title: "多中心知識拓撲：生成核心、任務中心、視點中心、計算中心、橋接中心、吸引子與周邊" title_en: "Multi-Center Epistemic Topology: Generative Cores, Task Centers, View Centers, Computational Centers, Bridges, Attractors, and Peripheries" series: "動態知識空間論（Dynamic Epistemic Space Theory, DEST）" series_id: "EML-DEST-2026-05" version: "v0.1" date: "2026-08-12" language: "zh-Hant" document_type: "系列第五篇／多中心拓撲／動態中心性／AI-readable center-periphery specification" status: "Canonical Draft" depends_on: - "EML-DEST-2026-00 動態知識空間總論 v0.1" - "EML-DEST-2026-01 多域知識判定論 v0.1" - "EML-DEST-2026-02 多維知識覆蓋論 v0.1" - "EML-DEST-2026-03 Gap 場論 v0.1" - "EML-DEST-2026-04 關聯拓撲與全域黏合 v0.1" canonical_keywords: - "多中心" - "中心性" - "生成核心" - "任務中心" - "視點中心" - "計算中心" - "橋接中心" - "吸引子" - "社群中心" - "反事實中心性" - "周邊" - "前沿" - "中心遷移"

多中心知識拓撲

生成核心、任務中心、視點中心、計算中心、橋接中心、吸引子與周邊

摘要

本文是《動態知識空間論》（DEST）的第五篇子理論，專門細化總狀態中的：

\mathbf C_t

以及「中心—周邊」與「前景—背景」之間的關係。

前期理論曾以「中心不動點」「源點」「核心」描述知識組織，但後續研究已顯示，單一中心並不足以描述多源並發、跨模組橋接、任務切換、視點切換、多 Agent 分工與動態知識演化。某個節點可以在一種意義下非常中央，卻在另一種意義下完全不中央；一個低 degree 的 bridge 可能比高 degree hub 更不可替代；一個當前 attention center 可能既不是真理中心，也不是生成核心；一個穩定 generative core 也可能在特定任務中位於背景。

本文因此拒絕：

\boxed{ \text{Center} = \text{single node}. }

改為：

\boxed{ \text{Center} = \text{role under a specified topology, condition, task, representation, and time}. }

對節點或局部區域 (x)，定義中心角色向量：

\boxed{ \mathbf c_t(x\mid q,\theta,\pi) = ( c_{\mathrm{deg}}, c_{\mathrm{close}}, c_{\mathrm{between}}, c_{\mathrm{eig}}, c_{\mathrm{core}}, c_{\mathrm{bridge}}, c_{\mathrm{art}}, c_{\mathrm{gen}}, c_{\mathrm{task}}, c_{\mathrm{view}}, c_{\mathrm{comp}}, c_{\mathrm{attr}}, c_{\mathrm{causal}} ). }

其中前七項偏向結構／網路角色，後六項偏向 DEST 的功能與知識角色。

本文進一步定義多中心集合：

\boxed{ \mathbf C_t = \left\{ C_t^{\mathrm{gen}}, C_t^{\mathrm{task}}, C_t^{\mathrm{view}}, C_t^{\mathrm{comp}}, C_t^{\mathrm{bridge}}, C_t^{\mathrm{attr}}, C_t^{\mathrm{community}}, C_t^{\mathrm{causal}} \right\}. }

這些中心可以：

重疊；
分離；
競爭；
合流；
分裂；
遷移；
暫時消失；
因任務或表示改變而重排。

本文特別區分：

\boxed{ \text{Centrality} \neq \text{Truth} \neq \text{Importance} \neq \text{Irreplaceability} \neq \text{Attention} \neq \text{Generativity}. }

並提出「反事實中心性」：

\Delta_x\mathcal J = \mathcal J(\mathbb K_t) - \mathcal J(\mathbb K_t\setminus x),

用以估計移除某節點、關係、核心或模組後，整個任務／知識系統的可達性、生成能力、驗證能力、全域黏合或成本會改變多少。

本文亦正式區分：

Periphery：目前拓撲中低中心角色的已知區域；
Background：目前視域中未被前景化的內容；
Frontier：靠近未完成域轉換或 Gap 的活動區；
Boundary：特定 domain 的邊界；
Unknown：尚未形成充分表示的內容。

因此：

\boxed{ \text{peripheral} \not\Rightarrow \text{unimportant} \not\Rightarrow \text{unknown}. }

本文最終把多中心系統描述為一個動態角色場：

\boxed{ \mathcal C_t: X_t\times Q_t\times\Theta_t\times\Pi_t \to \mathbb R^m, }

並把中心的 birth、growth、migration、split、merge、decay 與 replacement 納入知識演化。

0. 研究定位與非主張聲明

本文不主張：

網路中心性等於知識重要性；
degree、closeness、betweenness、eigenvector、PageRank、k-core 等存在一個普遍最佳指標；
k-core 等於 core-periphery；
社群中心等於整體中心；
高 citation 節點等於高因果必要性；
高 attention 節點等於高真值；
低中心節點可以安全刪除；
所有知識系統都有固定 core-periphery 結構；
所有中心都應持久；
多中心必然優於單中心；
「中心」是任何節點的內在固有屬性；
一個拓撲指標可直接替代反事實 intervention；
以單一中心排序所有研究對象是合理終局。

本文主張的是：

中心性是一組任務、表示、時間與拓撲相對的角色，不是存在論特權。

認識論標籤：

[DEF]：本文定義；
[PROP]：由定義或明示假設得到；
[CONJ]：待證／待實驗；
[PROG]：AI / Runtime 規格；
[ALIGN]：外部成熟網路科學的結構對照；
[OPEN]：未完成義務。

1. 從單中心到多中心

1.1 單中心模型

最簡單模型：

\mathbf C_t=\{c^\star\}.

所有關係都相對於：

c^\star

組織。

這對：

rooted tree；
單一控制器；
單問題 proof search；
單任務 attention；

有時有效。

1.2 單中心模型的限制

若系統同時包含：

多學科；
多 Agent；
多工具；
多版本；
多 objective；
多語義 branch；
多個 strongly connected module；

強迫：

|\mathbf C_t|=1

可能產生：

bottleneck；
attention collapse；
representation bias；
bridge 隱形；
module 失真；
假統一；
過度集中。

1.3 多中心最低定義 [DEF]

\boxed{ \mathbf C_t = \{C_{t,1},\ldots,C_{t,m_t}\}. }

每個 $C_{t,i}$ 必須攜帶：

\langle role, support, scope, condition, representation, time, score, certificate \rangle.

2. 中心不是節點，而是角色

對 $x\in X_t$ ，定義：

\operatorname{RoleCenter} (x;r,q,\theta,\pi,t).

同一 (x) 可：

c_{\mathrm{bridge}}(x)\gg0

但：

c_{\mathrm{degree}}(x)\ll1.

也可：

c_{\mathrm{task}}(x)\gg0

但：

c_{\mathrm{gen}}(x)\ll1.

所以：

\boxed{ \text{center membership is multi-label}. }

3. 結構中心性基底

本文把成熟 network centrality 視為可選結構後端，不重新發明其標準定義。

3.1 Degree center

c_{\deg}(v) = \deg(v)

或 weighted/directed 版本。

回答：

誰直接連得多？

3.2 Closeness center

對可達節點的距離聚合：

c_{\mathrm{close}}(v) \propto \left( \sum_{u}d(v,u) \right)^{-1}.

回答：

誰平均離其他節點近？

對不連通／有向圖需使用適合的變體，不能生搬公式。

3.3 Betweenness center

概念上：

c_{\mathrm{between}}(v) = \sum_{s\neq v\neq t} \frac{ \sigma_{st}(v) }{ \sigma_{st} }.

回答：

有多少 shortest paths 經過它？

但 shortest-path assumption 並非所有知識流都合理。

3.4 Eigenvector-like center

高分節點和其他高分節點相連。

這類中心更偏：

embedded prestige / recursive connectedness.

它不是「真理分數」。

4. Core center

4.1 k-core / k-shell role

對圖：

G=(V,E),

k-core 是每個節點在該子圖中至少有 degree (k) 的最大子圖。

定義：

c_{\mathrm{core}}(v) = k_s(v)

作為 structural coreness 候選。

4.2 Core 不等於最高 degree

高 degree hub 可以位於較外層；深 k-core 節點則位於高互聯核心。

因此：

\boxed{ \deg(v) \neq k_s(v). }

4.3 Core 不等於必然最重要

某些擴散模型中 k-shell 可有效識別 influential spreaders，但這是動力學相對結果，不是普遍知識定律。

因此 DEST 只使用：

c_{\mathrm{core}}

作一種 role channel。

5. Community Center

若知識圖具有社群：

\mathcal M = \{M_1,\ldots,M_k\},

每個 module 可有自己的：

C_i^{\mathrm{community}}.

因此：

\boxed{ \text{local center} \neq \text{global center}. }

一個節點可以在自己的學科模組極中央，但對全局跨域推導貢獻很低。

6. Bridge Center

6.1 定義直覺

Bridge center 的角色不是「很多連結」，而是：

連接原本弱連接或不可達的模組。

可定義候選：

c_{\mathrm{bridge}}(v) = \operatorname{BridgeGain}(v).

6.2 BridgeGain [DEF]

令任務可達函數：

\mathcal R_q(G).

定義：

\boxed{ \operatorname{BridgeGain}(v) = \mathcal R_q(G) - \mathcal R_q(G\setminus v). }

也可使用 edge 版本。

6.3 低 degree 高 bridge

可能：

\deg(v)=2

但移除後：

G\setminus v

裂成兩個大型模組。

所以：

\boxed{ c_{\mathrm{bridge}}\gg0 \quad\text{while}\quad c_{\deg}\ll1. }

7. Articulation Center

若移除：

[ v ]

使 connected component 數增加，則 (v) 是 articulation point。

DEST 定義：

c_{\mathrm{art}}(v) = \Delta \#\operatorname{Comp}(G\setminus v).

它是一種：

\boxed{ \text{connectivity fragility center}. }

但若 graph backend 不是 undirected connectivity graph，需另定義相應 cut role。

8. 生成核心 $C^{\mathrm{gen}}$

8.1 定義 [DEF]

生成中心不看 degree，而看一個知識子集能否以低描述成本重建、生成或約束大量有效內容。

對子集 $S\subseteq K$ ，定義：

\operatorname{GenPower}(S) = \mu \left( \operatorname{Generate}(S,\Theta) \cap K^{\mathrm{valid}} \right).

8.2 壓縮成本

L(S) = \operatorname{DescriptionLength}(S).

8.3 生成核心分數

\boxed{ c_{\mathrm{gen}}(S) = \frac{ \operatorname{GenPower}(S) \cdot \operatorname{Reconstructability}(S) \cdot \operatorname{Stability}(S) }{ L(S)+\epsilon }. }

這是一個研究框架，不宣稱存在普遍唯一公式。

9. 任務中心 $C^{\mathrm{task}}$

對當前任務 (q)，定義：

c_{\mathrm{task}}(x\mid q) = \operatorname{ExpectedUtilityContribution}(x,q).

它可以依：

prerequisite；
proof obligation；
expected information gain；
bottleneck；
verification value；
deadline；

改變。

因此：

C^{\mathrm{task}}(q_1) \neq C^{\mathrm{task}}(q_2).

10. 視點中心 $C^{\mathrm{view}}$

延續視域框架，對 observer / Agent / task：

[ o,q, ]

定義顯著性：

A_{o,q}(x)\in[0,1].

視點中心：

\boxed{ C^{\mathrm{view}}_{o,q}(\tau) = \{x:A_{o,q}(x)\ge\tau\}. }

但：

\boxed{ C^{\mathrm{view}} \neq C^{\mathrm{truth}} }

且 DEST 不定義任何普遍「真理中心」。

顯著性只表示：

現在被前景化。

11. 計算中心 $C^{\mathrm{comp}}$

計算中心是：

當前 runtime 中運算、查詢、路由、cache、工具或共享狀態高度集中的位置。

可用：

c_{\mathrm{comp}}(x) = f( \text{compute load}, \text{message flow}, \text{cache reuse}, \text{tool fanout}, \text{latency leverage} ).

一個計算中心可能只是系統工程 bottleneck，而不是知識核心。

12. 吸引子中心 $C^{\mathrm{attr}}$

若不同初始研究狀態：

K_0^{(1)},\ldots,K_0^{(n)}

在演化算子：

\Phi

下反覆接近某一集合：

[ A, ]

則：

[ A ]

可作 attractor-like center candidate。

形式上：

d( \Phi^t(K_0^{(i)}), A ) \to0

在指定度量與 basin 內成立。

13. 吸引子中心不等於真理中心

模型、語料、制度或 optimization bias 也可能讓系統反覆收斂到錯誤但穩定的 attractor。

因此：

\boxed{ \text{stable} \not\Rightarrow \text{true}. }

吸引子中心必須與：

D^{\mathrm{verify}}

及證書狀態分開。

14. 反事實／因果中心 $C^{\mathrm{causal}}$

14.1 定義 [DEF]

選任務性能：

\mathcal J_q(\mathbb K).

移除／替代 (x)：

\mathbb K_{-x}.

定義：

\boxed{ c_{\mathrm{causal}}(x\mid q) = \mathcal J_q(\mathbb K) - \mathcal J_q(\mathbb K_{-x}). }

14.2 介入需要合法模型

這不是把 graph deletion 自動當成真實世界因果。

若要使用真正：

[ do(x) ]

語義，必須有因果模型與 intervention semantics。

一般 DEST 先稱：

\boxed{ \text{counterfactual structural importance}. }

15. 中心角色向量

對節點／模組 (x)：

\boxed{ \mathbf c_t(x) = ( c_{\deg}, c_{\mathrm{close}}, c_{\mathrm{between}}, c_{\mathrm{eig}}, c_{\mathrm{core}}, c_{\mathrm{bridge}}, c_{\mathrm{art}}, c_{\mathrm{gen}}, c_{\mathrm{task}}, c_{\mathrm{view}}, c_{\mathrm{comp}}, c_{\mathrm{attr}}, c_{\mathrm{causal}} )_t. }

不同 channel 不應隨意相加。

16. Center Profile 而不是 Center Score

錯誤：

centrality = 0.83

較好：

center_profile:
  degree: 0.71
  betweenness: 0.12
  core: 0.85
  bridge: 0.04
  generative: 0.92
  task: 0.77
  view: 0.31
  compute: 0.09
  causal: 0.68

這能告訴 Agent：

它到底為什麼是中心？

17. Center Eligibility

不同中心指標需要不同 backend。

例如：

closeness 需要距離；
articulation 需要 connectivity semantics；
eigenvector 需要適合矩陣；
attractor 需要 dynamics；
causal 需要 intervention/counterfactual model。

因此先定義：

E_r(x)\in\{0,1,?\}.

只有：

E_r(x)=1

才計算 $c_r(x)$ 。

18. 中心多重歸屬

一個節點可同時是：

x \in C^{\mathrm{gen}} \cap C^{\mathrm{task}} \cap C^{\mathrm{community}}

但不在：

C^{\mathrm{bridge}}.

所以中心族是 overlapping cover，不必 partition。

19. 中心間關係圖

把中心本身視為高階節點：

\mathcal G_C = (V_C,E_C,W_C).

中心關係可為：

supports；
competes；
translates；
depends_on；
bridges；
shadows；
substitutes；
conflicts；
absorbs。

20. Center Competition

若多個中心競爭同一有限資源：

B_t

例如 attention / compute / verification budget，可定義：

\sum_i b_i\le B_t.

中心權重調整：

w_i(t+1) = \operatorname{Policy} ( w_i(t), \Delta U_i, \Delta G_i, C_i, R_i ).

21. Center Cooperation

多中心也可互補：

C^{\mathrm{gen}} \to C^{\mathrm{bridge}} \to C^{\mathrm{verify}}

形成流水線。

因此：

\boxed{ \text{multi-center} \neq \text{competition only}. }

22. 中心形成

定義中心 birth 事件：

\operatorname{Birth}(C_i,t).

可能由：

新社群形成；
新 theorem 成為依賴樞紐；
新工具大量被路由；
新 bridge 出現；
新 representation 降低大量成本；
新任務切換；
新 attractor 形成。

23. 中心成長

中心 role mass：

M_r(C,t) = \int_{x\in C} c_r(x,t)\,d\mu(x).

若：

\partial_tM_r>0,

稱該 role 中心增強。

24. 中心衰退

如果：

被替代；
relation rewired；
proof dependency 移除；
version invalidated；
task 改變；
better bridge 出現；

則：

M_r(C,t+1)<M_r(C,t).

中心衰退不等於知識被刪除。

25. 中心遷移

定義 center support：

S(C_t)\subseteq X_t.

可用：

d_C( S(C_t), S(C_{t+1}) )

量化遷移。

對離散圖可使用 Jaccard：

d_J = 1- \frac{ |S_t\cap S_{t+1}| }{ |S_t\cup S_{t+1}| }.

26. 中心分裂

若：

C_t \to C_{t+1}^{(1)} \cup C_{t+1}^{(2)}

且兩者逐漸形成不同 relation / task / condition support，標：

\operatorname{Split}.

27. 中心合流

C_t^{(1)} \cup C_t^{(2)} \to C_{t+1}.

需要檢查 non-collapse：

合流後是否丟失必要 branch / condition / provenance？

28. 中心替代

若：

C_A

失效後：

C_B

可承擔同一功能，則中心具替代性。

定義：

\operatorname{Substitutability} (C_A,C_B\mid q).

29. 中心脆弱性

對中心集合 (C)：

F(C) = \mathcal J(G) - \mathcal J(G\setminus C).

若很高且沒有替代中心：

\operatorname{Redundancy}(C)\approx0,

則是 single-center fragility。

30. 多中心韌性

若存在：

C_1,C_2,\ldots,C_k

可在局部失效後重新路由：

\operatorname{Reroute} (G\setminus C_i)

仍維持核心功能，則 multi-center topology 提高韌性。

但多中心也增加：

coordination cost；
gluing cost；
version conflict；
duplicated compute；
branch management。

所以多中心不是免費優勢。

31. Core–Periphery 不是唯一中心模型

某些網路可呈現 dense core + sparse periphery，但一般 DEST 不預設：

X=C\cup P

且只有一組 core/periphery。

可能同時存在：

(C_1,P_1), (C_2,P_2), \ldots

或 community + bridge + unclassified nodes。

32. Core-like Group 警告

高 k-shell / dense subgraph 可能只在內部高度互聯，對其他 module 的全局影響有限。

因此：

c_{\mathrm{core}}\gg0

不推出：

c_{\mathrm{causal}}\gg0

或：

c_{\mathrm{bridge}}\gg0.

這防止把「很核心」當萬用答案。

33. 周邊 Periphery

33.1 定義 [DEF]

對指定 center role (r) 與閾值 $\tau$ ：

P_r(\tau) = \{x:c_r(x)<\tau\}.

它只是：

在該角色量測下低中心性。

33.2 周邊不是未知

可以：

x\in P_r

同時：

x\in D^{\mathrm{verify}}.

它只是成熟但目前不中央的背景知識。

33.3 周邊不是不重要

長尾節點可能：

提供反例；
包含稀有條件；
成為未來 bridge；
在新任務中升為中心；
保存重要 provenance。

所以不得把：

P_r

當自動刪除集合。

34. 周邊到中心的升格

若任務切換：

q_t\to q_{t+1},

可能：

c_{\mathrm{task}}(x\mid q_t)\ll1

但：

c_{\mathrm{task}}(x\mid q_{t+1})\gg1.

這是：

\boxed{ \text{Peripheral-to-Center Promotion}. }

35. 中心到周邊的降格

舊 paradigm、舊工具或舊 theorem 可能：

C_t\to P_{t+1}.

但其歷史與 provenance 仍應保存。

36. Background 與 Periphery 分離

視域背景：

B_{\mathrm{view}}

指目前沒有被前景化。

拓撲周邊：

P_r

指在某 role centrality 下低中心。

兩者不等價：

\boxed{ B_{\mathrm{view}} \neq P_r. }

一個高結構中心可能暫時在背景。

37. Frontier 與 Periphery 分離

Frontier 是：

靠近 Gap、域邊界、未完成 transition 或新問題生成處的活動區。

可有：

F_t \subseteq P_r

也可：

F_t \cap C_r \neq\varnothing.

例如最重要的核心猜想本身也可能是 frontier。

所以：

\boxed{ \text{frontier} \neq \text{periphery}. }

38. Edge / Boundary / Frontier / Periphery

本文固定四分：

Periphery

低中心角色但仍在已形成空間內。

Edge

目前表示或圖結構中的外圍位置。

Boundary

某 domain：

D^\alpha

的條件化邊界：

\partial D^\alpha.

Frontier

系統正在主動探索／可望跨越的活動界面。

這四者不可混寫。

39. Center–Frontier Coupling

中心可能向 frontier 投射資源：

C_t \to F_t.

也可能 frontier 的新發現回寫：

F_t \to C_{t+1}.

形成：

\boxed{ C_t \to F_t \to C_{t+1}. }

因此中心和邊界形成演化回路。

40. Frontier-to-Core Consolidation

若一個 frontier candidate：

x_t

經：

\text{Define} \to \text{Judge} \to \text{Verify} \to \text{Glue}

後成為高生成性／高依賴性節點，可能：

x_t\in F_t

轉為：

x_{t+k}\in C^{\mathrm{gen}}.

41. Core-to-Frontier Reopening

新反例或新 representation 可讓成熟核心重新暴露 Gap：

C_t^{\mathrm{gen}} \to F_{t+1}.

所以核心不代表永久完成。

42. 多中心與社群結構

若：

X = M_1\cup\cdots\cup M_k

具有 modular structure，可分：

intra-module center；
inter-module bridge；
global router；
peripheral specialist。

這比把所有 node 排一個全局 leaderboard 更適合大型知識圖。

43. Modular Centrality Profile

對 $v\in M_i$ ：

\mathbf c^{\mathrm{mod}}(v) = ( c_{\mathrm{intra}}, c_{\mathrm{inter}}, c_{\mathrm{global}} ).

其中：

intra：模組內中心；
inter：跨模組連接；
global：對整體任務影響。

44. Local Celebrity Problem

可能：

c_{\mathrm{intra}}(v)\gg1,

但：

c_{\mathrm{inter}}(v)\approx0.

它是局部「名人」，但不是跨域橋樑。

對文獻圖而言，某篇 paper 在 niche 內引用極高，不代表它是跨學科全局中心。

45. Hidden Bridge Problem

可能：

c_{\mathrm{intra}}(v)\ll1

但：

c_{\mathrm{inter}}(v)\gg1.

這類低知名度節點可能是：

terminology translator；
shared lemma；
data format；
theorem applicability condition；
cross-domain method。

它是 DEST 特別需要保護的長尾中心。

46. Citation Center 與 Knowledge Center

定義：

c_{\mathrm{cite}}(x)

只表示引用網中的結構角色。

不能推出：

c_{\mathrm{cite}} = c_{\mathrm{gen}} = c_{\mathrm{causal}} = c_{\mathrm{task}}.

這對學術檢索尤其重要。

47. Symbolic Fame 與 Counterfactual Necessity

一個節點可以：

c_{\mathrm{symbolic}}\gg0

但移除後：

\Delta_x\mathcal J\approx0.

表示高可見度但高替代性。

另一個節點可能低可見，但：

\Delta_x\mathcal J\gg0.

因此：

\boxed{ \text{fame} \neq \text{necessity}. }

48. Multi-Center Field

對空間：

X_t

定義 role field：

\boxed{ \mathcal C_t(x,q,\theta,\pi) = \mathbf c_t(x\mid q,\theta,\pi). }

這是一個 vector-valued field，而不是 scalar ranking。

49. Center Fibers

對固定中心 role (r)，定義：

C_{t,\theta,\pi,q}^r(\tau) = \{ x:c_r(x\mid t,\theta,\pi,q)\ge\tau \}.

所以中心本身也是條件纖維。

50. Center Rank 不應固定

即使 node identity 不變：

x_t=x_{t+1},

仍可：

c_r(x,t) \neq c_r(x,t+1).

原因：

新 edge；
edge deletion；
module merge；
new tool；
task shift；
version migration；
coverage expansion；
global defect repair。

51. Dynamic Centrality

對 temporal graph：

G_1,G_2,\ldots,G_T,

不能只把各 snapshot 的 centrality 簡單平均。

若 interaction 有時間順序，應考慮 time-respecting walks / dynamic communicability 等後端。

DEST 因此允許：

c_r(x,t_1:t_2).

52. Broadcast 與 Receive Center

對有向／時間網路可區分：

c_{\mathrm{broadcast}}

與：

c_{\mathrm{receive}}.

在研究系統中可對應：

誰把知識推向很多模組；
誰聚合大量輸入後形成決策。

53. Center Velocity

定義：

v_C = d_C(C_t,C_{t+1}).

高：

v_C

表示中心快速移動。

可能代表：

frontier 活躍；
paradigm shift；
unstable routing；
task churn；
dataset drift。

54. Center Acceleration

a_C = v_C(t+1)-v_C(t).

可作 anomaly signal。

但高 acceleration 不自動等於革命性進展。

55. Center Persistence

對中心 (C)：

P_C = \operatorname{Persistence}(C,t_0:t_1).

可結合：

support overlap；
role score stability；
certificate continuity；
generative continuity。

56. Stable Core 與 Rigid Core

穩定核心：

能吸收新資料並有限修正。

Rigid core：

因結構僵化而拒絕吸收反例。

兩者不可混。

可以：

P_C\gg0

但 verification quality 持續下降。

所以：

\boxed{ \text{persistence} \neq \text{health}. }

57. Core Health

定義候選：

H(C) = f( \text{verification}, \text{generativity}, \text{repairability}, \text{boundary honesty}, \text{provenance}, \text{counterexample absorption} ).

這是多維 profile，不預設普遍固定權重。

58. Center Load

對計算／任務中心：

L(C) = \sum_{q\to C} \operatorname{Cost}(q).

若：

L(C)>B_C,

可造成：

latency；
context overflow；
verification backlog；
single-point failure。

59. Center Offloading

可將任務：

[ q ]

從：

C_1

轉到：

C_2

若：

\operatorname{Substitutability}(C_1,C_2\mid q)

足夠高。

60. Center Replication

對高脆弱中心，可建立：

C \to \{C^{(1)},C^{(2)},\ldots\}.

但 replication 必須區分：

真獨立冗餘；
同源複製；
stale mirror。

61. Center Redundancy

定義：

R_C = \operatorname{IndependentSubstitutes}(C).

若所有替代中心共享同一上游依賴，不能算真正 redundancy。

62. Center Diversity

多中心若全部同表示、同資料、同模型，表面多中心可能只是複製。

定義：

D_C = \operatorname{Diversity} ( \text{sources}, \text{representations}, \text{methods}, \text{models}, \text{conditions} ).

63. Center Collapse

若多中心因更新逐漸：

C_1,\ldots,C_k \to C^\star

可能是：

真收斂；
資源集中；
representation collapse；
ranking bias；
censorship / permission collapse；
over-distillation。

所以必須做：

\operatorname{NonCollapseAudit}.

64. Center Proliferation

反之：

|\mathbf C_t|\uparrow

可能是：

新學科分化；
branch clarification；
excessive fragmentation；
duplicate aliases。

中心數增加本身不等於進步。

65. Optimal Center Count [OPEN]

對 task family $\mathcal Q$ ，可研究：

m^\star = \arg\min_m [ C_{\mathrm{coord}}(m) + C_{\mathrm{bottleneck}}(m) + C_{\mathrm{glue}}(m) + C_{\mathrm{failure}}(m) ].

不存在普遍理由令：

m^\star=1

或：

m^\star\to\infty.

66. Center Allocation Policy

Agent 不應永遠把資源給最高 centrality。

定義：

a^\star = \arg\max_a \frac{ \mathbb E[ \Delta\operatorname{TaskValue} + \Delta\operatorname{GapReduction} + \Delta\operatorname{Globality} ] }{ C(a)+R(a) }.

資源可以分配給：

核心維護；
bridge；
frontier；
verification center；
peripheral probe。

67. Peripheral Probe

為避免中心偏見，定期抽樣低 centrality 區：

x\sim P_r.

測試：

hidden bridge；
unknown relation；
counterexample；
stale assumption；
novel primitive。

這是反中心偏誤機制。

68. Frontier Probe

對高 Gap gradient 區域：

x\sim F_t

優先做：

retrieval；
generation；
verification；
representation escape。

69. Core Audit

對生成核心定期做：

counterexample search；
provenance audit；
version audit；
dependency removal；
representation diversity；
downstream reconstruction test。

避免 stable core 變 rigid core。

70. Center Removal Test

對中心候選 (x)：

G_{-x} = G\setminus x.

測：

reachability；
coverage；
global gluing；
task success；
cost；
verification throughput。

這提供 empirical counterfactual center profile。

71. Center Substitution Test

把 (x) 替成 (y)：

G_{x\mapsto y}.

定義：

S(x\to y) = 1- \frac{ |\mathcal J(G)-\mathcal J(G_{x\mapsto y})| }{ Z }.

具體 normalization (Z) 依任務指定。

72. Center–Gap Coupling

對 center $C_i$ 與 Gap $g_j$ ：

W_{ij}^{CG} = \operatorname{Influence}(C_i,g_j).

可得到 bipartite graph：

G_{CG}.

某中心可能：

產生 Gap；
修復 Gap；
遮蔽 Gap；
放大 Gap；
成為 Gap bottleneck。

73. Gap-generating Center

高中心節點如果定義錯、版本過期或權限失配，可能把大量下游污染。

因此：

c_r(x)\gg0

同時：

A_{\mathrm{gap}}(x)\gg0

是高風險狀態。

74. Gap-repair Center

某些 bridge / verifier / translator 可一次降低大量下游 Gap。

定義：

c_{\mathrm{repair}}(x) = \mathbb E[ \Delta G_{\mathrm{downstream}} \mid x ].

75. Center–Globality Coupling

DEST-04 的 globality 可能高度依賴：

transition center；
bridge center；
version center；
provenance center。

所以高 local centrality 不等於高 gluing leverage。

76. Articulation Center 與 Global Glue

若某 translation node 是 articulation point，失效後：

D^{\mathrm{global}}

可能瞬間收縮。

因此 articulation audit 可接到：

\Delta^{L\to G}.

77. Community Merge

兩個 module：

M_1,M_2

因新 bridge / shared core 合流。

需要重新計算：

local centers；
bridge；
globality；
center redundancy；
center profiles。

78. Community Split

若 module 內部 relation 弱化或 branch 分裂：

M\to M_1\cup M_2,

原中心可能：

留在其中一邊；
分裂；
失去中心性；
轉為 bridge。

79. Center Lineage

每個 center 保存：

center_lineage:
  center_id: C-17
  born_at: t12
  role: generative
  predecessors: [C-4, C-9]
  events:
    - merge
    - scope_expand
    - verification_upgrade
  successors: []

80. Center Certificate

center_certificate:
  center_id: "..."
  time: "..."
  role: "bridge|generative|task|view|compute|attractor|community|causal"
  support: []
  condition_id: "..."
  representation_id: "..."
  metric_backend: "..."
  score: null
  threshold: null
  eligibility: pass
  evidence:
    structural: []
    functional: []
    counterfactual: []
  fragility:
    removal_loss: null
    substitute_count: null
  provenance: []
  valid_until: null

81. Multi-Center Runtime State

multi_center_state:
  time: "..."
  task_id: "..."
  centers:
    generative: []
    task: []
    view: []
    compute: []
    bridge: []
    attractor: []
    community: []
    causal: []

  dynamics:
    born: []
    migrated: []
    split: []
    merged: []
    decayed: []
    reopened: []

  peripheral_probe_budget: 0.10
  frontier_probe_budget: 0.25
  core_audit_budget: 0.15

82. Center Error Taxonomy

Code	名稱	意義
CTR-00	Scalar collapse	多中心角色壓成單一分數
CTR-01	Centrality-truth confusion	中心性冒充真值
CTR-02	Hub-bridge confusion	高 degree 冒充橋樑
CTR-03	Core-universality	k-core 冒充普遍重要性
CTR-04	Attention-truth confusion	前景化冒充重要／真實
CTR-05	Local-global confusion	社群內中心冒充全局中心
CTR-06	Citation-causal confusion	引用高冒充不可替代
CTR-07	Peripheral deletion	低中心直接刪除
CTR-08	Stale center	舊 topology 的中心未更新
CTR-09	Representation-bound center	中心只存在單表示
CTR-10	Duplicate multi-center	多中心其實同源複製
CTR-11	Center monopoly	單點負載／權力過度集中
CTR-12	Center proliferation	假多中心／別名膨脹
CTR-13	Rigid core	穩定變僵化
CTR-14	Hidden bridge neglect	長尾橋接被忽略
CTR-15	Counterfactual overclaim	graph deletion 冒充真因果

83. 與 DEST-01 的接口

中心角色不能超越 Domain Qualification。

一個中心 claim：

x\in C^r

必須保存：

D^{\mathrm{def}}, D^{\mathrm{judge}}, D^{\mathrm{verify}}, D^{\mathrm{global}}.

未驗證中心只能標 candidate center。

84. 與 DEST-02 的接口

Coverage profile 可按中心／周邊分層：

\rho^\alpha = ( \rho^\alpha_{\mathrm{center}}, \rho^\alpha_{\mathrm{bridge}}, \rho^\alpha_{\mathrm{frontier}}, \rho^\alpha_{\mathrm{periphery}} ).

防止高中心 coverage 掩蓋長尾空白。

85. 與 DEST-03 的接口

Gap field：

\mathbf g(x)

和 center field：

\mathbf c(x)

共同形成：

\boxed{ \mathcal{SC}_t(x) = ( \mathbf c_t(x), \mathbf g_t(x) ). }

例如：

高中心、低 Gap：成熟核心；
高中心、高 Gap：核心開放問題／高風險 bottleneck；
低中心、高 Gap：周邊未知／長尾；
低中心、低 Gap：成熟背景。

86. 與 DEST-04 的接口

關聯拓撲產生：

community center；
bridge；
articulation；
cycle router；
global gluing bottleneck。

DEST-05 再將其轉成多角色中心。

87. 與動態知識不動點的接口

生成極限不再要求：

\mathcal C^\star

是單一核心。

改寫為：

\boxed{ \mathfrak C^\star = \{ \mathcal C_1^\star, \ldots, \mathcal C_m^\star \}. }

並配：

\mathcal M^\star

保存核心間映射。

88. 與視域的接口

視點中心：

C^{\mathrm{view}}

只是：

\mathcal V_t

內目前前景化的高顯著區域。

所以：

\boxed{ \text{not in view center} \not\Rightarrow \text{not in knowledge core}. }

89. 與解空間幾何的接口

Reparam / Bridge / Tunnel / Fold 等操作可直接改變 center profile。

例如 Bridge：

c_{\mathrm{bridge}}(x)

可能突然上升，並使多 module 合流。

90. 外部形式對照 [ALIGN]

90.1 Freeman centrality

Freeman 對 degree、closeness、betweenness 等中心概念的經典澄清正好提醒：

「centrality」本身就不是唯一概念。

DEST 延伸這個原則，但不把其社會網絡指標當知識真值尺度。

90.2 Community structure / modularity

Newman 的 modularity / community structure 提供模組化網路的成熟後端。

DEST 借用：

\text{community center} \neq \text{global center}.

90.3 k-core / influential spreaders

Kitsak 等工作顯示，在特定 spreading dynamics 中，k-shell core 可以比 degree / betweenness 更好識別重要 spreader；後續研究也指出某些 core-like groups 會讓這個判定失效。

因此：

c_{\mathrm{core}}

必須保持 model-relative。

90.4 Articulation points

圖論與 complex-network 研究中，articulation point 是移除後會使連通分量增加的節點。

DEST 用它作：

c_{\mathrm{art}}

的嚴格 graph backend。

90.5 Dynamic network centrality

Grindrod–Higham 等 temporal-network 工作以 time-respecting walks / dynamic communicability 建立動態中心性。

DEST 因此不把 snapshot centrality 平均當成唯一 temporal center。

91. 第一組命題

Proposition A [PROP]

存在：

c_{\deg}(v)\gg0

但：

c_{\mathrm{bridge}}(v)\approx0.

高 degree 不推出 bridge role。

Proposition B [PROP]

存在：

c_{\deg}(v)\ll1

但移除 (v) 使 graph 斷裂，因此：

c_{\mathrm{art}}(v)>0.

Proposition C [PROP]

對兩任務 $q_1,q_2$ ，可以：

C^{\mathrm{task}}(q_1) \neq C^{\mathrm{task}}(q_2).

所以任務中心不是 intrinsic label。

Proposition D [PROP]

可以：

C^{\mathrm{view}} \cap C^{\mathrm{gen}} = \varnothing

在某時刻成立。

前景與生成核心不必重合。

Proposition E [PROP]

周邊節點可以：

x\in P_r \cap D^{\mathrm{verify}}.

因此周邊不等於未知。

92. 研究猜想

Conjecture 1：Multi-Role Center Profiles Improve Routing

相比單一 centrality score，多角色中心向量：

\mathbf c(x)

將提高 Agent 的 research routing accuracy。

Conjecture 2：Hidden Bridge Discovery Has Superlinear Value

在 modular knowledge graphs 中，發現少量低 degree 高 bridge 節點可能使 global coverage / gluing 成非線性改善。

Conjecture 3：Center Migration Predicts Research Regime Change

若生成中心、任務中心與 bridge center 在短時間同時大幅遷移，可能是 paradigm / representation transition 的先兆。

Conjecture 4：Peripheral Probing Reduces Center Bias

固定比例的 peripheral probe 可以提高長尾反例、hidden bridge 與 novel primitive 的發現率。

Conjecture 5：Balanced Multi-Center Systems Reduce Single-Point Epistemic Failure

在多 Agent 長時程研究中，具真正來源／表示多樣性的多中心 topology，將比單中心系統更具 resilience，但 coordination cost 存在最佳區間。

93. 實驗設計

建立 synthetic graphs：

star；
core-periphery；
modular bridge；
k-core with core-like group；
temporal network；
multi-agent routing graph；
knowledge dependency DAG + cross-links。

注入任務：

spread；
retrieval；
proof dependency；
global gluing；
verification；
compute routing；
counterexample discovery。

比較：

Baseline A

Degree。

Baseline B

Degree + closeness + betweenness。

Baseline C

增加 k-core / community。

DEST-05

完整：

\mathbf c + \text{counterfactual removal} + \text{task/view/compute/gen roles} + \text{dynamic lineage}.

評估：

task success；
routing cost；
failure resilience；
hidden bridge recall；
false-center rate；
peripheral discovery；
global glue success；
center migration calibration。

94. Runtime 最小算法

INPUT:
  knowledge topology G_t
  task q
  condition theta
  representation pi
  budget B

1. QUALIFY center backends
2. BUILD structural centralities
3. DETECT communities / modules if applicable
4. COMPUTE core / bridge / articulation roles
5. COMPUTE task center
6. COMPUTE view center
7. COMPUTE compute center
8. ESTIMATE generative center
9. RUN bounded counterfactual removal/substitution
10. BUILD center profile vectors
11. BUILD multi-center set C_t
12. CLASSIFY periphery / background / frontier separately
13. COMPARE with C_{t-1}
14. RECORD birth/migration/split/merge/decay
15. AUDIT center monopoly / duplicate centers / hidden bridges
16. ALLOCATE:
      core-maintenance
      bridge
      frontier
      peripheral-probe
      verification
17. SAVE center certificates

95. 最小核心公式

Multi-center set

\boxed{ \mathbf C_t = \{ C_t^{\mathrm{gen}}, C_t^{\mathrm{task}}, C_t^{\mathrm{view}}, C_t^{\mathrm{comp}}, C_t^{\mathrm{bridge}}, C_t^{\mathrm{attr}}, C_t^{\mathrm{community}}, C_t^{\mathrm{causal}} \}. }

Center role vector

\boxed{ \mathbf c_t(x) = ( c_{\deg}, c_{\mathrm{close}}, c_{\mathrm{between}}, c_{\mathrm{eig}}, c_{\mathrm{core}}, c_{\mathrm{bridge}}, c_{\mathrm{art}}, c_{\mathrm{gen}}, c_{\mathrm{task}}, c_{\mathrm{view}}, c_{\mathrm{comp}}, c_{\mathrm{attr}}, c_{\mathrm{causal}} ). }

Counterfactual center

\boxed{ c_{\mathrm{causal}}(x\mid q) = \mathcal J_q(\mathbb K) - \mathcal J_q(\mathbb K_{-x}). }

Center field

\boxed{ \mathcal C_t: X_t\times Q_t\times\Theta_t\times\Pi_t \to \mathbb R^m. }

Center migration

\boxed{ v_C = d_C(C_t,C_{t+1}). }

96. 結論

本文將「中心—邊緣」從單一空間直覺拆成多種彼此正交的角色。

一個節點可以：

連得多，但不是 bridge；
位於深 core，但不是全局必要；
citation 高，但高度可替代；
attention 高，但尚未驗證；
degree 低，卻是 articulation point；
現在在周邊，下一個任務卻成為核心；
是穩定 attractor，但可能是錯誤慣性；
是生成核心，但當前任務完全不需要；
是 compute hub，但知識價值很低。

因此：

\boxed{ \text{Centrality} \neq \text{Truth} \neq \text{Necessity} \neq \text{Attention} \neq \text{Generativity}. }

多中心知識拓撲真正要描述的不是：

「誰是最中心的？」

而是：

\boxed{ \text{誰在什麼條件、任務、時間與表示下，扮演哪一種中心角色？} }

以及：

\boxed{ \text{如果這個中心消失、遷移、分裂或被替代，整個知識系統會發生什麼？} }

同時，周邊也不再是被遺忘的低價值區。

它可能是：

\boxed{ \text{下一個 bridge、反例、原語、任務中心或 frontier 的來源。} }

因此成熟 AI 的知識管理不能只做：

\text{Top-k centrality}.

而應維持：

\boxed{ \text{core maintenance} + \text{bridge protection} + \text{frontier exploration} + \text{peripheral probing} + \text{center migration tracking}. }

附錄 A：Center Role Dictionary

CenterRole:
  STRUCT_DEGREE
  STRUCT_CLOSENESS
  STRUCT_BETWEENNESS
  STRUCT_EIGENVECTOR
  STRUCT_CORE
  STRUCT_BRIDGE
  STRUCT_ARTICULATION
  GENERATIVE
  TASK
  VIEW
  COMPUTE
  ATTRACTOR
  COMMUNITY
  COUNTERFACTUAL

附錄 B：Center Event

CenterEvent:
  BIRTH
  GROWTH
  MIGRATION
  SPLIT
  MERGE
  DECAY
  REPLACEMENT
  REOPEN
  COLLAPSE
  PROLIFERATION

附錄 C：Region Role

RegionRole:
  CENTER
  BRIDGE
  CORE
  COMMUNITY
  PERIPHERY
  BACKGROUND
  FRONTIER
  BOUNDARY
  UNKNOWN

這些角色允許重疊，不構成互斥 partition。

附錄 D：內部正典依賴

《動態知識空間總論》v0.1。
《多域知識判定論》v0.1。
《多維知識覆蓋論》v0.1。
《Gap 場論》v0.1。
《關聯拓撲與全域黏合》v0.1。
《萬有理論的生成極限：從單一方程到動態知識不動點》v0.1。
《星環式認知展開法》。
《從差異到顯現：視域、前景、背景與遮蔽的生成》v0.1。
《從覆蓋度定理到多尺度因果覆蓋：早期強命題的重新校正》。

附錄 E：外部形式對照

Linton C. Freeman (1978/79), Centrality in Social Networks: Conceptual Clarification.
M. E. J. Newman (2006), Modularity and Community Structure in Networks.
Maksim Kitsak et al. (2010), Identification of Influential Spreaders in Complex Networks.
Ying Liu et al. (2014), Core-like Groups Result in Invalidation of Identifying Super-Spreader by k-Shell Decomposition.
Liang Tian et al. (2016), Articulation Points in Complex Networks.
Peter Grindrod & Desmond J. Higham (2013), A Matrix Iteration for Dynamic Network Summaries.
Taylor et al. / related temporal-network literature on eigenvector-based centrality and supracentrality.

與下一篇 DEST-06 的接口

本文完成：

\boxed{ \mathbf C_t. }

\boxed{ \text{DEST-06｜移動邊界論} }

將專門處理：

\mathbf B_t = ( \partial D^{\mathrm{def}}, \partial D^{\mathrm{reach}}, \partial D^{\mathrm{judge}}, \partial D^{\mathrm{verify}}, \partial D^{\mathrm{global}}, B^{\mathrm{know}}, \mathcal U^\star ).

也就是：

中心知道在哪裡之後，下一個問題是：它的邊界到底在哪裡，而且邊界為什麼會移動？

EML-DEST-2026-05 · v0.1 · 2026-08-12

多中心知識拓撲

多中心知識拓撲

生成核心、任務中心、視點中心、計算中心、橋接中心、吸引子與周邊

摘要

0. 研究定位與非主張聲明

1. 從單中心到多中心

1.1 單中心模型

1.2 單中心模型的限制

1.3 多中心最低定義 [DEF]

2. 中心不是節點，而是角色

3. 結構中心性基底

3.1 Degree center

3.2 Closeness center

3.3 Betweenness center

3.4 Eigenvector-like center

4. Core center

4.1 k-core / k-shell role

4.2 Core 不等於最高 degree

4.3 Core 不等於必然最重要

5. Community Center

6. Bridge Center

6.1 定義直覺

6.2 BridgeGain [DEF]

6.3 低 degree 高 bridge

7. Articulation Center

8. 生成核心 CgenC^{\mathrm{gen}}Cgen

8.1 定義 [DEF]

8.2 壓縮成本

8.3 生成核心分數

9. 任務中心 CtaskC^{\mathrm{task}}Ctask

10. 視點中心 CviewC^{\mathrm{view}}Cview

11. 計算中心 CcompC^{\mathrm{comp}}Ccomp

12. 吸引子中心 CattrC^{\mathrm{attr}}Cattr

13. 吸引子中心不等於真理中心

14. 反事實／因果中心 CcausalC^{\mathrm{causal}}Ccausal

14.1 定義 [DEF]

14.2 介入需要合法模型

15. 中心角色向量

16. Center Profile 而不是 Center Score

17. Center Eligibility

18. 中心多重歸屬

19. 中心間關係圖

20. Center Competition

21. Center Cooperation

22. 中心形成

23. 中心成長

24. 中心衰退

25. 中心遷移

26. 中心分裂

27. 中心合流

28. 中心替代

29. 中心脆弱性

30. 多中心韌性

31. Core–Periphery 不是唯一中心模型

32. Core-like Group 警告

33. 周邊 Periphery

33.1 定義 [DEF]

33.2 周邊不是未知

33.3 周邊不是不重要

34. 周邊到中心的升格

35. 中心到周邊的降格

36. Background 與 Periphery 分離

37. Frontier 與 Periphery 分離

38. Edge / Boundary / Frontier / Periphery

Periphery

Edge

Boundary

Frontier

39. Center–Frontier Coupling

40. Frontier-to-Core Consolidation

41. Core-to-Frontier Reopening

42. 多中心與社群結構

43. Modular Centrality Profile

44. Local Celebrity Problem

45. Hidden Bridge Problem

46. Citation Center 與 Knowledge Center

47. Symbolic Fame 與 Counterfactual Necessity

48. Multi-Center Field

49. Center Fibers

50. Center Rank 不應固定

8. 生成核心 $C^{\mathrm{gen}}$

9. 任務中心 $C^{\mathrm{task}}$

10. 視點中心 $C^{\mathrm{view}}$

11. 計算中心 $C^{\mathrm{comp}}$

12. 吸引子中心 $C^{\mathrm{attr}}$

14. 反事實／因果中心 $C^{\mathrm{causal}}$