{high internal switching} \not\Rightarrow \text{low high-level focus}. }

本文還提出：

\boxed{ \textbf{Topic Rotation as Focus Maintenance Conjecture} }

即某些低成本域內 switching 可能反而延長 domain-level engagement。

但這一命題必須接受非常強的反證：

如果：

switching 永遠降低 persistence；
fixed point-lock model 已充分；
flow / reward / executive dyscontrol 完整吸收所有 effect；
domain connectivity 沒有預測力；
evolving-domain structure 無法被獨立識別；

則：

\boxed{ \text{Topological Hyperfocus should be abandoned}. }

因此本文不是要把：

「任何一直做很多事的人」

都叫作 hyperfocus。

而是提出：

如果長時間專注可以發生在一個持續變形、展開、收斂與內部遍歷的認知域上，那麼「注意是否穩定」不能只由局部 task switch 次數判定。

真正應測的是：

\boxed{ \text{where the trajectory remains, what structure it preserves, how it exits, and whether it can return}. }

也就是：

\boxed{ \text{Retention} + \text{Mobility} + \text{Continuity} + \text{Control}. }

這四個維度共同構成 TADC-05 對 hyperfocus 的核心重寫。

參考文獻

Hupfeld KE, Abagis TR, Shah P. Living "in the zone": hyperfocus in adult ADHD. Attention Deficit and Hyperactivity Disorders. 2019;11(2):191–208. doi:10.1007/s12402-018-0272-y. PMID: 30267329.
Hupfeld KE, Osborne JB, Tran QT, Hyatt HW, Abagis TR, Shah P. Validation of the dispositional adult hyperfocus questionnaire (AHQ-D). Scientific Reports. 2024;14:19460. doi:10.1038/s41598-024-70028-y. PMID: 39169147.
Garcia Pimenta M, Gruhnert RK, Fuermaier ABM, Groen Y. The role of executive functions in mediating the relationship between adult ADHD symptoms and hyperfocus in university students. Research in Developmental Disabilities. 2024;144:104639. doi:10.1016/j.ridd.2023.104639. PMID: 38039699.
Samson JL, Rochat L, Perroud N, Debbané M. Cognitive-affective flexibility in adult ADHD: Links to emotion reactivity and hyperfocus. Journal of Affective Disorders Reports. 2026;24:101047. doi:10.1016/j.jadr.2026.101047.
Pyszkowska A, Nowacki A, Dziura N. Game on but pay the price: Hyperfocus, flow, escapism, self-efficacy, and burnout among video gamers with ADHD traits. Research in Developmental Disabilities. 2026;170:105241. doi:10.1016/j.ridd.2026.105241. PMID: 41650538.
Pyszkowska A, Nowacki A, Dziura N. Determinants of hyperfocus in the context of escapism and gaming motivations, flow, and ADHD symptoms among adult video gamers. Research in Developmental Disabilities. 2026;174:105321. doi:10.1016/j.ridd.2026.105321. PMID: 42229071.
Li Y, Chen J, Zheng X, Liu J, Peng C, Liao Y. Functional Near-Infrared Spectroscopy Evidence of Prefrontal Regulation of Cognitive Flexibility in Adults With ADHD. Journal of Attention Disorders. 2023;27(11):1196–1206. doi:10.1177/10870547231154902. PMID: 36799464.
Peer M, Epstein RA. Cognitive maps for hierarchical spaces in the human brain. Cerebral Cortex. 2025;35(9):bhaf261. doi:10.1093/cercor/bhaf261. PMID: 40982478.
Leach SC, Chen X, Hwang K. Hierarchical Reconfiguration of Neurocognitive Task Set Representations Mediates Cognitive Flexibility. Journal of Neuroscience. 2026. doi:10.1523/JNEUROSCI.0113-26.2026. PMID: 42276789.
Qiu Y, Li H, Liao J, et al. Forming cognitive maps for abstract spaces: the roles of the human hippocampus and orbitofrontal cortex. Communications Biology. 2024;7:517. doi:10.1038/s42003-024-06214-5. PMID: 38693344.
Behrens TEJ, Muller TH, Whittington JCR, et al. What Is a Cognitive Map? Organizing Knowledge for Flexible Behavior. Neuron. 2018;100(2):490–509. doi:10.1016/j.neuron.2018.10.002.

與系列的關係

已完成：

TADC-01：《注意力不是單點選擇——可變認知空間與注意—空間轉換猜想》
TADC-02：《動態認知域——領域作為局部座標圖》
TADC-03：《拓樸注意力六算子——展開、收斂、遍歷、黏合、切離與重索引》
TADC-04：《嵌套注意域與觀察尺度——宏觀／微觀的相對性與多尺度重索引》
TADC-05：《從單點超專注到拓樸超專注——域級持續性、內部高熵遍歷與可控退出》

下一篇：

TADC-06：《關係優先認知與跨域連續性》

後續：

TADC-07：《外部認知支架與人—AI 認知拓樸》
TADC-08：《拓樸注意力的測量、反證與工程化》

狀態： TADC-05 v0.1
原始人體／臨床數據： 無
理論狀態： 猜想／研究綱領；未經實驗驗證
臨床狀態： Topological Hyperfocus 不是正式臨床術語或診斷構念
拓樸狀態： connected cognitive complex / structural continuity 為候選操作化，尚未建立嚴格拓樸分類