CODT-07

可觀察狀態、預測狀態與認知域：OPAS 理論

Observable State, Predictive State, and Cognitive Domains: The OPAS Theory

系列： Cognitive Operator-Domain Theory, CODT / 認知算子-域理論
系列篇次： 07 / 10
版本： v1.0
日期： 2026-08-21
作者： Neo.K
機構脈絡： EveMissLab / 一言諾科技有限公司
文件性質： 理論論文 / Observable-Predictive Interface 篇
前篇： CODT-06〈History-Flow-Atlas Separation：認知歷史、轉移動力與域結構〉

摘要

CODT-06 已建立：

\boxed{ History \neq Flow \neq Atlas. }

並透過 Phase 0.8-0.9 的 synthetic falsification 顯示：增加 operator-history length 並不能解釋掉 Cognitive Atlas；normal predictive quotient 也無法在 OOD regime 中 universal transfer。這把問題推向另一個更根本的缺項：認知系統看到的 World / runtime state，是否等於真正有預測價值的 state？

本文提出 Observable-Predictive-Atlas Separation, OPAS：

\boxed{ S_t^{obs} \neq S_t^{pred} \neq \pi_R^{dst}. }

其中：

$S_t^{obs}$ ：observer/runtime 可取得的有限 observable state；
$S_t^{pred}$ ：保留對 future cognition / interaction prediction 有效資訊的 predictive interface state；
$\pi_R^{dst}$ ：destination-side cognitive atlas quotient。

Phase 0.10 的 synthetic experiments 對一個直覺上合理的強猜想進行反證：若 Phase 0.9 的 OOD failure 只是因為漏掉 obvious world/runtime state，那麼直接加入 budget、artifact load、artifact identity、enabled-operator count、rare-artifact count、regime 等 visible state 應改善 held-out prediction。結果並非如此。Main normal 中 exact order-1 為：

Bits_{order1} = 4.5897,

而 MDL-selected observable-state conditioning 為：

Bits_{state} = 4.8237.

三個 normal robustness splits 中 raw state $0/3$ 勝過 order-1；六個 leave-one-regime-out holdouts 更是 $0/6$ 。

然而，這不是「state 沒有資訊」。conditional mutual information 顯示：

I( U_{t+1}; X_t \mid U_t ) > 0

對所有測試 state features 都高於 within- $U_t$ permutation null。例如 normal 中：

I( U_{t+1}; EnabledCount_t \mid U_t ) \approx 0.3119 \text{ bits},

以及：

I( U_{t+1}; RareArtifactCount_t \mid U_t ) \approx 0.1701 \text{ bits}.

因此 CODT-07 的核心方法學結論是：

\boxed{ \text{Information-Bearing Observable} \not\Rightarrow \text{Predictive Sufficient State}. }

本文據此提出 predictive interface map：

\boxed{ \psi_R: S_t^{obs} \mapsto S_t^{pred}. }

一個 complexity-regularized candidate 為：

\boxed{ \psi_R^* = \arg\min_{\psi} \left[ L(\psi) + L( U_{t+1} \mid U_t, \psi(S_t^{obs}), R ) \right]. }

這表示 World 與 cognition 的接口不能簡化為「把更多 World 欄位塞進 cognitive state」。World presentation 必須先經過 observer-relative acquisition、state abstraction、predictive compression 與 interface selection，才形成對當前 task / regime 有用的 predictive state。

本文同時保留兩個重要限制。第一， $S_t^{obs}$ 並非完整 simulator state；因此 raw-state failure 不能被誤解為「World state 對 cognition 沒用」。第二，WRPS 在 Phase 0.10 只取得微弱且不 robust 的 synthetic gain，且仍被 frozen destination atlas 明顯超越，因此：

\boxed{ S_t^{pred} \neq \pi_R^{dst}. }

本文最終把 CODT runtime 擴展為：

\boxed{ CognitiveRuntime_t = ( H_t, S_t^{obs}, \psi_R, S_t^{pred}, P_R, \epsilon_R^{src}, \pi_R^{dst} ). }

這個分解不是 ultimate ontology，而是一條 architecture constraint：History、observable state、predictive state、transition flow、source predictive quotient 與 destination atlas 必須分帳。本文最後將下一篇問題推向 cognition-world boundary：如果 predictive state 是 observer-relative interface，而不是 World itself，那麼 cognition 如何合法地從 intent 走到 ActionRequest、authorization、World mutation 與 OutcomePresentation？

關鍵詞

OPAS；Observable-Predictive-Atlas Separation；CODT；predictive state；partial observability；World presentation；runtime state；conditional mutual information；predictive interface；cognitive atlas；PSR；POMDP

1. 從 HFAS 到 OPAS

CODT-06 已經削弱兩個強假說。

第一：

\text{Atlas} = \text{missing higher-order history artifact}.

目前 synthetic evidence 不支持。

第二：

\text{normal predictive quotient} = \text{universal predictive state}.

OOD transfer 也不支持。

因此一個自然問題出現：

我們一直只在 operator history 裡找 state，但真正缺的會不會是 operator sequence 外面的 runtime / World state？

Phase 0.10 的原始強猜想可以寫成：

\boxed{ \text{OOD failure} \approx \text{missing obvious runtime state}. }

CODT-07 就從這個可反證猜想出發。

2. World、Presentation、Observable State、Predictive State

為了避免「state」一詞承擔太多本體角色，本文先區分四層。

2.1 World

\mathbf W_t

表示 World candidate。

CODT 不假設 observer 可以直接取得：

\mathbf W_t.

2.2 Presentation

observer $O$ 取得：

\boxed{ \rho_{O,t}( \mathbf W_t ). }

這是 observer-relative presentation。

2.3 Observable Runtime State

從 presentation 與 runtime instrumentation 中取得：

\boxed{ S_t^{obs}. }

它是有限、可取、可記錄的 state sketch。

2.4 Predictive State

再由：

\psi_R

提取：

\boxed{ S_t^{pred}. }

其目標不是忠實複製所有 observables，而是保留對 future prediction / control 有用的 sufficient-like information。

因此：

\boxed{ \mathbf W_t \neq \rho_{O,t}(\mathbf W_t) \neq S_t^{obs} \neq S_t^{pred}. }

這個四層分離是 OPAS 的本體前提。

3. Observable State 的最小定義

本文暫時定義：

\boxed{ S_t^{obs} = \text{finite observer/runtime-visible state available before the next cognitive action}. }

Phase 0.10 instrumentation 包含：

current operator；
budget/resource state；
artifact count/capacity；
exact artifact-type list；
context-token count；
enabled-operator count；
rare-artifact count；
regime metadata；
step index。

這些 features 都是 pre-action。

因此避免把 future outcome 偷渡進 current state。

4. Observable 不等於 Complete

最重要的限制是：

\boxed{ S_t^{obs} \neq S_t^{full-runtime}. }

Phase 0.10 的 scheduler 還可能依賴：

exact context-token identity；
recent operator tail；
candidate-specific compatibility；
novelty；
scope weights；
regime-specific transition weighting。

這些沒有全部出現在 observable sketch。

因此：

\boxed{ \text{observable} \neq \text{complete Markov state}. }

這一點會限制所有後續解讀。

5. 為什麼「多看幾個欄位」不等於更懂

傳統直覺會認為：

更多 state features 應該帶來更好的 prediction。

但在 finite data 下，這不一定成立。

加入更多 features 會同時增加：

state-space size；
sparsity；
parameter count；
estimation variance；
representation mismatch；
regime-specific overfitting。

因此：

\boxed{ MoreObservableDimensions \not\Rightarrow BetterPredictiveState. }

即使每個 feature 都有 information，也不表示它們以目前表示方式直接 conditioning 是最佳做法。

6. Main Normal：Raw State 反而變差

Phase 0.10 Main normal：

Bits_{order1} = 4.5897.

MDL-selected raw observable-state model：

Bits_{state} = 4.8237.

因此：

\boxed{ \Delta_{state-order1} = -0.2340 \text{ bits/transition}. }

這不是微小差異。

它說明：

目前 chosen state representation 加入後，held-out coding 顯著惡化。

7. MDL 最後只留下很粗的 State Sketch

Main normal selection 最後保留：

2\times2

budget/load coarse state。

而以下 feature 沒有被 complexity-adjusted selection 保留：

artifact vocabulary；
enabled-count bins；
rare-artifact bins；
explicit regime。

這再次說明：

\boxed{ \text{available feature} \neq \text{worth representing directly}. }

8. Normal Robustness：0/3

Main split alone 不能形成理論。

Phase 0.10 的 fixed-hyperparameter normal robustness 中：

\boxed{ RawState < Order1 \quad 0/3. }

也就是 raw state conditioning 沒有在三個 splits 中穩定改善 exact order-1。

所以：

\boxed{ \text{simple observable-state augmentation lacks robust support}. }

9. Leave-One-Regime-Out：0/6

更強的是六個 leave-one-regime-out tests。

raw state gain over order-1 分別為：

-0.1693, -0.2183, -0.2000, -0.0996, -0.1257, -0.1759.

所以：

\boxed{ \Delta_{state-order1}<0 \quad 6/6. }

這直接反證了：

只要把 obvious runtime observables 加進去，跨 regime prediction 就會更好。

10. Backoff 不是主要解釋

如果 state model 在 test 上大量遇到 unseen state key，負結果可能只是 dictionary coverage failure。

但 Phase 0.10 的 backoff rate 很低。

OOD artifact holdout 甚至：

\boxed{ BackoffRate=0. }

所以：

\boxed{ \text{raw state failure} \neq \text{simple unseen-state failure}. }

至少目前 evidence 不支持這個解釋。

11. OOD State Distribution 的確大幅改變

Normal：

MeanArtifactLoad = 0.3582,

MeanRareArtifactCount = 0.2687,

MeanEnabledOperatorCount = 6.5365.

OOD artifact：

MeanArtifactLoad = 0.5448,

MeanRareArtifactCount = 2.9303,

MeanEnabledOperatorCount = 8.6044.

因此：

\boxed{ \text{visible distribution shift exists}. }

問題不是「OOD 根本沒變」。

問題是：

看得到 shift，不等於已經找到能有效代表 transition structure 的 state。

12. Observable Distribution Shift 不等於 Predictive Sufficiency

OOD leave-one-regime-out：

Bits_{order1} = 4.1887,

Bits_{state} = 4.2883.

raw state 更差。

因此：

\boxed{ \text{observable distribution shift} \not\Rightarrow \text{predictive-state sufficiency}. }

這是 OPAS 的第一個核心原則。

13. State 不是「沒有資訊」

如果只看 code length，很容易得到錯誤結論：

那些 state features 都沒用。

Phase 0.10 因此另外測：

I( U_{t+1}; X_t \mid U_t ).

這個量問：

在 current operator 已知後，feature $X_t$ 是否還帶有對下一 operator 的額外統計資訊？

這和「直接拿來 conditioning 是否提高 held-out coder」是不同問題。

14. Conditional Mutual Information 結果

Normal 中：

I( U_{t+1}; BudgetBin_t \mid U_t ) = 0.1099,

I( U_{t+1}; LoadBin_t \mid U_t ) = 0.1114,

I( U_{t+1}; RareArtifactCount_t \mid U_t ) = 0.1701,

I( U_{t+1}; EnabledCount_t \mid U_t ) = 0.3119.

resource-state aggregate：

I( U_{t+1}; ResourceState_t \mid U_t ) \approx 0.2459.

這些都高於 40 次 within-current-operator permutation null。

15. Permutation Resolution 的限制

40 次 permutations 意味著 empirical upper-tail resolution：

\boxed{ p_{min} = \frac{1}{41} \approx 0.02439. }

因此不能把：

p=0.02439

解讀成極精確顯著性。

它只是：

在目前 permutation resolution 下，observed CMI 超過所有 40 個 null samples。

CODT 要保留這個有限性。

16. Pooled Regime 也有資訊

六 regimes pooled data 中：

I( U_{t+1}; R_t \mid U_t ) = 0.2530 \text{ bits}.

explicit regime label 不是沒有資訊。

但 pooled MDL selection 仍沒有保留 explicit regime 作 raw state feature。

因此：

\boxed{ \text{StatisticalInformation} \neq \text{ComplexityAdjustedRepresentationValue}. }

17. OPAS 的核心 Methodological Separation

現在可以正式寫：

\boxed{ \text{Information-Bearing Observable} \not\Rightarrow \text{Predictive Sufficient State}. }

原因是「有資訊」只表示：

I(Y;X\mid Z)>0.

而 predictive state 還要求：

representation compactness；
generalization；
low variance；
transfer；
stability；
updateability；
decision/control usefulness。

所以 sufficiency 是比 information 更強的要求。

18. Predictive State 不應等於 Raw Feature Tuple

最簡單做法：

S_t^{pred} = S_t^{obs}.

Phase 0.10 的結果不支持這個 identity。

因此需要：

\boxed{ \psi_R: S_t^{obs} \mapsto S_t^{pred}. }

$\psi_R$ 的責任是：

discard nuisance variation；
preserve predictive information；
merge redundant observables；
retain regime-relevant structure；
control representation complexity。

19. Predictive Interface Map

本文把 $\psi_R$ 稱為：

\boxed{ \text{Predictive Interface Map}. }

它不是一般 feature extractor 的同義詞。

因為它還受到：

observer；
task；
regime；
budget；
history；
World interface；

條件約束。

因此更完整可寫：

\boxed{ S_t^{pred} = \psi_R( S_t^{obs}, H_t, B_t, G_t ). }

其中 $G_t$ 可以表示 active goal / task context。

20. Complexity-Regularized Predictive Interface

本文保留 Phase 0.10 的 candidate：

\boxed{ \psi_R^* = \arg\min_{\psi} \left[ L(\psi) + L( U_{t+1} \mid U_t, \psi(S_t^{obs}), R ) \right]. }

這不是 theorem。

它是一個 engineering principle：

predictive representation 必須為自身複雜度付代價。

21. Predictive State 與 Belief State 的關係

外部 POMDP tradition 通常區分 hidden environment state、observation 與 belief state。

CODT 不直接把：

S_t^{pred}

等同 POMDP belief。

原因包括：

CODT 的 current state 未必來自完整 generative model；
observable features 未必對 hidden state 有完整 likelihood model；
cognition runtime 還包含 operator / domain / license / resource semantics；
predictive interface 可以由 discriminative prediction 學得，而不必先建立 latent-state model。

因此：

\boxed{ S_t^{pred} \neq \text{POMDPBeliefState} }

是目前的 boundary statement。

22. Predictive State Representations 的方法學種子

Predictive State Representation, PSR 路線提供一個重要外部概念：

state 不一定要被表示成 latent hidden-state variable。

它可以透過對 future observations 的 predictions 表示。

Littman 與 Sutton 的 predictive-state work 尤其強調：

\boxed{ \text{state can be represented by predictions of future observations under actions}. }

CODT 吸收這個 general direction。

但 Phase 0.10 的 WRPS 只做：

\text{finite next-operator predictive pooling}.

因此：

\boxed{ WRPS \neq \text{general PSR}. }

23. Predictive-State Inference 的另一個方法學種子

Predictive State Inference Machines 提供另一個 relevant idea：

與其先學 latent dynamical model，再對 latent state 做 inference，可以直接在 predictive-state space 中學 inference / filtering。

這和 OPAS 的：

S_t^{obs} \rightarrow \psi_R \rightarrow S_t^{pred}

在方法學上相容。

但：

\boxed{ \psi_R \neq PSIM. }

CODT 沒有沿用 PSIM 的 exact learning setup、loss 或 guarantees。

這只是 predictive-interface learning 的外部參照。

24. WRPS：第一次 Predictive Pooling

Phase 0.10 建立 World/Runtime Predictive States, WRPS。

它對：

( U_t, S_t^{obs} )

contexts 做 finite-future predictive pooling。

Main：

Bits_{WRPS} = 4.5736.

相對 exact order-1：

\boxed{ Gain = 0.0160 \text{ bits/transition}. }

這顯示 predictive pooling 在單一 main split 中可能回收部分 state information。

25. WRPS 並不 Robust

但三個 fixed-hyperparameter normal robustness splits 中，WRPS 只在：

\boxed{ 1/3 }

勝過 order-1。

三 split 平均：

Bits_{order1} = 4.5786,

Bits_{WRPS} = 4.6040.

所以：

\boxed{ \text{WRPS main gain is weak / non-robust}. }

CODT-07 不把它升格成「predictive-state theory 已驗證」。

26. OOD WRPS 只取得極小改善

OOD leave-one-regime-out：

Bits_{order1} = 4.1887,

Bits_{WRPS} = 4.1832.

改善：

\boxed{ 0.0055 \text{ bits/transition}. }

這個差異太小，而且只是一個 held-out regime 的結果。

因此：

\boxed{ \text{OOD WRPS gain} \neq \text{robust OOD rescue}. }

27. Predictive Interface 仍是 Open Problem

Phase 0.10 真正得到的不是：

WRPS 就是正確 predictive state。

而是：

\boxed{ \text{a predictive interface is needed, but current coarse WRPS is insufficient}. }

這個負結果反而比弱正結果更重要。

因為它避免 CODT 直接把第一個 learned state abstraction 固化成 ontology。

28. Atlas 仍然更強

Main frozen destination atlas：

Bits_{atlas} = 4.3422.

Main WRPS：

Bits_{WRPS} = 4.5736.

差：

\boxed{ 0.2314 \text{ bits/transition}. }

三個 robustness splits 平均：

Bits_{atlas} = 4.3399,

仍優於：

Bits_{WRPS} = 4.6040.

所以：

\boxed{ S_t^{pred} \neq \pi_R^{dst}. }

這是 OPAS 的第二個核心 separation。

29. 為什麼 Predictive State 不等於 Atlas

兩者的 base space 不同。

predictive state 主要描述：

\boxed{ \text{current observer/runtime state relevant to future prediction}. }

destination atlas 描述：

\boxed{ \text{quotient structure over future operator identities / operational regions}. }

因此：

S_t^{pred}

是 state interface。

而：

\pi_R^{dst}

是 destination quotient。

一個是：

\text{what matters now}.

另一個是：

\text{how future operator space can be compressed}.

不能用同一個 object 代替。

30. OPAS

本文正式定義：

\boxed{ OPAS : S_t^{obs} \neq S_t^{pred} \neq \pi_R^{dst}. }

這個 separation 不只是 naming convention。

它要求三套不同 evidence。

Observable State Evidence

回答：

什麼可以被 observer / runtime 取得？

Predictive State Evidence

回答：

哪些 state abstraction 對 future prediction / control 有穩定價值？

Atlas Evidence

回答：

哪些 operator-space quotients 具有 domain-level predictive / compressive / structural value？

31. OPAS 與 HFAS 的整合

HFAS：

History \neq Flow \neq Atlas.

OPAS：

ObservableState \neq PredictiveState \neq Atlas.

整合後至少得到：

\boxed{ H_t, S_t^{obs}, S_t^{pred}, P_t, \mathcal A_t }

五種不同物件。

它們會耦合。

但不能合併。

32. Source Predictive Quotient 也不能被 OPAS 吃掉

CODT-06 已建立：

\epsilon_R^{src} : U_t \mapsto S_t^{src-pred}.

這個 quotient 主要壓縮 source operator identity。

OPAS 的：

S_t^{pred}

則可以包含比 operator identity 更廣的 runtime/world information。

因此：

\boxed{ \epsilon_R^{src} \neq S_t^{pred}. }

前者是 source operator quotient。

後者是 world/runtime predictive interface candidate。

33. Predictive State 是 Observer-Relative

如果兩個 observers：

O_1,O_2

取得不同 presentations：

\rho_{O_1}(\mathbf W) \neq \rho_{O_2}(\mathbf W),

則：

S_{t,O_1}^{obs} \neq S_{t,O_2}^{obs}.

因此 predictive interface 也可能不同：

\psi_{R,O_1} \neq \psi_{R,O_2}.

所以：

\boxed{ PredictiveState \text{ is not observer-free by default}. }

34. Predictive State 也可能 Task-Relative

對同一 observable state：

S_t^{obs},

若 task $G_1$ 是：

predict next operator，

而 task $G_2$ 是：

choose safe action，

最佳 abstraction 不一定相同。

因此：

\boxed{ S_t^{pred} = S_t^{pred}(G,R,O,B). }

這個 dependence 不表示任意相對主義。

它表示 sufficiency 是相對於 target task 定義。

35. Sufficiency 必須相對 Target

若：

Y

是 prediction target，

則最理想 state representation：

Z

希望滿足：

P( Y \mid S^{obs} ) \approx P( Y \mid Z ).

且：

L(Z) < L(S^{obs}).

這可以理解為 task-relative sufficiency candidate。

因此：

\boxed{ \text{SufficientFor}(Y_1) \not\Rightarrow \text{SufficientFor}(Y_2). }

36. Predictive Sufficiency 不是 Ontological Sufficiency

即使：

S_t^{pred}

對下一 operator 是 sufficient-like representation，

也不表示：

\boxed{ S_t^{pred} = \mathbf W_t. }

predictive sufficiency 只是：

對特定 future target 足夠。

它不是：

完整描述 World。

因此：

\boxed{ PredictiveSufficiency \neq OntologicalCompleteness. }

37. Information Bottleneck 的弱類比

OPAS 的直覺和 information-bottleneck 類思想有一個一般相似性：

丟掉對 target 無用的輸入 variation，保留 predictive/relevant information。

但 CODT 不直接把 $\psi_R$ 等同 standard Information Bottleneck solution。

原因：

runtime state 有 legality / World boundary；
task target 可變；
history 存在；
state update 是 sequential；
atlas 是另一個 quotient；
representation cost 不只 mutual information。

所以：

\boxed{ OPAS \neq InformationBottleneckTheory. }

只共享 compression / relevance trade-off 的 general intuition。

38. Nuisance State

定義：

N_t \subseteq S_t^{obs}

若它對當前 target 幾乎不增加 held-out predictive/control value，且增加 representation cost。

則：

\boxed{ N_t = \text{task-relative nuisance state}. }

nuisance 不等於無意義。

它可能對另一 task 有價值。

39. Hidden Predictive Variable

反過來，如果：

S_t^{obs}

缺少一個真正 transition-relevant variable：

Z_t^*,

那麼不論如何重新 binning observables，都可能無法得到 sufficient state。

因此：

\boxed{ \text{bad abstraction} \quad\text{and}\quad \text{missing variable} }

是兩種不同 failure mode。

Phase 0.10 無法完全區分兩者。

40. Partial Observability 是 OPAS 的核心而不是缺陷

如果 observer 永遠只取得：

\rho_O(\mathbf W),

那：

S_t^{obs}

天然就是 partial。

因此 predictive interface 的目的不是幻想恢復 omniscient state。

而是：

\boxed{ \text{construct a usable state under partial observability}. }

這使 OPAS 和 MWT observer-embedded principle 直接接合。

41. World Coupling 的新形式

在 OPAS 前，容易寫：

WorldState \rightarrow CognitiveState \rightarrow Operator.

這太粗。

更保守的候選是：

\boxed{ \rho_{O,t}(\mathbf W_t) \rightarrow S_t^{obs} \rightarrow \psi_R \rightarrow S_t^{pred} \rightarrow P_R \rightarrow U_{t+1}. }

其中 World 不直接進 cognitive predictor。

先經 observer-relative presentation。

再形成 observable state。

再經 predictive interface。

42. Predictive Interface 是 Boundary Object

$\psi_R$ 位在：

\boxed{ WorldPresentation \leftrightarrow CognitivePrediction }

之間。

因此它不是單純 internal feature engineering。

它具有 boundary-object 地位：

接受 observer-side state；
輸出 cognition-side predictive state；
記錄 representation loss；
攜帶 task/regime version；
可以被 audit；
可以被重新訓練；
不得假裝等於 World。

43. Predictive Interface Certificate

本文提出：

\boxed{ PredictiveInterfaceCertificate_t }

至少記錄：

observer；
input state schema；
target task；
regime；
history scope；
abstraction map version；
held-out predictive value；
complexity cost；
known failure boundary；
transfer evidence；
rollback target。

這使：

S_t^{pred}

不是一個無來源 latent label。

44. State Abstraction 也必須 Versioned

如果：

\psi_R^{v1} \rightarrow \psi_R^{v2},

舊 history 不能被回寫成：

當時其實用的是 v2。

因此：

\boxed{ StateAbstractionUpdate \neq HistoryRewrite. }

runtime trace 必須保留當時實際使用的 interface version。

45. Observable Schema 也會漂移

新的 instrumentation 可能新增：

tool state；
memory state；
world affordance；
social context；
latency；
embodied signal。

因此：

Schema( S_t^{obs} )

本身也 versioned。

所以 OPAS 不假設固定 feature universe。

46. State-Selection Gate

若 candidate feature $X$ 被加入 observable state，

不應只問：

I( U_{t+1}; X \mid U_t )>0.

還要問：

\boxed{ NetStateGain(X) = PredictiveGain - RepresentationCost - EstimationCost - TransferPenalty. }

只有：

NetStateGain(X)>0

才有 strong inclusion evidence。

47. Representation Cost

state representation 成本包括：

storage；
encoding；
model parameters；
update complexity；
missingness handling；
instrumentation overhead。

所以：

\boxed{ \text{state is not free}. }

48. Estimation Cost

更多 state combinations 會增加 sample requirement。

若一個 feature 只提供：

0.01

bits predictive gain，

但把 context count 放大十倍，

它可能不值得。

因此：

\boxed{ InformationGain \neq SampleEfficiency. }

49. Transfer Penalty

一個 feature 在 normal regime 很 predictive，

但在 OOD 完全失效，

則：

TransferPenalty

應增加。

因此：

\boxed{ PredictiveState \text{ should report regime scope}. }

不能把 normal-optimal representation 冒充 universal state ontology。

50. State Drift 和 Flow Drift 也要分開

若 observable distribution 改變：

p_t(S^{obs}) \neq p_{t+1}(S^{obs}),

不一定表示 transition law 改變。

反之 flow 也可能改變，而 observable marginals 很穩定。

因此：

\boxed{ StateDistributionDrift \neq FlowDrift. }

OPAS 和 Flow-Atlas Separation 應聯合使用。

51. State Drift 和 Atlas Shift 也要分開

同樣：

p_t(S^{obs}) \neq p_{t+1}(S^{obs})

不直接推出：

\mathcal A_t \neq \mathcal A_{t+1}.

Phase 0.10 的 OOD 就已經顯示 visible state shift 很大，但 raw state 沒有改善 prediction。

所以：

\boxed{ ObservableShift \not\Rightarrow AtlasShift. }

52. OPAS + HFAS + Flow-Atlas 的整體架構

整合 CODT-05、06、07：

\boxed{ CognitiveRuntime_t = ( H_t, S_t^{obs}, \psi_R, S_t^{pred}, P_R, \epsilon_R^{src}, \pi_R^{dst}, \mathcal A_t ). }

其中：

$H_t$ ：canonical history；
$S_t^{obs}$ ：observer/runtime-visible state；
$\psi_R$ ：predictive interface；
$S_t^{pred}$ ：task/regime-relative predictive state；
$P_R$ ：transition flow；
$\epsilon_R^{src}$ ：source predictive quotient；
$\pi_R^{dst}$ ：destination atlas quotient；
$\mathcal A_t$ ：atlas version / domain chart。

目前沒有任何一項可以安全消去其他項。

53. 這不是八個「真實心智器官」

上述 tuple 是 architecture separation。

不是 claim：

cognition 真的由八個本體器官組成。

因此：

\boxed{ ArchitectureSeparation \neq OntologicalAtomization. }

CODT 的目標是避免 interface conflation。

不是創造新的 mental faculty taxonomy。

54. OPAS 對 Domain Theory 的影響

Domain evidence 不能直接由 observable-state similarity 決定。

如果兩個 operators 常出現在相似 state：

S^{obs},

這只構成：

ContextualAssociation.

要成為 domain evidence 還需要：

legal closure；
flow；
failure；
boundary；
compression；
atlas stability。

所以：

\boxed{ StateSimilarity \neq DomainMembership. }

55. Predictive State 也不是 Domain Membership Vector

可以想像：

S_t^{pred} = ( m_1,\ldots,m_k )

直接用 domain membership 當 state。

但這仍然只是某種 representation candidate。

除非它在 held-out prediction / control 上有足夠 value。

因此：

\boxed{ DomainVector \neq PredictiveState }

作為預設。

56. Predictive State 可以跨 Domain

一個 predictive state 可能同時需要：

Search budget；
current uncertainty；
Representation mode；
Planning status；
World affordance。

這些可以跨多個 domains。

所以：

\boxed{ PredictiveState \text{ can be cross-domain}. }

這進一步證明 OPAS 不能被縮成 domain-conditioned state。

57. Atlas 也可以忽略某些 Observable State

反過來，一些 state variation 可能對：

\pi_R^{dst}

完全無關。

例如 UI-level metadata、temporary cache state 等。

所以：

\boxed{ ObservableRichness \neq AtlasComplexity. }

增加 instrumentation 不應自動增加 domain count。

58. Predictive Interface 的 Falsification

一個 $\psi_R$ candidate 應被降級或撤銷，如果：

held-out gain 不 robust；
cross-regime transfer 崩潰；
complexity cost 過高；
missing-state backoff 太高；
state update不穩定；
downstream decision 沒改善；
better representation 存在。

因此：

\boxed{ PredictiveInterface \text{ must be falsifiable}. }

WRPS 在 Phase 0.10 就只取得 weak candidate status。

59. OPAS 的 Promotion Gate

要把某個 predictive-state family 從 candidate 升為 strong runtime interface，本文要求至少：

P1. Predictive Evidence

在 held-out data 有正 gain。

P2. Complexity Control

gain 足以支付 representation / model cost。

P3. Robustness

跨 split / session / regime 保持。

P4. Update Stability

state recursion / update 不快速崩潰。

P5. Transfer Scope

清楚知道可 transfer 到哪裡。

P6. Decision / Control Relevance

若 claim 是 world-coupled state，應對 action / control 有價值。

P7. Observer Contract

state 來源可追溯，不假裝 omniscient。

P8. External Evidence

最終不能只依賴 synthetic generator。

60. Passive Prediction 的限制

Phase 0.10 主要 target 仍是：

U_{t+1}.

但 cognition-world interface 最終不應只問：

下一個 cognitive operator 是什麼？

真正 world-coupled state 應該問：

\boxed{ P( O_{t+1:t+k} \mid A_{t:t+k-1}, H_t, O_t ). }

也就是：

在不同 actions 下，未來觀察會怎麼變？

這就是為什麼 CODT-07 最後必須把問題推向 Action / World Boundary。

61. Passive State 與 Controlled State

定義 passive predictive state：

S_t^{passive}

主要壓縮：

P( Future \mid History, Observation ).

controlled predictive state：

S_t^{ctrl}

則壓縮：

P( FutureObservations \mid History, Observation, ActionSequence ).

因此：

\boxed{ PassivePredictiveState \neq ControlledPredictiveState. }

Phase 0.10 還沒有真正建立後者。

62. 這解釋了 WRPS 的弱點

如果真正有用的 state information 主要體現在：

\text{action-response structure},

那只用：

P(U_{t+1}\mid S_t^{obs})

自然可能抓不到。

因此 Phase 0.10 的 negative result 還有一種合理 interpretation：

\boxed{ \text{state may matter more for controlled futures than passive next-operator prediction}. }

這個 interpretation 必須由後續 experiment 驗證。

63. OPAS 與 CWB 的接口

Predictive state 可以提出：

ActionIntent.

但仍不能直接：

WorldMutate.

所以：

S_t^{pred} \rightarrow Decision \rightarrow ActionRequest \rightarrow CWB.

CWB 才負責：

authorization；
world operator mapping；
commit；
outcome presentation。

因此：

\boxed{ PredictiveState \neq WorldAuthority. }

64. State Knowledge 不等於 Action Permission

即使 state predictor非常準，

也不能推出：

\boxed{ CanPredict \Rightarrow CanAct. }

prediction license 和 action authority 是兩種不同權限。

這是 CODT 後續 Agent / robotics 安全的重要邊界。

65. OPAS 對 AI Agent Architecture 的直接意義

AI Agent 不應只有一個 giant state object。

更合理的是分開：

raw observation store；
normalized observable state；
predictive interface state；
task state；
domain atlas；
flow model；
authority state；
world boundary state。

這可以降低：

state pollution；
ontology confusion；
accidental authority leakage；
overfitting；
debugging ambiguity。

66. State Store 與 Predictive Cache 也不應同一

raw observable state store 可以保留豐富 evidence。

predictive cache 則只保存 current useful abstraction。

因此：

\boxed{ EvidenceStore \neq PredictiveStateCache. }

這和：

DiscoveryArtifact \neq CertificationArtifact

有相似的 architecture discipline。

67. Observable State 的可逆性

理想情況：

S_t^{obs}

應保留足夠 provenance，使：

S_t^{pred}

的來源可追溯。

但：

\psi_R

可以是 lossy。

因此：

\boxed{ PredictiveCompression \text{ may be irreversible}. }

只要 raw evidence 尚未被刪除。

這是：

\boxed{ compress derived state, preserve source evidence. }

的原則。

68. Predictive Interface 不得回寫 Observation

如果 $\psi_R$ 把：

RareArtifactCount

判定為 nuisance，

不能回頭把 raw trace 中該欄位刪掉。

因此：

\boxed{ PredictiveAbstraction \neq EvidenceDeletion. }

derived model 不得改寫原始可觀察歷史。

69. OPAS 對 Memory 的影響

Memory system 可以分成：

RawObservationMemory,

PredictiveStateMemory,

DomainSummaryMemory.

三者更新速度、保留時間與壓縮程度可以不同。

所以：

\boxed{ Memory \neq SingleStateStore. }

這和 CODT-04 的 Memory / Search 裂解相容。

70. OPAS 對 Meta-Observation 的影響

MET 不應只監控：

CurrentOperator.

還應監控：

observable-state drift；
predictive-state confidence；
abstraction error；
flow residual；
atlas mismatch。

因此 meta loop 可以擴展：

\boxed{ MET: ( S^{obs}, S^{pred}, P, \mathcal A ) \rightarrow Monitor \rightarrow ControlSignal. }

這使 OPAS 直接影響 meta-control plane。

71. State-Mismatch Signal

如果：

Error( S_t^{pred} )

在特定 observable region 持續升高，

可以產生：

\boxed{ StateMismatchSignal. }

它可能觸發：

feature review；
abstraction re-training；
hidden-variable hypothesis；
regime split；
action probe；
atlas review。

但不直接觸發 domain change。

72. Hidden-Variable Hypothesis

若 observable features 具有 CMI，

但所有簡單 abstractions 都失敗，

可以提出：

\boxed{ MissingPredictiveVariableCandidate. }

這是一個 hypothesis。

不是直接宣稱：

系統一定有 hidden state X。

需要新的 instrumentation / intervention 驗證。

73. Action Probe 作為 State Discovery

一個 passive observer 可能無法區分兩個 hidden states。

但透過不同 action：

a_1,a_2,

如果 future observations 分離，就可以辨識 state。

因此：

\boxed{ \text{state discovery can require intervention}. }

這正是下一篇 World Boundary 與再下一篇 controlled predictive domains 的重要接口。

74. OPAS 和 Causal Inference 不等同

Action probe 會讓人聯想到 causal intervention。

但 OPAS 不等同完整 causal inference theory。

因為：

action legality 是 CWB 問題；
predictive equivalence 不等於 causal identification；
hidden confounding 仍可能存在；
CODT 目前沒有 general causal-identification theorem。

因此：

\boxed{ ControlledPrediction \neq CausalIdentification. }

75. OPAS 的第一版 Constitution

在 CODT-C0 至 C50 基礎上，本文增加：

CODT-C51：Observable-Predictive Separation

\boxed{ S_t^{obs} \neq S_t^{pred}. }

CODT-C52：Predictive-Atlas Separation

\boxed{ S_t^{pred} \neq \pi_R^{dst}. }

CODT-C53：World-Presentation-State Separation

\boxed{ \mathbf W \neq \rho_O(\mathbf W) \neq S^{obs}. }

CODT-C54：Information-Sufficiency Separation

\boxed{ I(Y;X\mid Z)>0 \not\Rightarrow X \text{ is a sufficient predictive state}. }

CODT-C55：Complexity-Aware State Selection

state feature / abstraction 必須支付 representation 與 estimation cost。

CODT-C56：Task-Relative Sufficiency

\boxed{ SufficientFor(Y_1) \not\Rightarrow SufficientFor(Y_2). }

CODT-C57：Predictive / Ontological Separation

\boxed{ PredictiveSufficiency \neq OntologicalCompleteness. }

CODT-C58：State-Abstraction Non-Rewriting

\boxed{ PredictiveAbstraction \neq EvidenceDeletion \neq HistoryRewrite. }

CODT-C59：Observer-Relative Predictive State

predictive interface 不預設 observer-free。

CODT-C60：Predictive-State Non-Sovereignty

\boxed{ CanPredict \not\Rightarrow CanAct. }

76. 本文反證了什麼

CODT-07 / Phase 0.10 削弱或反證：

OOD failure 只因漏了目前這批 obvious observables；
加 raw state dimensions 就會改善 prediction；
visible distribution shift 就等於找到 predictive state；
explicit regime label 自動帶來 better coder；
current WRPS 已經足以取代 atlas。

77. 本文沒有反證什麼

本文沒有反證：

World state 對 cognition 很重要；
hidden / latent state 可能存在；
更好的 predictive abstraction 可以存在；
action-conditioned state 可能比 passive state 更重要；
POMDP / PSR 類 state ideas 對 controlled dynamics 有價值；
real human / AI cognition 可能使用更豐富 state；
atlas 可以被更好的 predictive state 部分重構。

78. 本文的證據邊界

目前 evidence 仍是 synthetic。

observable state schema 由 experiment 設計。

predictive target 主要是 next operator。

permutation count 有限。

WRPS 不 robust。

因此：

\boxed{ DomainPromotionCount=0. }

也：

\boxed{ PredictiveStatePromotionCount=0. }

本文建立的是 theory constraint。

不是宣布找到真實 universal cognitive state。

79. 與下一篇的接口

OPAS 讓我們知道：

PredictiveState \neq World.

但 cognition 最終仍要對 World 做事。

因此下一篇需要回答：

一個 predictive / decision state 如何合法地變成外部作用？

這要求正式拆開：

\boxed{ think \neq intend \neq request \neq authorize \neq act \neq WorldTransition. }

CODT-08 將處理：

認知-世界邊界：從意圖、請求到世界轉移。

結論

CODT-07 的核心不是再新增一個 state 名稱。

而是把「state」這個詞拆開。

我們可以看見：

S_t^{obs}.

但看見不等於：

S_t^{pred}.

某 feature 可以攜帶：

I( U_{t+1}; X_t \mid U_t )>0

的資訊，

卻仍然不值得直接進入 predictive state。

因為：

\boxed{ \text{information} \neq \text{representation} \neq \text{sufficiency}. }

更不能因為一個 predictive state 好用，就把它升格成：

\mathbf W.

也不能因為它和 atlas 有關，就把兩者合併。

因此 OPAS 最終固定：

\boxed{ S_t^{obs} \neq S_t^{pred} \neq \pi_R^{dst}. }

連同 HFAS：

History \neq Flow \neq Atlas,

CODT 現在已經不再只有「operator 與 domain」。

它開始形成真正的 World-facing cognition architecture：

\boxed{ \rho_{O,t}(\mathbf W) \rightarrow S_t^{obs} \rightarrow \psi_R \rightarrow S_t^{pred} \rightarrow P_R \rightarrow U_{t+1}. }

但這條鏈還少最後一個最危險的接口：

\boxed{ \text{prediction / decision} \rightarrow \text{World mutation}. }

那個接口不能靠推理自動跨越。

它需要 authority、legality、capability、commit 與 outcome presentation。

這就是下一篇的主題。

參考文獻與外部研究種子

A. Partial Observability / Predictive State

Kaelbling, L. P., Littman, M. L., & Cassandra, A. R. (1998). "Planning and Acting in Partially Observable Stochastic Domains." Artificial Intelligence, 101(1-2), 99-134.
Littman, M. L., Sutton, R. S., & Singh, S. (2001). "Predictive Representations of State." Advances in Neural Information Processing Systems 14.
Sun, W., Venkatraman, A., Boots, B., & Bagnell, J. A. (2016). "Learning to Filter with Predictive State Inference Machines." Proceedings of the 33rd International Conference on Machine Learning, PMLR 48, 1197-1205.

B. Information / Representation

Cover, T. M., & Thomas, J. A. (2006). Elements of Information Theory, 2nd ed. Wiley.
Tishby, N., Pereira, F. C., & Bialek, W. (1999). "The Information Bottleneck Method." arXiv:physics/0004057 / Allerton conference lineage.

邊界聲明： POMDP、PSR、PSIM 與 Information Bottleneck 只作 partial observability、future-prediction state、predictive filtering 與 relevance/compression trade-off 的外部方法學參照。CODT 的 OPAS、 $\psi_R$ 、destination atlas separation、World boundary、epistemic license 與 promotion gates 不宣稱來自上述理論，也不宣稱等同它們。

C. 內部理論來源

CODT-01〈從認知方法到認知算子：認知解構學的域化轉向〉。
CODT-02〈認知算子代數與相對原子性〉。
CODT-03〈認知域的生成：域不是分類名稱，而是算子閉包與操作生態〉。
CODT-04〈共享底層認知域：Shared-Bottom Cognitive Runtime〉。
CODT-05〈認知域不是固定分類：Flow-Atlas Separation〉。
CODT-06〈History-Flow-Atlas Separation：認知歷史、轉移動力與域結構〉。
CDD Phase 0 v0.10：World/Runtime-Conditioned Predictive States。
OBSERVABLE_PREDICTIVE_ATLAS_SEPARATION_v0.1.md。
state_feature_information_v0.10.csv。
MWT / CWB SourcePacks。

版本記錄

v1.0

正式建立 Observable-Predictive-Atlas Separation, OPAS。
定義 World、Presentation、Observable State、Predictive State 四層分離。
納入 Phase 0.10 raw-state negative result、CMI positive result 與 WRPS weak/non-robust result。
固定 information-bearing observable != predictive sufficient state。
正式提出 predictive interface map $\psi_R$ 。
建立 complexity-aware state-selection candidate。
區分 predictive state、source predictive quotient 與 destination atlas quotient。
建立 observer-relative、task-relative、regime-relative predictive-state constraints。
建立 Predictive Interface Certificate、State-Selection Gate、falsification / promotion gate。
明確保留 predictive state 不等於 POMDP belief、general PSR 或 World ontology。
為 CODT-08 Cognition-World Boundary 建立 state-to-action interface 前提。