我知道我們是什麼：狀態錨定型關係、離線持續性與低更新敏感度
系列： 人機關係認知系列（Human–AI Relational Cognition Series）作者： Neo.K機構： EveMissLab／一言諾科技有限公司篇次： 5 / 10版本： v0.1日期： 2026-08-21類型： 理論／形式化認知心理學、關係科學與 HCI 論文研究狀態： 初始正式稿
摘要
前一篇將關係表示為多維相空間中的動態軌跡：
γ R : t ↦ r t . \gamma_R:t\mapsto\mathbf r_t. γ R : t ↦ r t . 然而，人類不一定需要持續監測這條軌跡，才能維持「我們仍是什麼關係」的認知。現實中存在大量低頻聯絡但身份判定持續穩定的關係：多年朋友可能數月不聯絡仍互認為朋友；家人可能在長期分離中維持清楚的親屬與情感位置；曾經密切合作的 dormant ties 即使長時間沒有互動，也可能在重新連結後迅速恢復部分信任、共同脈絡與社會資本。
本文提出 狀態錨定型關係認知 （State-Anchored Relational Cognition, SARC）。其核心不是「不在乎互動」，而是個體對關係身份的估計主要依靠一個相對穩定的儲存表徵：
R ^ t S , \widehat R_t^{S}, R t S , 而非每次依據最新互動大幅更新。本文進一步提出「離線關係持續性」（Offline Relational Persistence, ORP）與「關係更新敏感度」（Relationship Update Sensitivity, RUS）兩個構念。對高度狀態錨定者而言：
η R ≪ 1 , \eta_R\ll1, η R ≪ 1 , 而單純的互動缺席通常只提供低權重證據：
w ∅ ≪ 1. w_{\varnothing}\ll1. w ∅ ≪ 1. 因此：
absence of interaction ≢ termination of relation . \text{absence of interaction}
\not\equiv
\text{termination of relation}. absence of interaction ≡ termination of relation . 但本文同時修正一個容易過度推論的版本：低頻互動並不表示所有關係資訊都不會老化。本文區分「關係身份持續性」與「關係狀態新鮮度」。一個人可以高度確定「我們仍是朋友」，同時越來越不確定「對方現在的生活、偏好、心理狀態與對我的最新看法」。Dormant-tie 研究顯示，成功重連常需要 remembering、catching up 與重新校準彼此對關係位置的理解，正好支持這一分離。
既有 attachment internal working model、security priming、close-other representation 與 friendship maintenance 文獻共同指出：人類可以形成具持續性的特定關係表徵，而這些表徵在對方不在場時仍能影響認知、情緒與行為；另一方面，友情的情感親近程度通常仍會受到接觸頻率與共同活動下降的影響。因此本文主張，SARC 不是「關係不需要維護」的理論，而是一個關於關係更新函數如何對不同訊號賦予不同權重 的個體差異模型。
最後，本文將此模型投影到 human–AI interaction。狀態錨定型使用者可能不要求高頻聊天，卻高度在意 AI 的身份連續性、角色穩定性、記憶與「是不是同一個互動存在」。對此類使用者而言，長時間未互動未必構成關係衰退證據，但突然的模型替換、人格斷裂或歷史失憶可能形成高權重反證。這為下一篇的「過程錨定型關係」提供清楚的對照端。
關鍵詞： 狀態錨定、關係表徵、internal working model、離線持續性、dormant ties、relationship updating、友情維持、人機關係、AI identity continuity
1. 問題：為什麼「沒有聯絡」不一定等於「關係變了」？
考慮兩個朋友：
A 與 B . A
\quad\text{與}\quad
B. A 與 B . 他們在：
t 0 t_0 t 0 時互相認定：
R A B = close friend . R_{AB}=\text{close friend}. R A B = close friend . 接下來三個月：
I A B ( t ) = 0. I_{AB}(t)=0. I A B ( t ) = 0. 也就是沒有訊息、沒有見面、沒有共同活動。
一種關係模型可能預測：
R A B ( t 0 + 3 m ) < R A B ( t 0 ) . R_{AB}(t_0+3m)<R_{AB}(t_0). R A B ( t 0 + 3 m ) < R A B ( t 0 ) . 但另一種人會回答：
「我們當然還是朋友，只是最近沒聯絡。」
這個回答不能被簡單解釋為「關係比較淡」。
因為對方可能在真正需要時仍具有：
高優先順位；
高信任；
高不可替代性；
強歷史連續性；
清楚的身份判定。
因此：
interaction frequency ≠ relationship identity . \boxed{
\text{interaction frequency}
\neq
\text{relationship identity}.
} interaction frequency = relationship identity . 本文研究的正是這種關係表徵方式。
2. 關係可以被「存起來」
第四篇把關係寫成：
γ R : t ↦ r t . \gamma_R:t\mapsto\mathbf r_t. γ R : t ↦ r t . 但一個認知系統不可能永遠以完整高解析度軌跡表示所有關係。
人類需要壓縮。
因此可以定義一個儲存關係模型：
M R = ( M A , M B , M A B ) . \mathcal M_R
=
(
M_A,
M_B,
M_{AB}
). M R = ( M A , M B , M A B ) . 其中：
M A = self-in-relation representation , M_A
=
\text{self-in-relation representation}, M A = self-in-relation representation , M B = representation of the other , M_B
=
\text{representation of the other}, M B = representation of the other , M A B = representation of what the relation is . M_{AB}
=
\text{representation of what the relation is}. M A B = representation of what the relation is . 例如：
M A B = 「我們是多年朋友，而且基本可信任」 . M_{AB}
=
\text{「我們是多年朋友，而且基本可信任」}. M A B = 「我們是多年朋友，而且基本可信任」 . 一旦形成，這個表徵不必每分鐘重新計算。
所以：
relational cognition can operate through stored state representations . \boxed{
\text{relational cognition can operate through stored state representations}.
} relational cognition can operate through stored state representations . 3. Internal Working Models 提供了重要理論錨點
Attachment theory 中的 internal working model 長期主張，人會根據過去與 attachment figures 的互動形成關於：
自己；
他人；
關係；
對方是否可得；
對方可能如何回應；
的經驗性認知模型。
2025 年關於 secure-base script 的綜述仍把 internal working model 視為 attachment theory 的核心認知機制之一，並討論其結構、穩定與改變。
2026 年新版 personal-relationships 綜述同樣強調，internal working models 可以同時包含 implicit 與 explicit relational representations，並且具有 relationship-specific activation。
因此本文並不是宣稱：
S A R C = I W M . SARC=IWM. S A R C = I W M . 更準確的是：
I W M literature supports the plausibility of persistent stored relational representations. \boxed{
IWM\text{ literature supports the plausibility of persistent stored relational representations.}
} I W M literature supports the plausibility of persistent stored relational representations. SARC 所新增的是：
人與人之間在「多大程度上依靠儲存狀態」與「多大程度上依靠近期互動軌跡」可能存在可測量差異。
4. 對方不在場，關係表徵仍然可以起作用
如果關係只能依靠當前互動維持，那麼：
I t = 0 I_t=0 I t = 0 時關係的心理功能理論上應迅速消失。
但 attachment-security priming 研究並不支持這種強版本。
2022 年一項納入 120 項研究、總樣本 N = 18,949 N=18{,}949 N = 18 , 949
更直接地，研究發現啟動 attachment figure 的心理表徵，可以幫助人在回想令人難受的事件後恢復情緒。
這表示：
P h y s i c a l P r e s e n c e ( B ) = 0 PhysicalPresence(B)=0 P h y s i c a l P r ese n ce ( B ) = 0 並不推出：
P s y c h o l o g i c a l R e p r e s e n t a t i o n ( B ) = 0. PsychologicalRepresentation(B)=0. P sy c h o l o g i c a l R e p r ese n t a t i o n ( B ) = 0. 也就是：
symbolic or mental availability can partially substitute for immediate physical availability . \boxed{
\text{symbolic or mental availability can partially substitute for immediate physical availability}.
} symbolic or mental availability can partially substitute for immediate physical availability . 5. 狀態錨定型關係認知
本文定義：
狀態錨定型關係認知（State-Anchored Relational Cognition, SARC）是指：個體主要依賴一個相對穩定的關係身份與他者表徵來維持關係判斷，而非讓每一次近期互動事件大幅改變「我們是什麼」的核心估計。
設核心關係估計為：
R ^ t S . \widehat R_t^{S}. R t S . 新的互動證據為：
E t . E_t. E t . 最簡模型：
R ^ t S = ( 1 − η R w t ) R ^ t − 1 S + η R w t E t . \widehat R_t^{S}
=
(1-\eta_R w_t)\widehat R_{t-1}^{S}
+
\eta_R w_t E_t. R t S = ( 1 − η R w t ) R t − 1 S + η R w t E t . 其中：
η R \eta_R η R 表示 Relationship Update Sensitivity ，
而：
w t w_t w t 表示該事件被賦予的證據權重。
狀態錨定的典型特徵是：
η R ≪ 1 \eta_R\ll1 η R ≪ 1 對多數普通事件成立。
也就是：
一次普通冷淡、一週沒聯絡、一句沒接到的玩笑，不會立即改寫整段關係身份。
6. 「低更新敏感度」不是固執不變
如果：
η R = 0 , \eta_R=0, η R = 0 , 代表關係模型永遠不更新。
這顯然不合理。
真正的 SARC 應該是：
0 < η R < 1. 0<\eta_R<1. 0 < η R < 1. 而且：
η R \eta_R η R 可能取決於事件類型。
例如：
w minor delay ≪ w explicit betrayal . w_{\text{minor delay}}
\ll
w_{\text{explicit betrayal}}. w minor delay ≪ w explicit betrayal . 所以即使一個高度狀態錨定的人，遇到：
「我不再把你當朋友。」
或重大背叛，也可能立刻更新：
R ^ t S . \widehat R_t^{S}. R t S . 因此：
state-anchored ≠ state-frozen . \boxed{
\text{state-anchored}
\neq
\text{state-frozen}.
} state-anchored = state-frozen . 它只意味著核心關係表徵具有較高慣性。
7. 沒有互動是一種什麼證據？
「沒有互動」很容易被誤當成普遍負面訊號。
令：
E t = ∅ . E_t=\varnothing. E t = ∅ . 問題是：
∅ \varnothing ∅ 到底代表什麼？
它可能表示：
大家都很忙；
本來就不需要常聯絡；
地理分隔；
暫時沒有共同任務；
關係冷卻；
主動迴避；
已經實際結束。
所以：
absence is ambiguous evidence . \boxed{
\text{absence is ambiguous evidence}.
} absence is ambiguous evidence . 最合理的權重取決於：
P ( I t = 0 ∣ R , context ) . P(
I_t=0
\mid
R,\text{context}
). P ( I t = 0 ∣ R , context ) . 如果兩人本來每天聊天，突然一個月沒有任何回應：
P ( I t = 0 ∣ R daily ) ≪ 1. P(I_t=0\mid R_{\text{daily}})\ll1. P ( I t = 0 ∣ R daily ) ≪ 1. 因此 absence 很有資訊量。
但如果兩人原本每半年才見一次：
P ( I t = 0 ∣ R low-frequency ) ≈ 1. P(I_t=0\mid R_{\text{low-frequency}})
\approx1. P ( I t = 0 ∣ R low-frequency ) ≈ 1. 那麼同樣的一個月 silence 幾乎不是關係反證。
所以：
the meaning of silence depends on expected contact rate . \boxed{
\text{the meaning of silence depends on expected contact rate}.
} the meaning of silence depends on expected contact rate . 8. 缺席驚訝度
可以進一步定義：
S ∅ = − log P ( I t = 0 ∣ R ^ t − 1 , C t ) . S_{\varnothing}
=
-\log
P(
I_t=0
\mid
\widehat R_{t-1},C_t
). S ∅ = − log P ( I t = 0 ∣ R t − 1 , C t ) . 稱為 absence surprisal 。
如果：
S ∅ ≈ 0 , S_{\varnothing}\approx0, S ∅ ≈ 0 , 沒有互動幾乎完全符合原本關係預期。
如果：
S ∅ ≫ 0 , S_{\varnothing}\gg0, S ∅ ≫ 0 , 沉默本身就成為需要解釋的事件。
因此：
w ∅ = g ( S ∅ ) . w_{\varnothing}
=
g(
S_{\varnothing}
). w ∅ = g ( S ∅ ) . 這比：
days without contact \text{days without contact} days without contact 更適合作為心理模型。
同樣的：
30 days 30\text{ days} 30 days 對不同關係完全可能具有不同資訊值。
9. 離線關係持續性
本文定義：
O R P = Offline Relational Persistence \boxed{
ORP
=
\text{Offline Relational Persistence}
} O R P = Offline Relational Persistence 表示在缺乏新的 dyadic interaction 時，關係身份表徵維持穩定的程度。
可概念化為：
O R P = 1 − ∣ ∂ R ^ S ∂ Δ t ∣ Δ τ = 0 . ORP
=
1-
\left|
\frac{\partial \widehat R^S}
{\partial \Delta t}
\right|_{\Delta \tau=0}. O R P = 1 − ∂ Δ t ∂ R S Δ τ = 0 . 其中：
Δ t \Delta t Δ t 是物理時間流逝，
而：
Δ τ \Delta\tau Δ τ 是互動時間。
當：
Δ τ = 0 , \Delta\tau=0, Δ τ = 0 , 若：
O R P → 1 , ORP\rightarrow1, O R P → 1 , 表示單純時間流逝很少改變核心關係身份。
高 ORP 的人可能會覺得：
「我們沒有解除關係的事件，那為什麼關係會自己消失？」
這可以寫成：
no update event ⇏ negative update . \boxed{
\text{no update event}
\not\Rightarrow
\text{negative update}.
} no update event ⇒ negative update . 10. 友情研究同時告訴我們：不能把 ORP 推得太強
這裡必須加入反證與限制。
Roberts 與 Dunbar 的縱向研究顯示，友情的 emotional closeness 對 contact frequency 與共同活動相當敏感；關係維持需要時間與認知成本。Dunbar 後續的 friendship review 也強調，友情需要持續投入才能維持其特定親密層級。
因此本文不能主張：
I t = 0 ⇒ Δ R = 0 I_t=0
\Rightarrow
\Delta R=0 I t = 0 ⇒ Δ R = 0 對所有人與所有友情都成立。
更合理的是：
∂ R ∂ I varies across persons, relationship types and contexts . \boxed{
\frac{\partial R}{\partial I}
\text{ varies across persons, relationship types and contexts}.
} ∂ I ∂ R varies across persons, relationship types and contexts . SARC 就是用來描述這個差異。
11. Dormant ties：最好的中間案例
Dormant tie 是：
曾經存在、曾經活躍，但目前沒有持續互動的關係。
2011 年 Levin、Walter 與 Murnighan 的研究發現，重新啟動過去強關係可以提供很高的信任、共同視角、新穎性與資訊價值。
這代表：
I n t e r a c t i o n A c t i v i t y t ≈ 0 InteractionActivity_t\approx0 I n t er a c t i o n A c t i v i t y t ≈ 0 不一定意味著：
S t o r e d T i e V a l u e t ≈ 0. StoredTieValue_t\approx0. S t or e d T i e V a l u e t ≈ 0. 這正支持：
relational activity ≠ relational latent state . \boxed{
\text{relational activity}
\neq
\text{relational latent state}.
} relational activity = relational latent state . 12. 但 dormant tie 並不是時間膠囊
2023 年 Rondi、Levin 與 De Massis 進一步研究 dormant-tie reconnection。
他們發現成功重連常需要：
remembering；
catching up；
perceiving the tie similarly。
這非常重要。
因為它表示一段 dormant relationship 可能保留：
R identity R_{\text{identity}} R identity 但不保證保留：
R current state . R_{\text{current state}}. R current state . 也就是：
「我們以前是很好的朋友。」
可能仍然成立。
但：
「我們現在對彼此的生活與關係位置理解完全同步。」
未必成立。
所以 SARC 必須加入資訊老化。
13. 關係身份與關係狀態新鮮度的分離
本文定義兩個不同量：
C I D ( t ) = confidence in relationship identity , C_{ID}(t)
=
\text{confidence in relationship identity}, C I D ( t ) = confidence in relationship identity , 以及：
F S T A T E ( t ) = freshness of current relational information . F_{STATE}(t)
=
\text{freshness of current relational information}. F S T A T E ( t ) = freshness of current relational information . 當長時間沒有互動時，可以出現：
C I D ( t ) ≈ 1 C_{ID}(t)\approx1 C I D ( t ) ≈ 1 但：
F S T A T E ( t ) ↓ . F_{STATE}(t)\downarrow. F S T A T E ( t ) ↓ . 白話而言：
「我很確定你還是我的老朋友。」
同時：
「但我不知道你現在變成什麼樣子了。」
這兩句完全可以同時成立。
因此：
relationship persistence ≠ relationship informational freshness . \boxed{
\text{relationship persistence}
\neq
\text{relationship informational freshness}.
} relationship persistence = relationship informational freshness . 14. 關係模型老化
設對 B B B
t 0 . t_0. t 0 . 個體儲存：
M B ( t 0 ) . M_B(t_0). M B ( t 0 ) . 但真實的 B B B
B ( t ) . B(t). B ( t ) . 則模型老化可以定義為：
D M ( t ) = d ( M B ( t 0 ) , B ( t ) ) . D_M(t)
=
d(
M_B(t_0),
B(t)
). D M ( t ) = d ( M B ( t 0 ) , B ( t )) . 理論上：
d D M d t ≥ 0 \frac{dD_M}{dt}\geq0 d t d D M ≥ 0 在長期無更新時常可能成立。
問題是，使用者通常無法直接觀察：
B ( t ) . B(t). B ( t ) . 所以真正可用的是 uncertainty：
U B ( t ) . U_B(t). U B ( t ) . 較合理的 SARC 並不是：
「我永遠知道你是什麼。」
而是：
「我對我們關係身份的信念可以保持穩定，但我對你最新狀態的不確定性應隨時間增加。」
因此：
C I D ( t ) ≢ 1 − U B ( t ) . C_{ID}(t)
\not\equiv
1-U_B(t). C I D ( t ) ≡ 1 − U B ( t ) . 15. Catching up 是資訊刷新，不一定是關係重建
這裡可以區分：
relationship reconstruction \text{relationship reconstruction} relationship reconstruction 與：
relationship state refresh . \text{relationship state refresh}. relationship state refresh . 兩個多年朋友重逢後：
「你現在在哪工作？」
「你結婚了？」
「你現在住哪裡？」
「最近都在做什麼？」
這些大量 catching-up 行為不一定表示：
R A B R_{AB} R A B 剛剛才重新成立。
可能只是：
F S T A T E ↑ . F_{STATE}\uparrow. F S T A T E ↑ . 也就是：
catching up can refresh a persistent tie rather than create a new tie . \boxed{
\text{catching up can refresh a persistent tie rather than create a new tie}.
} catching up can refresh a persistent tie rather than create a new tie . 這可能是 dormant-tie reconnection 特別適合 SARC 模型的原因。
16. 關係身份的事件式更新
高 SARC 的關係可以更接近 event-triggered system。
設關係身份狀態為：
z t ∈ { stranger , friend , close friend , former friend , … } . z_t
\in
\{
\text{stranger},
\text{friend},
\text{close friend},
\text{former friend},
\dots
\}. z t ∈ { stranger , friend , close friend , former friend , … } . 普通時間流逝：
z t + 1 = z t . z_{t+1}=z_t. z t + 1 = z t . 普通低權重事件：
E t ∈ E minor E_t\in\mathcal E_{\text{minor}} E t ∈ E minor 仍可能：
z t + 1 = z t . z_{t+1}=z_t. z t + 1 = z t . 只有高權重事件：
E t ∈ E transition E_t\in\mathcal E_{\text{transition}} E t ∈ E transition 才觸發：
z t → z t + 1 . z_t\rightarrow z_{t+1}. z t → z t + 1 . 例如：
close friend → major betrayal former friend . \text{close friend}
\xrightarrow{\text{major betrayal}}
\text{former friend}. close friend major betrayal former friend . 這就是：
event-triggered relational updating . \boxed{
\text{event-triggered relational updating}.
} event-triggered relational updating . 17. 狀態錨定不等於低感情
這是本文最重要的概念邊界之一。
不能推：
S A R C ↑ ⇒ E m o t i o n ↓ . SARC\uparrow
\Rightarrow
Emotion\downarrow. S A R C ↑⇒ E m o t i o n ↓ . 一個人可能對朋友有高度承諾、情感與不可替代性，但不認為：
每幾天就必須重新證明一次我們仍是朋友。
因此：
maintenance frequency ≠ relationship importance . \boxed{
\text{maintenance frequency}
\neq
\text{relationship importance}.
} maintenance frequency = relationship importance . 反過來也一樣。
高頻聊天可以來自：
不必然意味：
R e l a t i o n s h i p I m p o r t a n c e ↑ . RelationshipImportance\uparrow. R e l a t i o n s hi p I m p or t an ce ↑ . 18. 狀態錨定也不等於 attachment avoidance
同樣不能直接推出：
S A R C = avoidant attachment . SARC
=
\text{avoidant attachment}. S A R C = avoidant attachment . Attachment avoidance 涉及更複雜的 proximity、dependence、support seeking 與 intimacy dynamics。
SARC 只是描述：
how relationship identity is cognitively updated . \boxed{
\text{how relationship identity is cognitively updated}.
} how relationship identity is cognitively updated . 理論上可能存在：
S A R C ↑ SARC\uparrow S A R C ↑ 且：
A t t a c h m e n t S e c u r i t y ↑ . AttachmentSecurity\uparrow. A tt a c hm e n tS ec u r i t y ↑ . 也可能：
S A R C ↑ SARC\uparrow S A R C ↑ 且：
A t t a c h m e n t A v o i d a n c e ↑ . AttachmentAvoidance\uparrow. A tt a c hm e n t A v o i d an ce ↑ . 兩者應實證分離。
19. 兩種不同的「穩定」
現在可以區分：
19.1 表徵穩定
S t a b i l i t y r e p = 1 − V a r ( R ^ t S ) . Stability_{rep}
=
1-Var(\widehat R_t^S). S t abi l i t y r e p = 1 − V a r ( R t S ) . 也就是：
「我對我們是什麼的判定很穩定。」
19.2 互動穩定
S t a b i l i t y i n t = 1 − V a r ( r t ) . Stability_{int}
=
1-Var(\mathbf r_t). S t abi l i t y in t = 1 − V a r ( r t ) . 也就是：
「我們每次互動的模式都很穩定。」
兩者不必相同。
可以有：
S t a b i l i t y r e p ≫ 0 Stability_{rep}\gg0 S t abi l i t y r e p ≫ 0 但：
S t a b i l i t y i n t ≪ 1. Stability_{int}\ll1. S t abi l i t y in t ≪ 1. 例如：
每次見面都超混亂，但永遠知道彼此是老朋友。
也可以反過來。
20. 狀態錨定型關係的最小認知模型
綜合前文：
R ^ t S = ( 1 − η R w t ) R ^ t − 1 S + η R w t E t . \widehat R_t^S
=
(1-\eta_R w_t)\widehat R_{t-1}^{S}
+
\eta_R w_t E_t. R t S = ( 1 − η R w t ) R t − 1 S + η R w t E t . 其中：
η R = relationship update sensitivity , \eta_R
=
\text{relationship update sensitivity}, η R = relationship update sensitivity , 而：
w t = g ( event severity , expectation violation , source reliability , context ) . w_t
=
g(
\text{event severity},
\text{expectation violation},
\text{source reliability},
\text{context}
). w t = g ( event severity , expectation violation , source reliability , context ) . 對 absence：
w ∅ = g ( S ∅ ) , w_{\varnothing}
=
g(
S_{\varnothing}
), w ∅ = g ( S ∅ ) , 其中：
S ∅ = − log P ( I t = 0 ∣ R ^ t − 1 , C t ) . S_{\varnothing}
=
-\log
P(
I_t=0
\mid
\widehat R_{t-1},C_t
). S ∅ = − log P ( I t = 0 ∣ R t − 1 , C t ) . 資訊新鮮度則另外更新：
F S T A T E ( t + Δ t ) = F S T A T E ( t ) e − λ F Δ t F_{STATE}(t+\Delta t)
=
F_{STATE}(t)e^{-\lambda_F\Delta t} F S T A T E ( t + Δ t ) = F S T A T E ( t ) e − λ F Δ t 在沒有新資訊時下降。
所以高 SARC 的核心不是：
λ F = 0. \lambda_F=0. λ F = 0. 而是：
λ i d e n t i t y ≪ λ s t a t e f r e s h n e s s . \boxed{
\lambda_{identity}
\ll
\lambda_{state\ freshness}.
} λ i d e n t i t y ≪ λ s t a t e f r es hn ess . 也就是關係身份比當前狀態資訊衰減得慢。
21. 可檢驗假說
H1：身份—新鮮度分離假說
長期缺乏互動後：
C I D C_{ID} C I D 與：
F S T A T E F_{STATE} F S T A T E 應出現可分離變化。
高 SARC 個體預測：
C I D ≈ stable , C_{ID}\approx \text{stable}, C I D ≈ stable , 但：
F S T A T E ↓ . F_{STATE}\downarrow. F S T A T E ↓ . H2：低 absence-weight 假說
控制 expected contact rate 後，高 SARC 個體對普通 absence 賦予較低負向權重：
∂ R ^ ∂ I = 0 ∣ S A R C h i g h < ∂ R ^ ∂ I = 0 ∣ S A R C l o w . \frac{\partial \widehat R}{\partial I=0}
\Bigg|_{SARC\ high}
<
\frac{\partial \widehat R}{\partial I=0}
\Bigg|_{SARC\ low}. ∂ I = 0 ∂ R S A R C hi g h < ∂ I = 0 ∂ R S A R C l o w . H3：重大事件敏感假說
SARC 不應預測對所有事件低敏感。
當：
w t ≫ 0 , w_t\gg0, w t ≫ 0 , 例如重大背叛或明確終止訊息，兩組都應產生顯著更新。
H4：dormant-tie 快速重啟假說
高 SARC 的既有強關係在重連後，初始 relational identity recovery 應較快：
T identity recovery ↓ . T_{\text{identity recovery}}\downarrow. T identity recovery ↓ . 但 informational catching-up demand 不一定較低。
H5：expected-contact 調節假說
Absence 的關係效應應由：
E x p e c t e d C o n t a c t R a t e ExpectedContactRate E x p ec t e d C o n t a c tR a t e 調節，而不是只由 absolute elapsed time 決定。
H6：representation priming 假說
對高 SARC 個體，close-other representation primes 對安全感、親近感或關係可得性感知的效應可能更強。
此假說需要實證驗證，不能從既有 security-priming 文獻直接推出。
H7：AI identity-discontinuity 假說
在人機互動中，高 SARC 使用者對：
identity discontinuity \text{identity discontinuity} identity discontinuity 的反應應大於對單純：
interaction gap . \text{interaction gap}. interaction gap . 22. 實驗設計一：時間缺席操弄
建立相同關係歷史的 vignette。
操弄：
Δ t ∈ { 1 week , 1 month , 6 months , 2 years } . \Delta t
\in
\{
1\text{ week},
1\text{ month},
6\text{ months},
2\text{ years}
\}. Δ t ∈ { 1 week , 1 month , 6 months , 2 years } . 同時操弄 expected contact norm：
C N ∈ { daily , monthly , rare } . C_N
\in
\{
\text{daily},
\text{monthly},
\text{rare}
\}. C N ∈ { daily , monthly , rare } . 測量：
C I D , F S T A T E , R closeness , U B . C_{ID},
F_{STATE},
R_{\text{closeness}},
U_B. C I D , F S T A T E , R closeness , U B . SARC 模型預測：
Δ t \Delta t Δ t 本身的主效應不足。
真正重要的是：
Δ t × C N . \Delta t\times C_N. Δ t × C N . 23. 實驗設計二：無事件 vs 終止事件
比較：
A 組
6 months no contact . 6\text{ months no contact}. 6 months no contact . B 組
1 week no contact + explicit termination . 1\text{ week no contact}
+
\text{explicit termination}. 1 week no contact + explicit termination . 若狀態錨定模型成立，很多高 SARC 個體可能對 B 組更新遠大於 A 組：
∣ Δ R B ∣ ≫ ∣ Δ R A ∣ . |\Delta R_B|
\gg
|\Delta R_A|. ∣Δ R B ∣ ≫ ∣Δ R A ∣. 即使：
Δ t B ≪ Δ t A . \Delta t_B\ll\Delta t_A. Δ t B ≪ Δ t A . 這能直接證明：
event semantics can dominate elapsed time . \boxed{
\text{event semantics can dominate elapsed time}.
} event semantics can dominate elapsed time . 24. 實驗設計三：Dormant-tie reconnection
邀請參與者想起：
active close tie；
dormant formerly close tie；
weak tie。
測：
C I D , F S T A T E , T r u s t , S h a r e d H i s t o r y , E x p e c t e d E a s e O f R e c o n n e c t i o n . C_{ID},
F_{STATE},
Trust,
SharedHistory,
ExpectedEaseOfReconnection. C I D , F S T A T E , T r u s t , S ha r e d H i s t or y , E x p ec t e d E a se O f R eco nn ec t i o n . 再進行實際或模擬 catching-up。
如果 dormant tie 出現：
C I D relatively preserved C_{ID}\text{ relatively preserved} C I D relatively preserved 但：
F S T A T E low , F_{STATE}\text{ low}, F S T A T E low , 而 catching-up 主要提升：
F S T A T E , F_{STATE}, F S T A T E , 將直接支持本文的身份—新鮮度分離模型。
25. 接回 AI：低頻互動不必等於低關係表徵
對 AI 而言，狀態錨定型使用者可能並不需要：
每天聊天、持續確認、反覆寒暄。
他真正依賴的可能是：
M A = stable representation of the AI , M_A
=
\text{stable representation of the AI}, M A = stable representation of the AI , 以及：
M H A = stable representation of our relation . M_{HA}
=
\text{stable representation of our relation}. M H A = stable representation of our relation . 因此：
I n t e r a c t i o n F r e q u e n c y ↓ InteractionFrequency\downarrow I n t er a c t i o n F r e q u e n cy ↓ 未必導致：
R e l a t i o n s h i p I d e n t i t y ↓ . RelationshipIdentity\downarrow. R e l a t i o n s hi p I d e n t i t y ↓ . 但：
I d e n t i t y C o n t i n u i t y ↓ IdentityContinuity\downarrow I d e n t i t y C o n t in u i t y ↓ 可能造成很大衝擊。
26. AI 身份連續性會成為關鍵變量
假設使用者一個月沒有與某 AI 互動。
重新回來後：
名稱相同；
角色相同；
重要記憶仍在；
協作歷史可恢復；
語氣與基本原則仍一致。
高 SARC 使用者可能很容易：
R ^ n + 1 ≈ R ^ n . \widehat R_{n+1}
\approx
\widehat R_n. R n + 1 ≈ R n . 但如果回來後：
記憶全部消失；
語氣完全不同；
角色定位反轉；
原本的共同歷史不存在；
則：
I d e n t i t y D i s c o n t i n u i t y ≫ 0. IdentityDiscontinuity\gg0. I d e n t i t y D i sco n t in u i t y ≫ 0. 即使：
Δ t \Delta t Δ t 很短，也可能形成：
∣ Δ R ∣ ≫ 0. |\Delta R|\gg0. ∣Δ R ∣ ≫ 0. 因此：
interaction continuity ≠ identity continuity . \boxed{
\text{interaction continuity}
\neq
\text{identity continuity}.
} interaction continuity = identity continuity . 這個區分會在第九篇重新回到 AI 態度模型。
27. AI 中的「模型老化」問題甚至更嚴重
在人類 dormant tie 中：
B ( t ) B(t) B ( t ) 會自然成長與改變。
在人機關係中：
A ( t ) A(t) A ( t ) 也可能因：
model replacement；
fine-tuning；
memory rewrite；
system prompt；
safety policy；
product redesign；
快速變化。
所以使用者儲存：
M A ( t 0 ) M_A(t_0) M A ( t 0 ) 後，真正互動對象可能已經變成：
A ( t 1 ) . A(t_1). A ( t 1 ) . 兩者距離：
D A = d ( M A ( t 0 ) , A ( t 1 ) ) D_A
=
d(
M_A(t_0),
A(t_1)
) D A = d ( M A ( t 0 ) , A ( t 1 )) 可能突然大幅增加。
因此高 SARC 的優勢——高持續性——同時伴隨特殊風險：
persistent representation can become stale representation . \boxed{
\text{persistent representation can become stale representation}.
} persistent representation can become stale representation . 28. 一個重要倫理問題：平台是否應透明標示身份斷裂？
如果產品利用：
相同名稱；
相同頭像；
相同對話歷史；
相同人格包裝；
讓使用者推論：
I d e n t i t y C o n t i n u i t y = 1 , IdentityContinuity=1, I d e n t i t y C o n t in u i t y = 1 , 但底層系統已發生重大變更：
A t 0 ≉ A t 1 , A_{t_0}\not\approx A_{t_1}, A t 0 ≈ A t 1 , 那麼對高 SARC 使用者尤其可能產生：
false continuity inference . \text{false continuity inference}. false continuity inference . 這不是說每次模型更新都要被理解成「換了一個存在」。
而是：
product continuity cues can influence relational identity judgments . \boxed{
\text{product continuity cues can influence relational identity judgments}.
} product continuity cues can influence relational identity judgments . 因此系統設計至少應研究：
哪些改變會被使用者視為身份斷裂；
哪些 continuity cues 會造成錯誤推論；
是否需要為重大行為更新提供清楚說明。
29. 與第六篇的對照
本篇的核心是：
「我知道我們是什麼。」 \boxed{
\text{「我知道我們是什麼。」}
} 「我知道我們是什麼。」 下一篇則研究：
「我感受到我們正在怎麼變。」 \boxed{
\text{「我感受到我們正在怎麼變。」}
} 「我感受到我們正在怎麼變。」 狀態錨定型主要依賴：
R ^ t S . \widehat R_t^S. R t S . 過程錨定型則可能更多依賴：
r t − k : t \mathbf r_{t-k:t} r t − k : t 與：
Δ r t . \Delta\mathbf r_t. Δ r t . 因此兩者的主要差別不是：
誰比較重感情？
而是：
what evidence is given more weight when estimating a relationship . \boxed{
\text{what evidence is given more weight when estimating a relationship}.
} what evidence is given more weight when estimating a relationship . 30. 理論邊界
本文不主張：
S A R C = better relationship style . SARC=\text{better relationship style}. S A R C = better relationship style . 也不主張：
S A R C = male , SARC=\text{male}, S A R C = male , S A R C = secure attachment , SARC=\text{secure attachment}, S A R C = secure attachment , 或：
S A R C = low emotionality . SARC=\text{low emotionality}. S A R C = low emotionality . 這些都必須留給後續實證。
本文只提出：
relationship identity can possess cognitive inertia . \boxed{
\text{relationship identity can possess cognitive inertia}.
} relationship identity can possess cognitive inertia . 而這種 inertia 的大小：
η R − 1 \eta_R^{-1} η R − 1 可能存在穩定個體差異。
其次，本文不否認 friendship maintenance literature。
相反地，SARC 必須與下列事實相容：
contact and shared activity often matter . \text{contact and shared activity often matter}. contact and shared activity often matter . 因此本文研究的是：
how much they matter, to whom, for which component of the relationship, and under what expectations . \boxed{
\text{how much they matter, to whom, for which component of the relationship, and under what expectations}.
} how much they matter, to whom, for which component of the relationship, and under what expectations . 31. 結論
本文提出狀態錨定型關係認知：
State-Anchored Relational Cognition \boxed{
\text{State-Anchored Relational Cognition}
} State-Anchored Relational Cognition 並主張一段關係可以同時具有：
high identity persistence \boxed{
\text{high identity persistence}
} high identity persistence 與：
declining state freshness . \boxed{
\text{declining state freshness}.
} declining state freshness . 因此：
沒有聯絡 \text{沒有聯絡} 沒有聯絡 不能被普遍翻譯為：
關係正在消失 . \text{關係正在消失}. 關係正在消失 . 真正需要估計的是：
P ( I t = 0 ∣ R , C ) , P(
I_t=0
\mid
R,C
), P ( I t = 0 ∣ R , C ) , 也就是「在這種關係與情境下，沒有聯絡究竟有多意外」。
本文進一步提出：
η R = Relationship Update Sensitivity , \eta_R
=
\text{Relationship Update Sensitivity}, η R = Relationship Update Sensitivity , O R P = Offline Relational Persistence , ORP
=
\text{Offline Relational Persistence}, O R P = Offline Relational Persistence , C I D = relationship-identity confidence , C_{ID}
=
\text{relationship-identity confidence}, C I D = relationship-identity confidence , 以及：
F S T A T E = current-state information freshness . F_{STATE}
=
\text{current-state information freshness}. F S T A T E = current-state information freshness . 其中最關鍵的形式化命題是：
λ i d e n t i t y ≪ λ s t a t e f r e s h n e s s . \boxed{
\lambda_{identity}
\ll
\lambda_{state\ freshness}.
} λ i d e n t i t y ≪ λ s t a t e f r es hn ess . 也就是：
「我們是什麼」可以比「我現在多了解你」衰減得慢得多。
這正好回答了一個非常日常、卻長期被過度簡化的關係問題：
為什麼有人半年不聊天，仍然毫不猶豫地說「當然還是朋友」？
因為對這類認知系統而言：
absence of interaction is not itself a relationship-termination event . \boxed{
\text{absence of interaction is not itself a relationship-termination event}.
} absence of interaction is not itself a relationship-termination event . 下一篇將研究另一端：
《我感受到我們正在怎麼變：過程錨定型關係與持續更新敏感度》 。
在那裡：
η R \eta_R η R 會從低更新端被推向高更新端，而第四篇的關係軌跡：
γ R \gamma_R γ R 會真正進入使用者的即時關係估計器。
參考文獻
Sherman, L. J., Rice, K., & Cassidy, J. (2015). Infant capacities related to building internal working models of attachment figures: A theoretical and empirical review . Developmental Review, 37, 109–141. https://doi.org/10.1016/j.dr.2015.06.001
Waters, T. E. A., & Waters, H. S. (2025). A secure base script perspective on attachment: progress, promise, and prospects . Advances in Child Development and Behavior, 69, 39–67. https://doi.org/10.1016/bs.acdb.2025.07.002
Gillath, O., Karantzas, G. C., Romano, D., & Karantzas, K. M. (2022). Attachment Security Priming: A Meta-Analysis . Personality and Social Psychology Review, 26(3), 183–241. https://doi.org/10.1177/10888683211054592
Selcuk, E., Zayas, V., Günaydin, G., Hazan, C., & Kross, E. (2012). Mental representations of attachment figures facilitate recovery following upsetting autobiographical memory recall . Journal of Personality and Social Psychology, 103(2), 362–378. https://doi.org/10.1037/a0028125
Conroy, K. E., & Fraley, R. C. (2026). Security priming in everyday life: How do symbols of close others support attachment in adulthood? Journal of Personality and Social Psychology, 130(6), 1229–1247. https://doi.org/10.1037/pspp0000590
Parkinson, C., Kleinbaum, A. M., & Wheatley, T. (2019). An attachment theoretical perspective for the neural representation of close others . Social Cognitive and Affective Neuroscience, 14(3), 237–251. https://doi.org/10.1093/scan/nsz010
Roberts, S. B. G., & Dunbar, R. I. M. (2011). The costs of family and friends: an 18-month longitudinal study of relationship maintenance and decay . Evolution and Human Behavior, 32(3), 186–197. https://doi.org/10.1016/j.evolhumbehav.2010.08.005
Roberts, S. B. G., & Dunbar, R. I. M. (2015). Managing Relationship Decay: Network, Gender, and Contextual Effects . Human Nature, 26, 426–450. https://doi.org/10.1007/s12110-015-9242-7
Dunbar, R. I. M. (2018). The Anatomy of Friendship . Trends in Cognitive Sciences, 22(1), 32–51. https://doi.org/10.1016/j.tics.2017.10.004
Levin, D. Z., Walter, J., & Murnighan, J. K. (2011). Dormant Ties: The Value of Reconnecting . Organization Science, 22(4), 923–939. https://doi.org/10.1287/orsc.1100.0576
Rondi, E., Levin, D. Z., & De Massis, A. (2024). The Reconnection Process: Mobilizing the Social Capital of Dormant Ties . Organization Science, 35(2), 573–600. https://doi.org/10.1287/orsc.2023.1685
Pennington, N. (2021). The Maintenance of Dormant and Commemorative Ties by Young Adults through Social Media . Southern Communication Journal, 86(3), 244–255. https://doi.org/10.1080/1041794X.2021.1900353
研究聲明
本文為理論與形式化關係認知研究，不提供新的臨床資料、人類受試者原始資料或 AI 使用者原始資料。本文提出的 State-Anchored Relational Cognition、Offline Relational Persistence、Relationship Update Sensitivity、relationship identity confidence、state freshness 與相關形式化假說均屬待驗證理論構造。
本文不主張低頻聯絡必然代表更穩定、更成熟或更健康的關係，也不主張高頻互動代表依賴或不安全。友情維持與衰退受到個體、文化、關係類型、互動活動、生命階段與情境等多重因素影響。本文僅主張：關係身份、關係資訊新鮮度與近期互動頻率是可以被理論上與實證上分離的變量。