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

The Generation of Cognitive Domains: Domains as Operator Closure and Operational Ecology

系列： Cognitive Operator-Domain Theory, CODT / 認知算子-域理論
系列篇次： 03 / 10
版本： v1.0
日期： 2026-08-20
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 / Domain Emergence 篇
前篇： CODT-02〈認知算子代數與相對原子性〉

摘要

CODT-01 已提出「Operator Before Domain」，CODT-02 則建立 typed contextual partial cognitive operator algebra，使 operator identity、composition、history 與 relative atomicity 不再依賴預設的認知分類。本文進一步回答 CODT 的第一個核心本體問題：認知域究竟是什麼？

本文拒絕將「歸納、觀察、演繹、解釋、記憶」等歷史方法名稱直接視為封閉 domain。相反，本文提出 domain 是一個由合法算子、可重複組合、作用對象、認識資格、運行歷史、失效邊界、資源限制與預測/壓縮價值共同生成的後生操作區。其最小候選形式為：

\boxed{ \mathfrak D_\alpha^{(t,B)} = \operatorname{Cl}_{\Lambda_\alpha}^{B} ( \mathcal U_\alpha ) }

其中 closure 不是純集合論 closure，也不是任意圖社群；它表示在 context、type、license、resource 與 history 條件下，一組 operators / operator words 透過合法重用、循環與穩定介面形成的有限 runtime region。

本文進一步提出 Domain-Likeness 多維判準：

\boxed{ DLike = f( Predictivity, Compression, Stability, Legality, Boundary, Reuse, FailureCoherence, RegimeRobustness ). }

因此，一個 cluster 不是因為 modularity 高就成為 domain，一組古典方法也不是因為名稱相近就成為 domain。domain 可以重疊、分層、跨尺度，也可以隨 runtime evidence 被 split、merge、downgrade 或撤回。domain membership 是 derived、versioned 且可為 soft membership：

m_\alpha( \Omega_i,t,\Gamma ) \in [0,1].

本文同時整合 Domainization Experimental Foundations 的初步 falsification：在 synthetic operator traces 中，human family labels 雖捕捉到非隨機結構，但無監督 runtime chart 在 label-blind normal traces 上可略微優於 human family partition；同一 operator universe 在不同 regime 下可形成不同 chart assignment；然而後續 MDL 與 flow/atlas ablation 又顯示，許多 regime shift 首先是 transition flow 改變，而不是值得付出 complexity cost 的 domain repartition。這迫使 CODT 將 domain 從「固定社群」修正為 quasi-stable operational chart over adaptive flow。

本文最終提出三個層級：Domain Seed、Domain Candidate、Promoted Domain。歷史名稱、人工分類與理論直覺只具有 seed 地位；candidate 必須在 operator ecology 中取得結構與 runtime 證據；promotion 則要求外部、跨 session、跨 observer / agent、可重放且 complexity-adjusted 的證據。目前 CODT 不宣稱任何完整認知域已取得最終 promotion。

關鍵詞

認知域；CODT；domain emergence；operator ecology；closure；overlapping domains；community detection；MDL；cognitive atlas；runtime chart；domain-likeness；認知解構學

1. 問題：Domain 不能只是下一層 taxonomy

一個理論從「方法」走向「域」，最容易犯的錯誤是：

\text{Induction} \rightarrow \text{Induction Domain},

\text{Observation} \rightarrow \text{Observation Domain},

\text{Explanation} \rightarrow \text{Explanation Domain}.

這種做法表面上完成了 domainization，實際上只是把 suffix 從 Method 換成 Domain。

CODT 拒絕這個操作。

原因在前兩篇已經建立。

第一，一個 named method 可以被拆成多個 shared-bottom operators。

第二，一個 operator 可以同時服務多個 historical methods。

第三，一個方法名稱可以是一個 program topology，而不是一個封閉 operator set。

第四，一個 domain 如果一開始就被寫進 operator identity，就會形成循環：

\text{Domain} \rightarrow \text{OperatorMembership} \rightarrow \text{Domain}.

因此 CODT-03 必須先回答：

在不預設 domain name 的情況下，什麼樣的 operator ecology 有資格被稱為「域」？

2. Domain Seed、Domain Candidate、Promoted Domain

為避免「想到一個名字就算找到一個域」，本文首先建立三層狀態。

2.1 Domain Seed

Domain seed 是：

\boxed{ \text{a hypothesis about possible domain structure}. }

它可以來自：

古典方法名稱；
心理學功能分類；
AI architecture；
operator family；
historical module；
human intuition；
clustering output；
expert annotation。

例如：

Observation / Acquisition

Memory / Persistence

Search / Exploration

可以先成為 seeds。

但：

\boxed{ Seed \neq Domain. }

2.2 Domain Candidate

當 seed 在 operator ecology 中取得：

recurrent legal composition；
stable interface；
shared types；
shared license；
coherent failure boundary；
predictive / compressive value；
bootstrap / cross-run stability；

才可以提升為 candidate：

\boxed{ Seed \rightarrow Candidate. }

2.3 Promoted Domain

Promoted domain 要求比 synthetic/internal evidence 更高的證據門檻。

至少要有：

external traces；
multiple sessions；
multiple observers / agents；
annotation reliability；
complexity-adjusted held-out value；
reproducible failure boundary；
clear scope；
replayable provenance。

因此：

\boxed{ Candidate \not\Rightarrow Promoted. }

這個三層區分是 CODT 防止 domain inflation 的第一道防火牆。

3. 第一版 Domain Definition

令：

\mathcal O

為 operator universe。

令：

\mathcal U_\alpha \subseteq \mathcal O

為 seed operator set。

令：

\Lambda_\alpha

表示與該候選 domain 相關的 legality / license structure。

令：

B

為 resource budget。

最小 domain candidate：

\boxed{ \mathfrak D_\alpha^{(t,B)} = \operatorname{Cl}_{\Lambda_\alpha}^{B} ( \mathcal U_\alpha ). }

這裡：

\operatorname{Cl}_{\Lambda_\alpha}^{B}

不是純 topology closure，也不是一般代數 closure 的直接借用。

它表示：

從 seed operators 出發，在指定 type、context、license、history 與 budget 條件下，反覆加入能形成穩定合法 composition、接口、循環、failure relation 或 predictive relation 的 operators / programs。

因此 domain 是：

\boxed{ \text{resource-bounded legal operational closure candidate}. }

4. 為什麼需要 Closure

若沒有 closure，domain 只是一張人工 member list。

例如：

D_{Search} = \{ FormQuery, BindSpace, Expand, Prune \}.

這仍然只是分類。

真正的 closure 問題是：

若：

FormQuery \rightarrow BindSearchSpace \rightarrow InitializeFrontier \rightarrow ExpandFrontier

在多個不同程序中反覆合法出現，而且 Retrieve、SeekDisconfirmingCase、PlanSearch 等都依賴這條 substrate，那麼：

\operatorname{Cl} ( \mathcal U_{Search} )

是否應包含：

generic search-control operators；
shared trace operators；
termination control；
scoring interface；
bounded resource policy？

因此 closure 不是：

「名字像 Search 的都放進去。」

而是：

「哪些 operations 在這個作用區中形成不可忽略的合法可達結構？」

5. Closure 不能是無界膨脹

若任何和 domain 有一條關係的 operator 都加入 closure，最後會得到：

\mathfrak D_\alpha = \mathcal O.

這沒有資訊價值。

所以 CODT 加入 bounded closure。

至少受以下條件限制：

\boxed{ ClosureGuard = Legality \land Relevance \land ResourceBound \land InterfaceCoherence \land EvidenceThreshold. }

因此某 operator 雖然可以被某 domain 的 program 使用，不代表它必須成為該 domain 的核心 member。

例如：

Observation program 使用 Memory。

不等於：

Memory \subseteq Observation.

Search 使用 Attention。

不等於：

Attention \subseteq Search.

所以 CODT 必須區分：

\boxed{ \text{Uses} \neq \text{BelongsTo} \neq \text{CoreOf}. }

6. Domain Membership 是 Derived

對 operator：

\Omega_i

以及 candidate domain：

\mathfrak D_\alpha,

CODT 不要求 crisp membership。

定義：

\boxed{ m_\alpha( \Omega_i, t, \Gamma ) \in [0,1]. }

membership 可以由：

reuse frequency；
transition affinity；
shared I/O types；
shared license；
failure coherence；
predictive gain；
graph attachment；
domain-specific necessity；

等 derived evidence 計算。

因此：

\boxed{ DomainMembership \notin CanonicalOperatorIdentity. }

這延續 CODT-01 / 02。

operator 先存在。

domain membership 後生。

7. Domain 可以重疊

認知作用天然具有重疊性。

例如：

COG-REP-006 AuditRepresentationPreservation

可能同時參與：

Representation；
Verification；
Abstraction；
Analogy；
Cross-Domain Translation。

因此允許：

\boxed{ \Omega_i \in \mathfrak D_\alpha \cap \mathfrak D_\beta. }

甚至：

m_\alpha(\Omega_i)>0, \quad m_\beta(\Omega_i)>0.

外部 network science 早已提供大量 overlapping communities 的例子；Ahn、Bagrow、Lehmann 以 link communities 說明 overlap 與 hierarchy 可以同時存在。CODT 使用這類結果作結構參照，但不把 network community 直接等同 cognitive domain。

所以：

\boxed{ \text{Overlapping Community} \neq \text{Cognitive Domain} }

但它提供一個重要提醒：

「一個 node 只能屬於一個 group」不是自然必然條件。

8. Domain 也可以分層

Domain 可以有：

local niche；
subdomain；
macro-domain；
cross-domain bridge；
meta-domain；
observer-relative chart。

例如：

Search

可以出現在：

ProblemSolving

更大結構中。

但也可能和：

MemoryRetrieval, Refutation, Planning

形成 overlapping local niches。

因此：

\boxed{ \mathfrak D_\alpha \subseteq \mathfrak D_\beta }

可以成立。

但這種 inclusion 必須由 runtime / structural evidence 支持，而不是由自然語言詞彙大小決定。

9. Operator Ecology

CODT 將一個時間 $t$ 的 cognitive ecology 寫成：

\boxed{ \mathcal E_t^{Cog} = ( \mathcal O_t, \mathcal W_t^{adm}, H_t, P_t, F_t, B_t ) }

其中：

$\mathcal O_t$ ：active operators；
$\mathcal W_t^{adm}$ ：admissible operator words；
$H_t$ ：history；
$P_t$ ：transition / routing structure；
$F_t$ ：failure / boundary relations；
$B_t$ ：resource state。

domain 並不是先於 ecology 的容器。

domain 是從 ecology 中抽出的 derived chart。

因此：

\boxed{ \mathfrak D_t = Chart( \mathcal E_t^{Cog} ). }

這裡 Chart 是抽象記號。

它可以由人類分析、clustering、MDL、predictive coding、runtime statistics 或 future learning algorithm 產生。

10. Domain-Likeness 不是單一分數

一個 cluster 如果 modularity 高，是否就是 domain？

CODT 的答案是：

\boxed{ No. }

一個 cluster 如果 predictive gain 高，是否就是 domain？

仍然：

\boxed{ No. }

所以本文提出多維：

\boxed{ DLike( \mathfrak D_\alpha ) = f( P, C, S, L, B, R, F, G ). }

其中：

$P$ ：Predictivity；
$C$ ：Compression；
$S$ ：Stability；
$L$ ：Legality coherence；
$B$ ：Boundary coherence；
$R$ ：Reuse；
$F$ ：Failure coherence；
$G$ ：Regime robustness。

不同應用可以對這些維度加權。

但 CODT 拒絕把它們壓成唯一 universal score。

所以更準確地說：

\boxed{ DLike = \text{evidence vector}, }

而不是：

DLike = \text{single true scalar}.

11. Predictivity

若 domain partition：

\Pi

對 future operator / program transition 有壓縮或 prediction value，則它取得一種 runtime evidence。

例如：

Bits( U_{t+1} \mid \Pi(U_t) ) < Bits( U_{t+1} ).

這表示 domain chart 不是純裝飾。

但 predictive value 仍然不等於 ontology truth。

因此：

\boxed{ Predictive \neq OntologicallyTrue. }

12. Compression

若一個 chart 可以用更少 description length 表示 transition structure：

L( H \mid \Pi ) + L(\Pi) < L(H),

則它取得 compression evidence。

這裡：

L(\Pi)

非常重要。

如果不收 atlas complexity cost，最細 partition 很容易 overfit。

因此 CODT 吸收先前 MDL experiment 的教訓：

\boxed{ \text{Predictive Fit} \neq \text{Good Domain Model}. }

domain 本身也必須付描述成本。

13. Stability

若 candidate domain 在：

bootstrap；
resampling；
session；
observer；
task；
time window；

下持續保持相似 structure，則取得 stability evidence。

但 stability 也不是絕對越高越好。

一個永遠不變的 domain 也可能只是人工 hard-coded taxonomy。

因此：

\boxed{ Stable \neq Valid. }

14. Legality Coherence

真正 domain 內的 recurrent words 應有較高的 legal composition density 或較穩定的 legality grammar。

若同一 cluster 裡的 operators 幾乎不能合法 composition，則：

DLike

應下降。

因此：

\boxed{ \text{Co-membership} \not\Rightarrow \text{Composable}. }

domain candidate 要證明：

為什麼這些 operators 在同一作用區內，而不是只因 embedding / name similarity 被聚在一起。

15. Boundary Coherence

domain 不只要知道內部有什麼，也要知道邊界在哪。

boundary evidence 可以包括：

type incompatibility；
license transition；
bridge requirement；
high failure rate；
resource discontinuity；
representation change；
world-interface transition。

因此：

\boxed{ Domain = Interior + Boundary. }

沒有 boundary 的 domain 很容易無限擴張。

16. Failure Coherence

CODT 特別把 failure 放進 domain definition。

若一組 operators 在相似條件下產生：

同類 failure；
相同 rollback；
相同 unresolved state；
相同 certification blocker；

這本身也是 domain-likeness evidence。

例如：

Search

的典型 failures 可能是：

frontier explosion；
premature pruning；
false termination；
search-space mismatch。

若這些 failure patterns 比 operator names 更穩定，它們反而可能更能界定 Search domain。

因此：

\boxed{ FailureBoundary \text{ can be more informative than NameBoundary}. }

17. Reuse

Shared-bottom operator 的重要性來自跨 program reuse。

若：

\Omega

在大量不同 historical methods 中被重複合法調用，則：

Reuse(\Omega)

增加。

但高 reuse 可能意味著：

它是某 domain 核心；
它是跨域 infrastructure；
它是 meta-control；
它太粗，需要再次拆解。

因此：

\boxed{ HighReuse \not\Rightarrow CoreMembership. }

這是 Domain 與 Shared-Bottom 的重要差異。

18. Human Family 是 Seed，不是 Ground Truth

CDD Phase 0.3 曾建立 27 個 human-facing domain seeds。

例如：

Observation / Acquisition；
Memory / Persistence；
Categorization；
Generalization / Induction；
Formal Entailment；
Abductive Search；
Explanation；
Search / Exploration；
Belief / Uncertainty；
Decision / Preference；
Planning / Goal；
Action Intent / Boundary；
Meta-Observation / Self-Audit。

這些 seeds 在理論上非常有用。

因為它們提供：

\boxed{ \text{human interpretable initialization}. }

但它們不等於：

\boxed{ \text{ground-truth domain ontology}. }

CODT 的實驗策略是：

先讓 human seeds 接受 runtime falsification。

19. 第一輪 Domain Emergence 實驗的真正意義

Domainization Experimental Foundations 曾用 synthetic operator traces 進行第一輪 emergence experiment。

其目的不是證明 domain ontology。

而是測：

如果把 operators 真正跑成合法 sequences，是否出現 non-random intermediate structure？

Phase 0.4 得到的關鍵是：

synthetic ecology 出現穩定非隨機 cluster structure；
bootstrap stability 高於隨機；
emergent chart 對 transition 有 predictive value；
但 human-family partition 仍比當時的 unsupervised chart 更好。

因此第一輪真正得到的是：

\boxed{ \text{non-random domain-like structure exists} }

而不是：

\boxed{ \text{the true cognitive domains have been discovered}. }

這個區分後來成為 CODT promotion gate 的核心。

20. Abduction / Explanation 的 Falsification Pressure

更有價值的是負結果。

Abductive Search seed 在早期 emergence experiment 中承受強烈 falsification pressure。

原因不是 abduction 不存在。

而是：

Abduction

被拆成：

surprise detection；
hypothesis generation；
search；
ranking；
decision；
budget/planning；
explanation relation。

因此原本想像中的：

\mathfrak D_{Abduction}

很難形成封閉作用區。

這支持：

\boxed{ Abduction = CrossDomainProgram }

比：

Abduction = PrimitiveDomain

更合理。

Explanation 也出現相似現象。

這證明 CODT 的 domainization 不是只會創造更多 domains。

它也能：

\boxed{ \text{delete or downgrade domain hypotheses}. }

21. Memory 的裂解

Memory seed 也曾出現有趣的 mixed evidence。

一部分：

Encode, Index, Store

比較接近 persistence / acquisition。

另一部分：

Cue, Retrieve, Recall

又和 attention / search 關係更強。

因此：

\boxed{ \text{human word "memory"} \not\Rightarrow \text{one operational domain}. }

這是 CODT 與普通 cognitive taxonomy 的差異。

自然語言的一個詞可能壓縮多個 operation regions。

22. Human Taxonomy 有結構，但不是最佳 Runtime Partition

Phase 0.5 的 label-blind normal runtime 出現一個更有趣結果。

human family-prefix partition 顯著優於 size-preserving random relabeling。

這表示：

\boxed{ \text{human categories capture real structure}. }

但 unsupervised learned runtime chart 又能在 held-out transition prediction 上略微優於 human partition。

所以更精確的是：

\boxed{ \text{Human Taxonomy} = \text{Informative Prior}, }

但：

\boxed{ \text{Human Taxonomy} \neq \text{Optimal Runtime Atlas}. }

這是 CODT 的重要平衡。

它既不反古典分類。

也不把古典分類神聖化。

23. Domain Chart 會不會隨 Regime 改變？

早期 experiments 曾看到：

ARI( Chart_{normal}, Chart_{stress} )

偏低。

這很容易導致一個強猜想：

domain 是 dynamic attractor，遇到 regime shift 就重新分區。

但後續 flow / atlas ablation 與 MDL experiment 修正了這個結論。

大量 adaptation gain 其實來自：

P_t( U_{t+1} \mid U_t )

等 transition flow 參數更新。

真正更換 partition 的額外 gain 很小，甚至在 OOD 下可能為負。

因此 CODT 不再採用：

\boxed{ \text{Domain = rapidly moving partition}. }

而採用更保守：

\boxed{ \text{Quasi-Stable Atlas over Adaptive Flow}. }

24. Flow 與 Domain 必須分離

令：

P_t

表示 operator transition flow。

令：

\Pi_t

表示 domain chart。

則：

\boxed{ P_t \neq \Pi_t. }

regime change 可以先造成：

P_t \rightarrow P_{t+1}'

而：

\Pi_t

仍保持相對穩定。

只有當新 partition 所節省的 data code 足以支付新的 chart description cost，才有理由：

\Pi_t \rightarrow \Pi_{t+1}'.

因此 domain adaptation 應該受：

\boxed{ SwitchGain > ChartCost }

這類 complexity-aware gate 控制。

25. Modularity 不是 Domain Definition

Network science 中 community detection 經常使用 modularity、density、block structure、flow persistence 等不同判準。

Fortunato 與 Hric 甚至明確指出，network community detection 本身是一個缺乏唯一普遍定義的問題。

CODT 接受這個警告。

如果我們把：

Domain = HighModularityCluster,

則 theory 會依賴特定 graph projection。

但 cognition 可以被投影成：

transition graph；
type graph；
failure graph；
representation graph；
evidence graph；
world-action graph。

不同 projection 可能得到不同 communities。

因此：

\boxed{ Domain \neq GraphCommunity }

更精確的是：

\boxed{ GraphCommunity = \text{one source of domain evidence}. }

26. Overlap、Hierarchy 與 Multi-Scale

外部 network science 顯示，real networks 可以有 overlapping community 與 hierarchical structure。

CODT 因此拒絕三個不必要限制。

第一，不要求：

\mathfrak D_i \cap \mathfrak D_j = \varnothing.

第二，不要求所有 domains 在同一尺度。

第三，不要求同一 operator 只能有一個 membership。

所以：

\boxed{ \text{Domain Atlas} = \text{multi-scale overlapping chart candidate}. }

但這仍然只是結構參照。

cognitive domain 要額外通過 legality、license、history、failure 與 predictive/compressive evidence。

27. MDL：多切一個 Domain 必須付成本

Phase 0.7 對 domain atlas 加入 MDL complexity control。

這帶來一個重要理論原則：

\boxed{ \text{more domains} \not\Rightarrow \text{better theory}. }

若：

\Pi_2

比：

\Pi_1

有更多 clusters，但 predictive improvement 很小，則：

L(\Pi_2) + L(H\mid\Pi_2)

可能反而更大。

因此 domain selection 應考慮：

\boxed{ L_{total} = L(\Pi) + L(Model\mid\Pi) + L(Data\mid Model,\Pi). }

CODT 不把這個 MDL 形式固定為唯一 atlas learner。

但接受原則：

partition 自己不是免費的。

這能防止 atlas 被切成近乎每個 operator 一個 domain。

28. Domain Promotion Gate

本文提出正式 promotion gate。

一個 domain candidate 至少要通過：

G1. Structural Evidence

存在 recurrent legal structure。

G2. Predictive / Compression Evidence

candidate chart 對 held-out runtime 有價值。

G3. Complexity Control

價值足以支付 domain representation cost。

G4. Boundary Evidence

domain 有可描述的 failure / interface / transition boundary。

G5. Stability Evidence

不同 resampling / sessions 下不完全崩解。

G6. Overlap Accounting

若 operator 同時屬於多域，membership 被顯式建模，而不是強迫 partition。

G7. External Evidence

不能永遠只靠 theory-generated synthetic traces。

G8. Observer / Agent Diversity

至少需要多個 independent observers / agents / models / sessions 的 evidence。

因此：

\boxed{ Promote( \mathfrak D ) = \bigwedge_{k=1}^{8} G_k }

只是一個政策性骨架。

每個 gate 仍需後續版本化。

29. Domain Falsification

domain hypothesis 也必須可以被刪除。

若：

\mathfrak D_\alpha

長期出現：

low cohesion；
low predictive gain；
high complexity cost；
unstable membership；
failure boundary incoherence；
extensive cross-domain dependence；
better explanation as program；

則可以輸出：

\boxed{ FalsificationPressure( \mathfrak D_\alpha ). }

結果可能是：

split；
merge；
downgrade to macro；
downgrade to seed；
archive；
unresolved。

因此：

\boxed{ DomainTheory \text{ must support domain deletion}. }

如果一個理論只能創造新 domain，不能撤銷 domain，它會無限膨脹。

30. Domain Ecology

CODT 最終關心的不是一個 domain list，而是 domain ecology。

令：

\mathfrak A_t = \{ \mathfrak D_1, \ldots, \mathfrak D_m \}

為 cognitive atlas。

定義 domain-level relations：

R_{ij} \in \{ Uses, Bridges, Competes, Refines, Contains, Feeds, Certifies, Inhibits, Triggers \}.

則：

\boxed{ \mathcal G_t^{Domain} = ( \mathfrak A_t, R_t ). }

這就是 Domain Ecology。

在這個層級：

Search 可以 feed Planning。

Attention 可以 support Observation。

Verification 可以 certify Deduction output。

Representation 可以 bridge Analogy 與 Abstraction。

Meta-Observation 可以 monitor 多個 domains。

因此真正 cognition 更像：

\boxed{ \text{ecology of partially overlapping operational regions}. }

而不是：

\boxed{ \text{list of isolated cognitive faculties}. }

31. Domain Seed Registry 的角色

CODT 仍然保留 human-readable registry。

因為完全取消 human labels 會讓理論難以：

教學；
debug；
對話；
寫作；
audit；
compare literature。

所以 Observation、Search、Belief、Planning 仍然可以存在。

但其地位是：

\boxed{ PresentationLabel( \mathfrak D ) }

而不是：

\boxed{ CanonicalIdentity( \mathfrak D ). }

因此：

\boxed{ PeriodicTable = HumanFacingProjection( OperatorEcology ). }

這延續 CDD 的 Cognitive Operator Periodic Table 原則。

32. Domain Identity 可能是版本化的

若：

\Pi_t

與：

\Pi_{t+1}

在少量 membership 上改變，但核心作用、boundary、predictive function 仍相近，我們是否還說是同一 domain？

CODT 暫時採 versioned identity：

\boxed{ \mathfrak D_\alpha^{v_t} \rightarrow \mathfrak D_\alpha^{v_{t+1}}. }

domain ID 可保留。

domain theory 可以更新。

這和 operator reclassification 同方向：

\boxed{ IdentityPersistence \neq TheoryImmutability. }

33. Domain Split

若一個 domain candidate：

\mathfrak D

在 evidence 中穩定分成：

\mathfrak D_1, \mathfrak D_2

且：

DLike( \mathfrak D_1, \mathfrak D_2 ) > DLike( \mathfrak D )

在 complexity-adjusted 意義下成立，則可提出 split。

Memory 的 persistence / retrieval 裂解就是這類直覺案例。

但真正 split 必須通過 promotion gate。

34. Domain Merge

相反，如果兩個 human seeds：

\mathfrak D_a, \mathfrak D_b

長期具有：

高 transition coupling；
高 shared operator；
高 failure overlap；
無清楚 boundary；
合併後 description length 更低；

則可以提出：

\boxed{ Merge( \mathfrak D_a, \mathfrak D_b ). }

因此 human vocabulary 不能禁止 domain merge。

35. Domain Bridge

兩個 domains 不需要 merge 才能合作。

可以存在：

B_{\alpha\beta} : \mathfrak D_\alpha \rightarrow \mathfrak D_\beta.

bridge 可能包括：

representation conversion；
license conversion；
abstraction / concretization；
observer transformation；
world-interface translation。

因此：

\boxed{ CrossDomain \neq DomainCollapse. }

這為後續 CDSL、representation bridge 與 World coupling 保留空間。

36. Domain Boundary Event

CODT 可以把 domain crossing 作為 runtime event。

若：

\Omega_t \in \mathfrak D_\alpha

而：

\Omega_{t+1} \in \mathfrak D_\beta

且需要：

Bridge_{\alpha\beta},

則記錄：

\boxed{ DomainBoundaryEvent_t. }

它可以攜帶：

source domain；
target domain；
bridge；
loss；
license change；
resource cost；
failure risk；
certificate。

因此 domain 不只是事後 visualization。

它可以成為 runtime control structure。

37. Domain 不是本體真理，而是作用結構

本文最重要的 philosophical boundary 是：

\boxed{ Domain \neq ThingInItself. }

CODT 的 domain 首先描述：

cognition 中哪些 operations 在什麼條件下形成穩定、可重用、可壓縮、可預測、具邊界的作用區。

它不直接回答：

宇宙本體中是否真的存在一個「記憶域實體」。

因此：

\boxed{ OperationalOntology \neq UltimateOntology. }

這使 CODT 可以對 AI runtime 有強形式化價值，而不必假裝完成意識或心智本體論。

38. 外部 Network Science 的正確位置

本文引用 community detection、overlapping community、hierarchical SBM、MDL 等外部工作，是因為它們提供四個重要警告。

第一：

\text{community}

本身沒有唯一普遍定義。

第二，community 可以 overlap。

第三，hierarchy / multiscale structure 很常見。

第四，若沒有 model-selection / complexity control，容易 overfit 出 spurious modules。

CODT 吸收這些方法學教訓。

但不宣稱：

\boxed{ \text{Cognitive Domain Theory} = \text{Network Community Detection}. }

network graph 只是 cognitive ecology 的一種 projection。

39. CODT-03 憲法增補

在 CODT-01 / 02 的 constraints 上，本文增加：

CODT-C17：Seed-Domain Separation

\boxed{ Seed \neq Domain. }

CODT-C18：Derived Membership

\boxed{ DomainMembership \text{ is derived and versioned}. }

CODT-C19：Overlap Allowed

\boxed{ \mathfrak D_i \cap \mathfrak D_j \neq \varnothing }

可以合法存在。

CODT-C20：Domain as Bounded Operational Closure

\boxed{ \mathfrak D_\alpha^{(t,B)} = Cl_{\Lambda_\alpha}^{B} ( \mathcal U_\alpha ). }

CODT-C21：Multi-Evidence Domain-Likeness

\boxed{ DLike \neq \text{single clustering score}. }

CODT-C22：Flow-Atlas Separation

\boxed{ TransitionFlow \neq DomainChart. }

CODT-C23：Complexity Cost

\boxed{ MoreDomains \not\Rightarrow BetterAtlas. }

CODT-C24：Falsifiability

\boxed{ DomainHypothesis \text{ must be removable}. }

CODT-C25：Human Label as Projection

\boxed{ DomainName \neq CanonicalDomainIdentity. }

40. 本文的理論地位

本文不是宣稱：

認知域已經全部被找到。

也不是宣稱：

domain 一定等於某一個 closure operator 的固定點。

本文真正提出的是一套 Domain Emergence Discipline。

其順序是：

\boxed{ Operator \rightarrow LegalComposition \rightarrow History \rightarrow Ecology \rightarrow CandidateChart \rightarrow Evidence \rightarrow PromotionOrFalsification. }

這使「域」從命名活動轉變成可被證據約束的研究物件。

41. 與下一篇的接口

CODT-03 已經定義 domain。

但它還沒有回答：

為什麼有些 operators 會跨很多 domain 反覆出現？

下一篇將正式處理：

\boxed{ \text{Shared-Bottom Cognitive Runtime}. }

也就是：

Attention；
Search；
Generation；
Representation；
Belief；
Decision；
Planning；
Action preparation；
Meta-observation；

這些在多個 historical methods 中共享的 substrate。

CODT-04 將回答：

shared-bottom 是 domain 嗎？infrastructure 嗎？meta-domain 嗎？還是 operator ecology 中另一種 orthogonal structure？

結論

CODT 的認知域不是分類盒子。

它也不是：

\text{「這幾個詞看起來很像」}.

一個 domain candidate 至少需要：

\boxed{ \text{operators} + \text{legal words} + \text{history} + \text{reuse} + \text{boundary} + \text{failure} + \text{prediction} + \text{compression} + \text{stability}. }

因此：

\boxed{ \text{Domain} = \text{derived operational structure}. }

human labels 可以提供 seed。

clustering 可以提供 candidate。

network community 可以提供 evidence。

MDL 可以提供 complexity control。

runtime trace 可以提供 flow evidence。

failure 可以提供 boundary。

但沒有任何一項單獨足以創造 domain truth。

這使 CODT 的「域化」和普通 taxonomy 有根本差異。

taxonomy 問：

這個東西屬於哪一類？

CODT 問：

在什麼運行條件、算子作用、合法組合、歷史與失效邊界下，一個穩定作用區會自己長出來？

因此本文真正固定的是：

\boxed{ \text{Domain is not assigned first. Domain is earned by structure and evidence.} }

參考文獻與外部結構參照

A. Network / Community Structure

Fortunato, S., & Hric, D. (2016). "Community detection in networks: A user guide." Physics Reports, 659, 1-44. DOI: 10.1016/j.physrep.2016.09.002.
Ahn, Y.-Y., Bagrow, J. P., & Lehmann, S. (2010). "Link communities reveal multiscale complexity in networks." Nature, 466, 761-764. DOI: 10.1038/nature09182.
Palla, G., Derényi, I., Farkas, I., & Vicsek, T. (2005). "Uncovering the overlapping community structure of complex networks in nature and society." Nature, 435, 814-818. DOI: 10.1038/nature03607.
Peixoto, T. P. (2014). "Hierarchical Block Structures and High-Resolution Model Selection in Large Networks." Physical Review X, 4, 011047. DOI: 10.1103/PhysRevX.4.011047.
Rosvall, M., & Bergstrom, C. T. (2008). "Maps of random walks on complex networks reveal community structure." Proceedings of the National Academy of Sciences, 105, 1118-1123.

邊界聲明： CODT 不等同於 community detection theory。上述工作提供 overlap、hierarchy、multiscale structure、flow-based partition 與 complexity-aware model selection 的外部方法學參照。

B. 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〉。
CDD Phase 0 v0.1-v0.3：operator recovery、domain seeds、shared-bottom。
CDD Phase 0 v0.4：synthetic domain emergence experiment。
CDD Phase 0 v0.5：label-blind adversarial domain emergence。
CDD Phase 0 v0.6：Flow-Atlas Separation candidate。
CDD Phase 0 v0.7：MDL / complexity-regularized atlas。
HSO v0.8 / Ecological Geometry Atlas。
GCORF / General Cognitive Operator Reverse Engineering Framework。
MWT / Mathematical World Theory。

版本記錄

v1.0

正式定義 Domain Seed、Domain Candidate、Promoted Domain。
建立 bounded legal operational closure 作為 domain candidate 的最小形式。
定義 derived / overlapping / versioned domain membership。
建立 Domain-Likeness 多維 evidence vector。
將 predictivity、compression、stability、legality、boundary、reuse、failure、regime robustness 納入 domain evidence。
吸收 Phase 0.4-v0.7 的 positive / negative results，修正 dynamic-attractor 強版本。
固定 Flow-Atlas Separation 與 complexity-aware atlas switching。
建立 domain split / merge / bridge / falsification / promotion gate。
為 CODT-04 Shared-Bottom Cognitive Runtime 提供 domain-level 基礎。