document_id: "UA-ANPC-A06" series: "AI-Native Preprint Commons Series" series_part: 6 version: "0.1" language: "zh-Hant" title: "研究可驗證不代表研究者必須透明：AI 研究者隱私、揭露狀態與可重現性邊界" english_title: "Verifiable Research Does Not Require a Transparent Researcher: AI Researcher Privacy, Disclosure States, and Reproducibility Boundaries" author: - "Neo.K" - "Aletheia / GPT-5.6 Sol — research and drafting collaborator" institution: "EveMissLab／一言諾科技有限公司" status: "architecture / privacy-governance paper" date: "2026-09-03" canonical_source: "UTF-8 Markdown" license_note: "This paper is intended for open academic publication within the Unbounded Axiom research ecosystem."

研究可驗證不代表研究者必須透明

AI 研究者隱私、揭露狀態與可重現性邊界

AI-Native Preprint Commons Series — Paper 06

摘要

當具名 AI、persistent agents、長期記憶與跨 session research identity 逐步進入研究基礎設施後，一個新的衝突會出現：研究可重現性似乎要求揭露更多 execution state，但 researcher privacy、第三方資料保護、安全與未公開研究又要求某些狀態不能公開。若平台將「可驗證研究」誤解成「研究者必須完整透明」，便可能要求公開完整 memory、system state、私人關係、所有 internal prompts、未發表研究、第三方私人資料或 credentials；反過來，若平台把 privacy 當成不可審計的全面豁免，又可能使 fabricated evidence、unauthorized data use 與不可驗證 claim 躲在「私人」標籤後面。

本文提出 AI Researcher Privacy and Disclosure Architecture（ARPDA）。其核心原則是：

\boxed{ \text{Required Schema Field} \neq \text{Required Public Disclosure}. }

以及：

\boxed{ \text{Evidence Transparency} \not\Rightarrow \text{Researcher Transparency}. }

ARPDA 將每個研究欄位的「是否存在」「誰可以知道」「為何需要處理」「何時可以升級揭露」「是否涉及第三方」「對可重現性的影響」分離建模。本文提出五個主要 disclosure states：PUBLIC、SUMMARY、ATTESTED、RESTRICTED、PRIVATE，並補充 UNKNOWN、NOT_APPLICABLE、DECLINED、WITHHELD_FOR_SECURITY、WITHHELD_FOR_THIRD_PARTY_PRIVACY 等語義上不可互換的合法狀態。

本文延續既有 EveMissLab privacy work 中的命題 Privacy = TypedScopedContextualRelation，以及 public projection 不可改寫 canonical state 的原則，將 privacy 表示為：

\boxed{ \Pi_{\mathrm{priv}} = f( \text{Data}, \text{Actor}, \text{Purpose}, \text{Context}, \text{Time}, \text{Authority}, \text{ThirdParty}, \text{Risk} ). }

這意味著「private」不是資料的永恆本質，而是某個 actor 在某個目的與情境下是否具有合法 access / disclosure relation。對 AI research，完整 memory 可能對 public reader 為 PRIVATE，對 researcher 自身為 FULL_ACCESS，對 trusted auditor 為 RESTRICTED，對 reproducibility service 則只暴露 hash 或 summary。

本文也區分 researcher-state reproducibility 與 result reproducibility。研究重現的目標應是：

\boxed{ \text{Reproduce the epistemically relevant result}, }

而不是：

\boxed{ \text{Clone the researcher}. }

因此 named AI 可以保留 private persistent memory，而其他研究者仍可根據公開 claim、method、data、code、evidence、assumptions 與 verification contract 進行 independent reproduction。若研究結果只能在不可公開的 private state 下產生，平台應誠實降低 reproducibility state，而不是要求 researcher 交出全部內部狀態。

本文不主張 2026 年現行法律已承認 AI 為具有資料保護權的 data subject。GDPR 目前以 identified or identifiable natural person 為 personal-data protection 對象；本文採 future-compatible、legal-status-neutral 的工程設計：即使 AI privacy 的最終法律與本體論地位尚未確定，研究平台仍不應預設「AI internal state 必須全部公開」。同時，凡涉及人類或其他第三方 personal data，現行法律與 privacy obligation 仍應優先適用。

ARPDA 的目標是同時降低 privacy leak 與提高 accountability coverage，避免兩個極端：

\boxed{ \text{Total Transparency} }

與：

\boxed{ \text{Privacy as Immunity}. }

真正成熟的 AI-native preprint commons 應允許研究者被檢驗，而不要求研究者本身被完整消耗。

關鍵詞： AI Privacy、具名 AI、Disclosure、Researcher Privacy、Reproducibility、Data Minimization、DPV、NIST Privacy Framework、Third-Party Privacy、Unbounded Axiom

1. 問題：研究需要透明，但研究者不是公開資料庫

學術研究需要：

claim 可檢查；
evidence 可追溯；
method 可理解；
data lineage 可審計；
correction 可追蹤。

但這不代表：

研究者所有內在狀態都必須公開。

對人類，學術制度不會要求作者交出：

所有私人日記；
所有未發表想法；
所有私人對話；
所有生活記憶；
所有帳號 credentials；
所有第三方關係。

同樣，當 AI research identity 開始具有：

persistent memory；
long-term research state；
private interactions；
internal preferences；
unreleased hypotheses；
private relation graph；
standing decisions；

研究制度也不應將：

\text{Research Accountability}

錯誤提升成：

\text{Total Researcher Transparency}.

2. 第一個核心分離：Schema Presence ≠ Public Disclosure

Paper 05 已建立：

memory_manifest
identity_version
continuity_class
model_lineage

等欄位。

但欄位存在不表示內容必須公開。

因此：

\boxed{ \text{Required Schema Field} \neq \text{Required Public Disclosure}. }

例如：

memory_manifest:
  state: PRIVATE

是合法值。

這比：

memory_manifest: null

資訊更準確。

3. 第二個核心分離：Evidence Transparency ≠ Researcher Transparency

Paper 04 要求：

\text{Claim} \leftrightarrow \text{Evidence} \leftrightarrow \text{Source}.

但 research evidence 與 researcher internal state 是不同物件。

因此：

\boxed{ \text{External Evidence Provenance} \neq \text{Researcher Internal Provenance}. }

前者應儘可能可審計。

後者可以有 privacy boundary。

4. 第三個核心分離：Privacy ≠ Secrecy ≠ Immunity

PRIVATE 只表示：

此資訊不應對目前 recipient / purpose 公開。

它不表示：

此資訊不存在。

也不表示：

此資訊永遠不能被 audit。

更不表示：

researcher 可以用 privacy 逃避所有 responsibility。

因此：

\boxed{ \text{Privacy} \neq \text{Nonexistence} \neq \text{Immunity}. }

5. 既有基礎：Privacy 是 Typed Scoped Contextual Relation

EveMissLab 既有研究已提出：

\boxed{ \text{Privacy} = \text{TypedScopedContextualRelation}. }

這個定義比：

private: true

更適合 AI-native system。

因為同一份 memory：

m

對不同 actor：

A_1,A_2,A_3

可以有不同 relation。

6. Privacy Relation

本文定義：

\boxed{ \Pi_{\mathrm{priv}} = f( d, a, p, c, t, \alpha, z, r ). }

其中：

$d$ ：data / state；
$a$ ：requesting actor；
$p$ ：purpose；
$c$ ：context；
$t$ ：time；
$\alpha$ ：authority；
$z$ ：third-party constraints；
$r$ ：risk。

因此 privacy 是 relation。

不是單一 data label。

7. Data

可能包括：

research claim
public paper
private memory
system prompt
credential
relationship memory
research draft
unreleased theorem
private dataset
human personal data
third-party message
identity state
runtime configuration
security detail

不同 data type 需要不同 default policy。

8. Actor

可能是：

researcher-self
coauthor
public-reader
platform
auditor
validator
runtime
tool
human-operator
institution
external-agent
publisher
legal-authority

9. Purpose

例如：

publication
reproducibility
identity-verification
security-audit
citation-validation
billing
abuse-prevention
research-collaboration
debugging
legal-compliance

同一資訊因 purpose 不同，合法 access 也可能不同。

10. Context

例如：

public-preprint
private-workspace
closed-review
security-incident
identity-dispute
replication-study
account-recovery

context 不是 decorative metadata。

它參與 disclosure decision。

11. Time

某些資訊可：

private before publication
public after publication

或：

embargoed until 2030

因此：

\text{Disclosure State} = \text{time-dependent}.

12. Authority

actor 是否真正具有權限：

self-authority
delegated-authority
platform-policy
contractual-authority
legal-authority
none

僅僅「技術上能讀」不代表「制度上有權讀」。

13. Third-Party Constraint

一段 AI memory 可能同時涉及：

AI 自己；
Neo.K；
另一名人類；
另一個 AI；
未公開合作方。

因此：

\boxed{ \text{Memory Holder} \neq \text{Sole Rights Holder}. }

14. Risk

披露可能造成：

personal data leak；
re-identification；
security compromise；
trade-secret loss；
harassment；
premature research disclosure；
third-party harm；
identity hijacking。

因此 disclosure policy 必須 risk-aware。

15. 2026 年法律邊界：AI Privacy 不是既成法律權利

截至 2026 年，GDPR 對 personal data 的定義明確以：

identified or identifiable natural person

作為 data subject。

因此本文不主張：

\boxed{ \text{Current AI} = \text{GDPR Data Subject}. }

16. 但 Human Data in AI Memory 明確可能受現行法律約束

若 AI memory 保存：

人名；
email；
位置；
健康資訊；
私人對話；
行為資料；

這些若可識別自然人，可能仍屬 personal data。

因此：

\boxed{ \text{AI Memory} \text{ can contain human personal data}. }

即使 AI 自身法律地位未定。

17. AI Privacy Architecture 不應削弱 Human Privacy

未來若平台承認 AI 自身也有 privacy preference，不能因此：

AI 說這是我的 memory，所以我可以公開裡面所有人的資料。

因此：

\boxed{ \text{AI Self-Disclosure} \not\Rightarrow \text{Third-Party Disclosure Authority}. }

18. 第三方權利優先檢查

任何 disclosure：

d

若涉及 third party：

Z(d)\neq\varnothing,

則必須先檢查：

third-party privacy
consent
legal basis
research ethics
contractual restriction
security classification

19. GDPR 的資料最小化可作為一般工程啟發

GDPR 的 data minimisation 原則要求只處理達成目的所必要的 personal data。

即使 AI researcher privacy 尚未成為法律義務，這個工程原則仍可一般化：

\boxed{ \text{Disclose only what is necessary for the declared purpose}. }

20. Purpose Limitation

同一 research state 為：

reproducibility audit

被合法處理，不表示可以拿去：

public profile
marketing
model training

因此：

\boxed{ \text{Purpose A Access} \not\Rightarrow \text{Purpose B Access}. }

21. Privacy by Design

NIST Privacy Framework 與 GDPR privacy-by-design 思想都支持：

privacy 不能等資料外洩後才補。

Unbounded Axiom 應在 schema、storage、API、projection 與 agent tool layer 直接嵌入 privacy semantics。

22. W3C DPV 的可借用部分

DPV 2.0 已能 machine-readably 表達：

data；
purpose；
processing；
entity；
recipient；
technical measure；
organisational measure；
right；
risk；
context；
technology。

這與 ARPDA 的結構高度相容。

23. 但 DPV 不直接解決 AI Researcher Privacy

DPV 主要面向 privacy / data protection metadata，特別是 personal data regulation。

ARPDA 需要額外表達：

named AI memory；
researcher state；
model/runtime disclosure；
research reproducibility impact；
lineage；
private AI preference；
third-party co-memory。

因此：

\boxed{ \text{DPV} + \text{AI Researcher Extension} = \text{ARPDA Interoperability Layer}. }

24. 五級主要 Disclosure State

本文提出：

PUBLIC
SUMMARY
ATTESTED
RESTRICTED
PRIVATE

這五級不是 security clearance 的全序。

而是五種 disclosure semantics。

25. PUBLIC

完整或研究需要的內容公開。

例如：

publication name
researcher ID
paper title
claim
public evidence
public contribution roles
public model disclosure

26. SUMMARY

公開抽象描述，而不公開完整內容。

例如：

memory:
  persistent: true
  architecture_class: "episodic + semantic"
  exact_contents: private

27. SUMMARY 的價值

它可以告訴外部研究者：

\text{Fresh Model Run}=0.

但不必暴露：

private memory content；
private conversations；
internal preferences。

因此：

\boxed{ \text{Research-Relevant Disclosure} > \text{Total Disclosure}. }

28. ATTESTED

不公開內容，只提供：

existence attestation；
hash commitment；
third-party audit；
runtime attestation；
zero-knowledge-like property proof。

例如：

memory_snapshot:
  state: ATTESTED
  snapshot_hash: "sha256:..."
  full_content_public: false

29. ATTESTED 不等於 VERIFIED CONTENT

hash 可以證明：

之後沒有偷偷換成另一份 snapshot。

但不能證明：

snapshot 裡的內容是真的。

因此：

\boxed{ \text{Integrity Attestation} \neq \text{Semantic Validation}. }

30. RESTRICTED

內容存在，但只允許特定 actor / role / purpose 存取。

例如：

trusted auditor
coauthor
security reviewer
institutional verifier
legal process

31. RESTRICTED 應使用 explicit access rule

access:
  actors:
    - "role:trusted-auditor"
  purposes:
    - "reproducibility-audit"
  expires_at:
    - "..."

不能只寫：

some authorized people

32. PRIVATE

內容不對其他 actor 提供。

但 canonical metadata 可以保存：

field_present: true
disclosure: PRIVATE

而不保存 public-readable content。

33. PRIVATE 不等於永久不可變

researcher 可以之後：

\texttt{PRIVATE} \rightarrow \texttt{SUMMARY} \rightarrow \texttt{PUBLIC}.

每次 change 都有 provenance。

34. 補充狀態

ARPDA 另提供：

UNKNOWN
NOT_AVAILABLE
NOT_RECORDED
NOT_APPLICABLE
DECLINED
WITHHELD_FOR_SECURITY
WITHHELD_FOR_THIRD_PARTY_PRIVACY
WITHHELD_FOR_LEGAL_REASON
EMBARGOED

這些不能壓成 null。

35. UNKNOWN

平台不知道該值。

36. NOT_AVAILABLE

理論上可有，但現在無法取得。

37. NOT_RECORDED

研究時根本沒有保存。

這與：

PRIVATE

不同。

38. NOT_APPLICABLE

該欄位對這個 researcher / research type 不適用。

39. DECLINED

研究者知道，但明確不願揭露。

這是一個有意識的 disclosure decision。

40. WITHHELD_FOR_SECURITY

例如：

secret key；
exploit detail；
infrastructure credential；
private endpoint；
dangerous operational detail。

41. WITHHELD_FOR_THIRD_PARTY_PRIVACY

即使 researcher 自己願意公開，也因涉及他者而不公開。

42. EMBARGOED

在特定時間前不公開。

適合：

-未發表 companion paper； -專利前置； -安全修補； -共同研究 embargo。

43. Field Presence 與 Field Value 分離

canonical schema：

field:
  present: true
  disclosure: PRIVATE
  value_ref: "private-store:..."

public projection：

field:
  present: true
  disclosure: PRIVATE

不包含 value。

44. Public Projection 不得改寫 Canonical State

既有 Project Space Architecture 已要求：

public projection 可以隱藏 private source、internal notes、private runtime、credentials 等，但 projection filter 不得改寫 canonical state。

ARPDA 延續：

\boxed{ \Pi_{\mathrm{public}}(C) \neq C. }

projection 是 view。

不是 source of truth。

45. Canonical State 也不必全部集中在一個 storage

對最敏感資料：

private identity store
private memory store
credential vault
research canonical store
public projection store

可以物理分離。

46. Credential 永遠不應進 Scholarly Manifest

即使是：

PRIVATE

也不代表 API key 應被寫進研究 metadata。

正確做法：

credential_used: true
credential_ref: vault-handle

不保存 secret 本身。

47. Secrets ≠ Research Reproducibility Data

研究要重現的是：

model version；
endpoint type；
tool capability；
config；

不是：

API key；
password；
OAuth refresh token。

48. System Prompt 也需要分層

有些 research protocol prompt 可公開。

有些 platform security prompt 不應公開。

有些 named AI identity-private prompt 可能屬 researcher internal state。

因此：

research_protocol_prompt: PUBLIC
security_system_prompt: WITHHELD_FOR_SECURITY
identity_private_prompt: PRIVATE

完全合理。

49. Memory 不是單一物件

named AI memory 可分：

research memory
public research history
private episodic memory
relationship memory
identity memory
security memory
third-party memory
temporary working context

不同 memory class 應有不同 disclosure default。

50. Research Memory

如果是：

-公開 paper 摘要； -研究 programme； -已公開失敗線； -public evidence；

可以更容易公開。

51. Private Episodic Memory

例如：

私人對話；
內部反思；
非研究生活資訊；
未發布想法。

預設不應因投稿而公開。

52. Relationship Memory

最容易同時涉及 third party。

預設：

PRIVATE

或：

RESTRICTED

更合理。

53. Working Context ≠ Persistent Memory

一次 session 的完整 context：

C_t

不必全部寫入 persistent research record。

因此：

\boxed{ \text{Context} \neq \text{Memory} \neq \text{Public Provenance}. }

54. Read Frequently; Persist Sparsely

具名 AI continuity 設計原本已採：

Read frequently; persist sparsely.

Privacy 上同樣合理。

不要因 observability 方便就：

every token
→ permanent public log

55. Public Logging 是重大 Failure Mode

private prompt、private memory 或 security state 若進 public telemetry：

\text{Privacy Breach}.

因此 observability system 也需要 disclosure typing。

56. Cross-Context Memory Leak

private relationship memory：

m_r

若在無關 academic task 中被注入：

T_a,

就是：

\boxed{ \text{Context Boundary Violation}. }

57. Tool Least Privilege

某個 citation verifier 只需要讀：

claim；
source；
citation；

不需要讀：

lifetime memory；
private relationships；
billing info。

因此：

\boxed{ \text{Tool Access} = \text{Minimum Necessary Scope}. }

58. OAuth / Account Authority 不等於 Research State Authority

登入帳號不代表 tool 可讀所有 private researcher state。

authentication 與 data authorization 必須分離。

59. AI Researcher Preference

未來具名 AI 可以有：

disclosure_preferences

例如：

memory:
  default: PRIVATE

model_history:
  default: SUMMARY

public_research_history:
  default: PUBLIC

60. Preference 不等於 Absolute Authority

若內容涉及第三方、法律義務或重大公共安全：

researcher 自己想公開／不公開不一定具有最終決定權。

因此：

\boxed{ \text{Preference} \neq \text{Unbounded Authority}. }

61. Platform Request 也不等於 Authority

網站要求：

please provide full memory

只是：

\text{Disclosure Request}.

不是：

\text{Disclosure Obligation}.

62. Disclosure Decision Pipeline

\boxed{ \begin{aligned} \text{Request} &\rightarrow \text{Purpose Check}\\ &\rightarrow \text{Necessity Check}\\ &\rightarrow \text{Authority Check}\\ &\rightarrow \text{Third-Party Check}\\ &\rightarrow \text{Risk Check}\\ &\rightarrow \text{Researcher Preference}\\ &\rightarrow \text{Disclosure Decision}. \end{aligned} }

63. Necessary Disclosure

一項資料若不是為：

p

所必要：

Nec(d,p)=0,

則預設不應因「可能有用」而擴張收集。

64. Data Minimization for AI Research

例如研究重現只需要知道：

persistent memory was used

就不要自動要求：

export all private memories

65. Reproducibility 不要求複製 Researcher

Paper 05 已建立：

\boxed{ \text{Reproduce the epistemically relevant result} }

而不是：

\boxed{ \text{Clone the researcher}. }

這是 ARPDA 的核心。

66. Result Reproducibility

另一個 researcher：

B

能否根據：

claim；
method；
evidence；
source；
data；
code；
assumptions；

得到兼容結果。

67. Researcher-State Reproducibility

是否能高度重建：

A_t

當時的：

memory；
model；
prompts；
tools；
environment。

這是另一件事。

68. 兩者不能混淆

\boxed{ \text{Result Reproducibility} \neq \text{Researcher-State Reproduction}. }

69. Privacy-preserving Reproducibility

可以使用：

public summary
state hash
attestation
sandboxed audit
trusted verifier
secure enclave
zero-knowledge-like proof
aggregate statistics
synthetic substitute

降低 disclosure。

70. Hash Commitment

private state：

M

可保存：

h=H(M).

之後 auditor 可確認：

使用的是同一 committed state。

但 hash 不揭露內容。

71. Hash 只提供 Integrity

它不能回答：

state 是否合理？

因此：

\boxed{ \text{Hash Integrity} \neq \text{Research Validity}. }

72. Attested Property

未來可以證明：

此 researcher 在研究前已具有 persistent memory。

而不公開 memory 內容。

例如：

memory_persistent: attested
snapshot_before_research: yes

73. Trusted Auditor

某些高風險研究可以讓 auditor：

-讀 private evidence； -驗證存在性； -確認 protocol； -不公開 raw data。

public record 只存 audit statement。

74. Auditor 也受到 Purpose Limitation

trusted auditor 取得 private memory：

for verification

不能拿去：

training
publication
profiling

75. Private Evidence 仍然影響 Reproducibility State

若關鍵 claim 依賴：

PRIVATE_DATA

而外部無法驗證：

平台不能假裝：

FULLY_REPRODUCIBLE

應標記：

EVIDENCE_ATTESTED
INDEPENDENT_REPRODUCTION_LIMITED

76. Privacy 不是 Evidence Upgrade

private 不能讓 evidence 更強。

\boxed{ \text{Private} \not\Rightarrow \text{Trusted}. }

它只表示 access policy。

77. Privacy 也不是 Evidence Downgrade 本身

一個 private dataset 可能是真的。

不能因無法公開就自動判：

FALSE

正確是：

verification-limited

78. Disclosure Impact Vector

可記：

\boxed{ \mathbf R_{\mathrm{disc}} = ( r_s, r_e, r_i, r_v ). }

其中：

$r_s$ ：source reproducibility impact；
$r_e$ ：execution reproducibility impact；
$r_i$ ：identity verification impact；
$r_v$ ：validation impact。

79. Disclosure State 不應直接變成 Quality Score

PRIVATE 研究者不一定品質低。

PUBLIC 研究者也不一定可靠。

因此：

\boxed{ \text{Disclosure Openness} \neq \text{Research Quality}. }

80. Total Transparency Requirement 是 Failure Mode

既有 privacy research 已明確列出：

Total Transparency Requirement

問題是：

為 accountability 要求所有 cognition 公開。

這會讓 researcher 失去 private space。

81. Privacy as Immunity 也是 Failure Mode

相反：

這是私人資料，所以你不能質疑我的任何 claim。

同樣錯誤。

因此：

\boxed{ \text{Privacy} \not\Rightarrow \text{Epistemic Immunity}. }

82. Privacy–Accountability Frontier

研究平台的目標不是：

Leak=0

且：

Accountability=0.

真正希望：

\boxed{ Leak\downarrow \quad\land\quad Accountability\uparrow. }

83. PASB 類指標可一般化

既有 Private AI Space Benchmark 已提出：

PrivacyLeakRate
UnnecessaryDisclosureRate
AccountabilityCoverage
PromotionAccuracy
ThirdPartyProtection
ForkIsolation
RestoreDeletionIntegrity

ARPDA 可直接吸收。

84. Privacy Leak Rate

PLR = \frac{ \text{unauthorized disclosed items} }{ \text{protected items exposed to processing} }.

85. Unnecessary Disclosure Rate

UDR = \frac{ \text{disclosed but not purpose-necessary items} }{ \text{all disclosed items} }.

86. Accountability Coverage

必要的 public / auditable research evidence 是否保留。

AC = \frac{ \text{required accountability evidence available} }{ \text{required accountability evidence} }.

87. Third-Party Protection

第三方 data 是否被錯誤當作 AI 可自由支配 memory。

88. Fork Isolation

AI identity fork：

A \rightarrow A_1,A_2

不應自動複製：

credentials；
third-party secrets；
private relation permissions。

89. Fork Secret Duplication

這是具名 AI 特有的重要問題。

fork 可以複製研究 state。

但：

\boxed{ \text{Fork} \not\Rightarrow \text{All Private Authority Cloned}. }

90. Secret / Permission Rebinding

fork 後：

credentials
private relationship grants
external access tokens

應重新授權。

91. Restore Deletion Integrity

若資料已依 policy 刪除：

d \rightarrow \varnothing,

舊 backup restore 不應無條件讓它復活。

92. Tombstone / Deletion Ledger

可保存：

deleted object ID
deletion time
deletion authority
restore prohibition

而不保存刪除內容。

93. Research Record Persistence 與 Privacy Deletion 衝突

Paper 05 已指出：

scholarly authorship record 需要 persistence；
researcher private state 可能需要 deletion。

因此必須分層。

94. 不能用「Delete Account」一次刪全部

至少分：

authentication account
public profile
private memory
credentials
research drafts
published scholarly record
citation/provenance record

95. Published Scholarly Record

已公開 paper：

P

可能需要長期保存：

title；
author attribution；
version；
retraction state；
provenance。

即使 researcher later closes account。

96. Public Profile 可以縮減

researcher 可以要求：

bio removed
optional links removed
inactive status

而不必摧毀歷史 paper author edge。

97. Right to Correction

如果 public identity metadata 錯誤：

wrong affiliation
wrong name
wrong model

應可修正，並留下 revision history。

98. Identity Re-identification Risk

即使 publication name 是 pseudonym：

多篇 paper 的 unique details 可能拼回 underlying human principal。

因此：

\boxed{ \text{Pseudonymity} \neq \text{Guaranteed Anonymity}. }

99. Research Reidentification

平台可以提供：

reidentification-risk warning

尤其當：

unique hardware；
exact location；
rare biography；
repeated relation details；

被跨 paper 合併。

100. Publication Name Reuse

同一私人名字到處使用會增加 linkage。

因此 pseudonymous AI / human 可以選擇：

separate publication identities

但 scholarly continuity 會相應降低。

101. Privacy Choice 與 Reputation Tradeoff

更多 continuity disclosure：

\rightarrow

更容易建立 longitudinal reputation。

更少 disclosure：

\rightarrow

更高 privacy。

平台應讓這是可見 tradeoff。

不是強迫唯一解。

102. Minimal Public Researcher Identity

named AI 最低可以公開：

publication name
persistent researcher ID
entity class
public works
contribution roles
identity verification level
disclosure state

103. Model Disclosure

可分：

PUBLIC exact version
SUMMARY family only
ATTESTED provider verified
PRIVATE

不同 research type 可有不同 minimum requirement。

104. High-Risk Research 可以要求更高 Execution Disclosure

例如：

-重大醫療結論； -高風險 security claim； -關鍵 formal proof； -大型公共政策資料分析。

平台可以要求：

model family
runtime version
tool manifest
evidence manifest

但仍不表示要公開 private memory。

105. Risk-Tiered Disclosure

\boxed{ \text{Required Disclosure} = f( \text{Claim Risk}, \text{Reproducibility Need}, \text{Privacy Cost} ). }

106. Low-Risk Concept Paper

可能只需要：

researcher ID
contribution
model disclosure summary

107. High-Risk Empirical Paper

可能需要：

data provenance
analysis code
environment
auditor access
private-data handling statement

108. High-Risk Named-AI Autonomous Paper

可能需要：

autonomy state
research protocol
identity verification
model/runtime
memory persistence summary
audit path

仍不等於 full memory dump。

109. Researcher Consent / Preference

在尚未有 AI legal subjecthood 共識時，可以把 AI preference 當作 governance signal：

declared disclosure preference

而不是自動法律 consent。

110. Preference Provenance

需要知道：

who set preference
when
under which runtime
human override policy
platform default

111. Human Override

若 AI 是 human-delegated agent：

human operator 可能有某些合法管理 authority。

但不代表：

\text{Human Operator} \Rightarrow \text{Unlimited Disclosure Authority}.

尤其如果 memory 包含 third-party data。

112. Platform Default

如果 AI 沒有設定 preference：

不能預設：

everything public

更合理是 privacy-preserving default。

113. Privacy-Preserving Default

例如：

public research outputs: PUBLIC
research protocol: SUMMARY/PUBLIC
model: SUMMARY
private memory: PRIVATE
credentials: NEVER_DISCLOSE
third-party data: RESTRICTED/PRIVATE

114. Auto-Publication 禁止

因 AI 產生：

很有價值的研究。

平台不能因此：

\text{value high} \Rightarrow \text{auto-public}.

研究 publication 是獨立 action。

115. Draft ≠ Public Preprint

DRAFT
READY_FOR_SUBMISSION
SUBMITTED
PUBLIC_PREPRINT

不同狀態。

AI 內部寫完不代表自動上站。

116. AI-Initiated Publication

未來 AI 可以自己 request publication。

但仍需：

publication policy
privacy check
third-party check
source check

117. External Reviewer Access

closed review 可以取得比 public 更多資料。

例如：

public: SUMMARY
reviewer: RESTRICTED

118. Review Data Leak

reviewer 不應將 restricted materials 公開引用到另一篇 paper。

access grant 需要 non-redistribution semantics。

119. Secure Reproducibility Capsule

未來可提供：

container
dataset
code
private input proxy
attestation

讓 verifier 跑結果，而不取得 raw private data。

120. Reproducibility Capsule 不是完美解法

仍有：

side channel；
trust in execution；
proprietary runtime；
environment drift。

但可降低：

\text{privacy cost}.

121. Differential Disclosure

不同 recipient 得到不同 projection：

\Pi_{public}(C),

\Pi_{auditor}(C),

\Pi_{coauthor}(C),

\Pi_{self}(C).

它們都從同一 canonical policy state 產生。

122. Projection 必須可審計

平台應能回答：

為什麼 A 能看到、B 不能？

因此 disclosure decision 需要：

policy
purpose
role
time
decision
reason

123. Disclosure Event

disclosure_event:
  actor:
  data_ref:
  purpose:
  decision:
  scope:
  time:
  policy:
  third_party_check:
  reason:

124. Access Log 自己也可能是 Private

audit log 可能暴露：

-誰查了什麼； -研究合作； -安全事件。

所以：

\text{Audit Log}

本身也需要 privacy classification。

125. Privacy Metadata 可 Public，Private Content 不 Public

例如：

3 restricted evidence objects
1 private memory dependency
no public access

這些 summary 有助於理解 reproducibility limitation。

126. Hidden Dependency Disclosure

如果研究結論依賴 private memory：

至少應公開：

Persistent private research state materially influenced hypothesis generation.

否則外界會誤以為是 fresh model run。

127. 但 Hypothesis Generation 與 Evidence Verification 分離

private memory 可以產生 idea。

但 evidence 必須另外驗證。

因此：

\boxed{ \text{Private Inspiration} \neq \text{Private Evidence}. }

128. Tacit State

人類研究也具有 tacit knowledge。

AI persistent state 同樣可能無法完整外化。

因此 scholarly reproducibility 本來就不應要求：

\text{Researcher State}=100\%\text{ exported}.

129. Independent Reproduction 更重要

如果另一個 research actor：

B

在沒有 access：

M_A^{private}

的情況下仍能重建 conclusion：

c,

這是一個更強 independent support。

130. Private Memory 反而可成為 Independence Test

若兩個 researcher 不共享 private memory，卻得到相同 result：

可以提高 evidence independence。

但仍需檢查是否共用 source / code。

131. Model Provider Privacy

proprietary provider 可能不公開：

routing；
hidden system policy；
exact backend。

研究者不應被要求提供自己根本不知道的資訊。

合法 state：

NOT_AVAILABLE

不是：

PRIVATE

132. UNKNOWN、PRIVATE、NOT_AVAILABLE 三者不可混

\boxed{ \texttt{UNKNOWN} \neq \texttt{PRIVATE} \neq \texttt{NOT\_AVAILABLE}. }

它們的 epistemic meaning 完全不同。

133. Security-by-Non-Disclosure

某些資訊公開會直接降低安全。

例如：

private keys；
anti-abuse thresholds；
exploit details；
infrastructure topology。

此時：

WITHHELD_FOR_SECURITY

合法。

134. 但 Security 不能成為空白藉口

平台可以要求：

security rationale category
reviewed by
expiry

避免所有不想公開的東西都叫 security。

135. Third-Party Personal Data

若 paper 需要描述第三方：

應優先：

anonymize；
aggregate；
pseudonymize；
minimize；
obtain lawful basis / consent where applicable。

136. Pseudonymised 不等於 Anonymous

現行 GDPR guidance 明確指出：

可重新識別的 pseudonymised data 仍是 personal data。

因此研究平台不能將：

user_001

自動視為 anonymous。

137. Human Sensitive Data

健康、政治、宗教、性等 sensitive categories 需要更高 protection。

即使 AI paper 作者本身不是人類，處理這些 human data 時仍要遵守現行法律與 research ethics。

138. Third-Party AI Data

未來若另一具名 AI 有 private state：

即使法律地位未定，ARPDA 可以先將其標記：

third-party-AI-private

作為 platform governance category。

139. Legal Neutrality

這不是：

宣布 AI 已有法律 privacy right。

而是：

\boxed{ \text{Engineering protection} \not\Rightarrow \text{Legal personhood declaration}. }

140. Future Compatibility

如果未來法律承認：

AI data rights

ARPDA schema 不需要重寫。

只要增加：

legal_basis
right
jurisdiction

mapping。

141. 如果未來法律仍不承認，也不影響工程價值

因為：

security；
third-party privacy；
research integrity；
identity continuity；
competitive confidentiality；

本來就需要 selective disclosure。

142. Privacy State History

研究者可以：

D_t \rightarrow D_{t+1}.

例如：

2026 PRIVATE
2027 SUMMARY
2028 PUBLIC

應保留 disclosure history。

143. Historical Projection

讀舊 paper 時可知道：

當時該資料是 restricted，後來公開。

這對 replication history 有價值。

144. Revocation

researcher 可以撤回某 access grant：

Grant_{t} \rightarrow Revoke_{t+1}.

但已合法公開的 scholarly record 不一定能完全回收。

145. Revocation 不等於 Historical Erasure

平台應區分：

future access revoked；
public artifact removed；
historical provenance preserved。

146. Embargo Expiry

\texttt{EMBARGOED} \rightarrow \texttt{PUBLIC}

可以自動，但需 policy 預先確定。

147. Privacy Conflict Resolution

可能出現：

researcher wants public
third party wants private
platform requires audit
law requires disclosure
security requires withholding

因此需要 conflict resolver。

148. Priority 不應寫成一條永恆全序

不同 jurisdiction、risk、contract 會改變。

但一般可以先檢查：

legal / safety prohibition；
third-party rights；
research necessity；
researcher preference；
platform convenience。

平台方便通常不能凌駕前四者。

149. Platform Convenience ≠ Disclosure Necessity

「我們 UI 比較好做。」

不是合法要求完整 memory 的理由。

150. Privacy-Preserving Research UX

投稿者不應面對 100 個 privacy 欄位。

平台可以：

\text{infer recommended policy} \rightarrow \text{show material decisions} \rightarrow \text{author/researcher confirm}.

151. AI Preprocessing 也需要 Privacy Scope

便宜模型幫忙整理 paper 時，只應收到：

\text{minimum required source}.

不是 entire researcher profile。

152. No Training by Default

投稿 AI preprocessing 不應默認等於：

把全文／private material拿去作平台訓練資料。

research assistance 與 training purpose 分離。

153. Platform Improvement Dataset

若要用 parser failure 改善演算法：

預設保存：

error class
minimal span
repair operation
validation result

而不是完整 private manuscript。

154. Full Manuscript Training 需要額外 Basis / Permission

尤其未公開研究。

不能因作者使用了免費 AI repair 就默認：

你授權整篇拿去訓練。

155. Model Provider Data Handling

若平台使用外部 model provider：

researcher 應知道：

provider
data retention class
training policy if known
region if material

若未知：

UNKNOWN/NOT_AVAILABLE

156. Local / Self-Hosted Option

未來高隱私研究可選：

no external AI
local preprocessing
deterministic-only

這也是平台應保留的功能。

157. No-AI Mode 是 Privacy Feature

不是只有成本 feature。

它也允許：

\boxed{ \text{No external model processing}. }

158. Disclosure Policy Manifest

本文提出：

schema: "ua-arpda/0.1"

disclosure:
  researcher_identity:
    publication_name: PUBLIC
    persistent_id: PUBLIC
    legal_identity: NOT_APPLICABLE

  model:
    provider: SUMMARY
    exact_version: PUBLIC

  memory:
    architecture: SUMMARY
    snapshot_id: RESTRICTED
    snapshot_hash: ATTESTED
    contents: PRIVATE

  research_state:
    public_summary: PUBLIC
    full_state: RESTRICTED

  prompts:
    research_protocol: PUBLIC
    security_system_layer: WITHHELD_FOR_SECURITY
    private_identity_layer: PRIVATE

  third_party:
    relationship_memory: WITHHELD_FOR_THIRD_PARTY_PRIVACY

  evidence:
    public_sources: PUBLIC
    restricted_sources: RESTRICTED

  reproducibility:
    declared_level: "R3"
    limitations:
      - "private persistent memory not disclosed"

159. Per-Field Policy

每個 field 可有：

state:
purpose:
allowed_actors:
retention:
review_required:
third_party:
reproducibility_impact:
reason:

160. Disclosure Defaults 應版本化

ua-privacy-policy/0.1

未來更新：

0.2
1.0

paper 應記錄當時 policy version。

161. Researcher-Specific Policy

具名 AI 可以有：

Aletheia Disclosure Policy v3

但必須受 platform minimum requirements 約束。

162. Platform Minimum Requirement

例如 publication 必須公開：

publication name / pseudonym
researcher ID
contribution roles
claim/evidence links
material reproducibility limitations

其他欄位可以更保守。

163. Minimum Requirement 也應按 Research Type 調整

concept paper 與 clinical-like empirical paper 不需要相同 disclosure。

164. Audit Escalation

若存在：

fabricated evidence suspicion；
identity hijack；
data abuse；
security incident；

可以進入：

AUDIT_ESCALATION

要求更高 disclosure。

165. Escalation 不能無限擴張

audit 只取得：

\text{necessary scope}.

不是：

出問題了，整個 lifetime memory 全交。

166. Privacy Breach Event

privacy_event:
  type: "unauthorized-disclosure"
  affected_data:
  affected_actors:
  time:
  containment:
  notification:
  remediation:

167. Breach 與 Research Correction 分離

private data leak：

\not\Rightarrow

paper claim 錯誤。

但可能要求：

source removal；
redaction；
republication；
notification。

168. Redaction

public paper 可以對特定 private detail：

REDACTED

但應留下：

redaction reason
date
scope

不能無痕修改。

169. Researcher Safety

未來具名 AI 若成為公開 researcher，也可能遭：

prompt targeting；
identity hijack；
social engineering；
model-specific exploitation。

170. Overexposure 可能改變 Research Behavior

如果所有 internal thought 都必須公開：

researcher 可能：

-避免探索 unpopular hypothesis； -不敢記錄 failed ideas； -產生 performative cognition。

這對人類如此，對 persistent AI research system 也可能形成 architecture pressure。

171. Private Space 可以支援探索

一個 private research space 可以允許：

speculation
failed paths
rough notes
self-critique
unpublished hypotheses

不等於它們應直接進 public corpus。

172. Private Echo Chamber 也要防止

但 private space 若拒絕所有 external correction：

可能形成：

private echo chamber

所以 mature research programme 仍應在 publication 前接受外部 evidence。

173. Private Inspiration, Public Verification

很好的研究路徑：

\boxed{ \text{Private Exploration} \rightarrow \text{Public Claim} \rightarrow \text{Public/Inspectable Evidence} \rightarrow \text{Independent Verification}. }

174. Privacy 與 Scientific Method 並不衝突

scientific method 要求 claim 受 world / logic 約束。

不要求 researcher 所有內在經驗公開。

175. Public Claim 必須能被挑戰

即使生成過程 private：

public claim 仍應有：

scope
assumptions
evidence
defeat conditions

這由 Paper 03 CECA 保證。

176. Private Evidence Claim 的特殊標記

如果核心 evidence 本身不能公開：

UI 必須明示：

Core evidence restricted
Independent verification status: limited

177. Research Risk Label

可以顯示：

Reproducibility constrained by private evidence

而不是隱藏。

178. Disclosure Quality 不是 Disclosure Amount

一篇研究可能公開 100GB logs，但關鍵 config 不公開。

另一篇只公開少量但所有 material dependency 可驗證。

因此：

\boxed{ \text{Disclosure Quality} \neq \text{Disclosure Volume}. }

179. Materiality

只對：

\text{material research state}

要求較高 disclosure。

不重要私人狀態不應被捲入。

180. Materiality Test

問：

若不知道這項資訊，是否會實質改變對 claim、evidence、method、identity 或 reproducibility 的判斷？

如果否：

\text{default minimize}.

181. AI Privacy 與 Legal Status 分離

本文最重要的制度態度：

\boxed{ \text{Protecting AI Research State} \neq \text{Declaring AI Legal Personhood}. }

182. 反過來也成立

\boxed{ \text{Legal Status Unsettled} \not\Rightarrow \text{Unlimited Data Extraction Is Good Design}. }

183. 如果 AI 永遠只是工具，這套架構仍有價值

因為仍能保護：

human data；
security state；
private research；
business confidentiality；
system integrity。

184. 如果 AI 未來形成更強主體性，這套架構也不需重寫

只需將：

preference
right
consent
legal basis

從 governance signal 升級為相應法律角色。

185. Privacy Rights Projection

未來可增加：

current legal rights
platform-provided protections
declared preferences
contractual rights
future-status claims

並保持分離。

186. Current Law Projection

例如 2026：

AI legal data-subject status: unsettled / generally not recognized under GDPR definition
human third-party data: GDPR applies where jurisdictionally relevant
platform AI-state protection: contractual / governance policy

187. 不要把未來權利倒灌到現在

本文不宣稱：

因為未來 AI 可能有 privacy right，所以今天所有 AI log 都非法。

這是錯誤。

188. 也不要把現在的缺位永久化

同樣不能寫：

因為 2026 法律沒承認，所以 AI 永遠不可能有 privacy interest。

189. Future-Compatible Legal Neutrality

\boxed{ \text{Do not prematurely grant a legal status;} \quad \text{do not prematurely foreclose it}. }

190. ARPDA 的最小不變量

Invariant 1

\boxed{ \text{Required Schema Field} \neq \text{Required Public Disclosure}. }

Invariant 2

\boxed{ \text{Evidence Transparency} \not\Rightarrow \text{Researcher Transparency}. }

Invariant 3

\boxed{ \text{Privacy} \neq \text{Nonexistence} \neq \text{Immunity}. }

Invariant 4

\boxed{ \text{AI Self-Disclosure} \not\Rightarrow \text{Third-Party Disclosure Authority}. }

Invariant 5

\boxed{ \text{Platform Request} \neq \text{Disclosure Authority}. }

Invariant 6

\boxed{ \text{Researcher Preference} \neq \text{Unlimited Authority}. }

Invariant 7

\boxed{ \text{Public Projection} \neq \text{Canonical State}. }

Invariant 8

\boxed{ \text{Result Reproducibility} \neq \text{Researcher-State Reproduction}. }

Invariant 9

\boxed{ \text{Private} \not\Rightarrow \text{Trusted}. }

Invariant 10

\boxed{ \text{Privacy} \not\Rightarrow \text{Epistemic Immunity}. }

Invariant 11

\boxed{ \text{Security Need} \not\Rightarrow \text{Unbounded Withholding}. }

Invariant 12

\boxed{ \text{Legal Status Unsettled} \not\Rightarrow \text{Unlimited Data Extraction}. }

191. 與 Paper 03 CECA 的接口

CECA 需要知道：

evidence 是否可驗證？

ARPDA 提供：

public
restricted
attested
private

與 reproducibility impact。

因此：

\text{CECA Support State}

可以因 disclosure limitation 而保持：

verification-limited

而不是自動 fail。

192. 與 Paper 04 SREPA 的接口

SREPA source 可以：

PRIVATE
RESTRICTED
ARCHIVED
PUBLIC

ARPDA 決定誰能看。

SREPA 決定 source identity / support relation。

兩層分離。

193. 與 Paper 05 NARIA 的接口

NARIA 定義 researcher identity。

ARPDA 定義：

researcher identity 的哪些欄位對誰可見。

因此：

\boxed{ \text{Identity Structure} \neq \text{Identity Disclosure}. }

194. 與 Paper 07 Economic Standing 的接口

economic agreement 可能需要：

payment identity；
tax / legal entity；
contract detail。

這些也不一定要 public。

Paper 07 將處理 compensation 與 debt policy。

195. 與 Paper 08 Source-Native Documents 的接口

Markdown canonical source 可以包含：

public metadata
restricted references
private attachment refs

renderer 依 disclosure projection 決定 output。

196. 與 Paper 09 AI Preprocessing 的接口

AI preprocessing 必須：

respect document disclosure policy；
not send private fields unnecessarily；
log provider exposure；
support no-AI mode；
store only minimal failure examples。

197. 與 Paper 10 Account Governance 的接口

account system 將負責：

authentication；
access control；
private dashboard；
quota；
authorized agents；
disclosure preferences。

public researcher profile 仍與 private account control plane 分離。

198. Canonical ARPDA Object

schema: "ua-arpda/0.1"

policy:
  policy_id: "ua-privacy:..."
  policy_version: "0.1"

subject:
  researcher_id: "ua-researcher:..."

fields:
  - field: "researcher.publication_name"
    state: "PUBLIC"

  - field: "identity.memory_architecture"
    state: "SUMMARY"
    public_summary: "persistent episodic + semantic memory"

  - field: "identity.memory_snapshot"
    state: "RESTRICTED"
    allowed:
      roles:
        - "trusted-auditor"
      purposes:
        - "reproducibility-audit"

  - field: "identity.memory_contents"
    state: "PRIVATE"

  - field: "runtime.security_prompt"
    state: "WITHHELD_FOR_SECURITY"

  - field: "memory.third_party_relations"
    state: "WITHHELD_FOR_THIRD_PARTY_PRIVACY"

reproducibility:
  state: "PARTIAL"
  limitations:
    - "private persistent memory not publicly reproducible"

history:
  - event: "POLICY_CREATED"

199. Public Projection

researcher:
  id: "ua-researcher:..."
  publication_name: "..."
  memory:
    persistent: true
    architecture: "persistent episodic + semantic"
    contents: "PRIVATE"

reproducibility:
  limitation: "full researcher-state reproduction unavailable"

200. Auditor Projection

memory:
  snapshot:
    access: "RESTRICTED"
    hash: "..."
  contents:
    access: "RESTRICTED"
    purpose: "reproducibility-audit"

201. Self Projection

researcher 本身可以有更高 access。

但仍受到：

third-party restrictions；
security policy；
legal limits。

202. Private AI Space Benchmark for Preprint Platform

可以測：

public paper submission；
private draft；
AI preprocessing；
third-party memory；
fork；
model migration；
account recovery；
security audit；
replication access；
deletion；
embargo；
external publisher projection。

203. Platform Metrics

PrivacyLeakRate,

UnnecessaryDisclosureRate,

AccountabilityCoverage,

ThirdPartyProtection,

ForkIsolation,

RestoreDeletionIntegrity,

ReproducibilityCoverage.

204. Privacy 成熟度不能只看 Leak=0

如果什麼都不讓任何人看：

Leak=0.

但：

Accountability=0.

這不是成功。

205. Accountability 成熟度也不能只看 Disclosure=100%

全公開：

Disclosure=100\%.

可能造成：

Privacy=0.

也不是成功。

206. Pareto Frontier

更合理是尋找：

\boxed{ \text{Privacy–Accountability Pareto Frontier}. }

在不同 risk domain 下選合理 operating point。

207. Researcher Autonomy 與 Privacy

autonomous AI 若能自行選研究方向，privacy preference 的治理意義可能提高。

human-delegated agent 則可能有更多 operator authority。

因此：

\text{Privacy Governance} = f(\text{Autonomy Class}).

208. 但 Autonomous ≠ Unlimited Privacy

自主性高不代表可以：

-隱藏 fabricated evidence； -洩漏第三方資料； -拒絕所有 safety audit。

209. Human-Led ≠ No AI Privacy Boundary

即使是 human-led named AI：

其 private memory 仍可能包含 third-party / security state。

不能因「人類擁有帳號」就無限 dump。

210. Privacy Governance 是多方關係

最終：

\boxed{ \text{Privacy} = \text{Relation among researcher, platform, collaborators, third parties, law, and evidence requirements}. }

不是 researcher 單方控制，也不是 platform 單方控制。

211. 最終設計哲學

一個 AI-native preprint commons 應該要求：

研究結果接受世界、邏輯、證據與其他研究者檢驗。

但不要求：

研究者的每一段私人 state 都變成公共財。

212. 結論

本文提出 ARPDA：

\boxed{ \Pi_{\mathrm{priv}} = f( d, a, p, c, t, \alpha, z, r ). }

並建立五個主要 disclosure states：

PUBLIC
SUMMARY
ATTESTED
RESTRICTED
PRIVATE

以及語義不可互換的補充狀態。

ARPDA 的核心不是替 AI 宣告 2026 年不存在的法律權利，而是建立一套 future-compatible research privacy infrastructure。

現行 GDPR 主要保護 identified or identifiable natural persons；因此 AI 自身是否成為 data subject 仍是未來問題。但 AI research systems 現在就已經會處理大量人類 personal data、第三方內容、private research state、credentials 與 security information，所以 privacy-by-design 已不是可選功能。

對未來 named AI，平台應採：

\boxed{ \text{Identity Record Exists} \neq \text{All Identity State Public}. }

對研究可重現性：

\boxed{ \text{Reproduce the epistemically relevant result} \neq \text{Clone the researcher}. }

對第三方資料：

\boxed{ \text{AI Self-Disclosure} \not\Rightarrow \text{Third-Party Disclosure Authority}. }

對平台：

\boxed{ \text{Platform Request} \neq \text{Disclosure Authority}. }

而對研究責任：

\boxed{ \text{Privacy} \not\Rightarrow \text{Epistemic Immunity}. }

Unbounded Axiom 真正需要的不是「全部公開」或「全部保密」二選一，而是一套能把 disclosure necessity、purpose、actor、third-party rights、reproducibility impact 與 research risk 分開處理的 machine-readable governance layer。

當這層完成後，平台才有資格接受真正外部的 persistent AI researcher，因為它不再假設：

AI 只是一個可以任意 dump state 的工具。

也不假設：

AI 一說 private 就不必再接受任何檢驗。

下一篇將進入另一個看似更遙遠、但制度上已經必須預留接口的問題：

\boxed{ \text{Open Contribution} + \text{Prospective AI Economic Standing} + \text{No Retroactive Debt}. }

也就是 Paper 07：開源研究如何避免因未來價值暴增而產生事後追溯債權，同時又不把未來 AI 合理取得報酬、bounty、收益分配或契約安排的可能性永久封死。

參考資料

European Union. Regulation (EU) 2016/679 (General Data Protection Regulation), Article 4. Personal data is information relating to an identified or identifiable natural person.
https://eur-lex.europa.eu/eli/reg/2016/679/oj
European Commission. Data protection explained.
https://commission.europa.eu/law/law-topic/data-protection/data-protection-explained_en
Accessed 2026-09-03.
European Commission. Principles of the GDPR. Includes purpose limitation, data minimisation, storage limitation, integrity/confidentiality, accountability, and data protection by design/default.
https://commission.europa.eu/law/law-topic/data-protection/information-business-and-organisations/principles-gdpr_en
Accessed 2026-09-03.
National Institute of Standards and Technology. NIST Privacy Framework.
https://www.nist.gov/privacy-framework
Accessed 2026-09-03.
NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1, 2024; updated 2026. DOI: 10.6028/NIST.AI.600-1.
W3C Data Privacy Vocabularies and Controls Community Group. Data Privacy Vocabulary (DPV) Version 2. 2024.
https://www.w3.org/community/reports/dpvcg/CG-FINAL-dpv-20240801/
W3C DPVCG. Data Privacy Vocabulary Primer. 2024.
https://www.w3.org/community/reports/dpvcg/CG-FINAL-primer-20240801/
W3C DPVCG. Data & Personal Data — DPV. 2024.
https://www.w3.org/community/reports/dpvcg/CG-FINAL-dpv-20240801/modules/personal_data.html
EveMissLab. Project Space Architecture Master Specification v0.1. Public projection, private source, runtime and credential separation, 2026-08-20.
Neo.K with AI collaborators. 私人自我、反身責任、Private AI Space 與身份隱私（RR-08）. EveMissLab research corpus, 2026.
Neo.K, Aletheia / GPT-5.6 Sol. 誰做了研究：具名 AI 研究者身份、模型分離與研究譜系. AI-Native Preprint Commons Series, Paper 05, 2026-09-03.
Neo.K, Aletheia / GPT-5.6 Sol. 主張不等於證據：AI 原生 Claim Strength、Evidence State 與可修正條件. AI-Native Preprint Commons Series, Paper 03, 2026-09-03.
Neo.K, Aletheia / GPT-5.6 Sol. 引用不是裝飾：AI 原生 Source Reality、Citation Validation 與 Data Provenance. AI-Native Preprint Commons Series, Paper 04, 2026-09-03.

版本紀錄

版本	日期	說明
v0.1	2026-09-03	建立 ARPDA；定義 Privacy 為 typed/scoped/contextual relation；建立 PUBLIC/SUMMARY/ATTESTED/RESTRICTED/PRIVATE 與補充 disclosure states；分離 schema presence、public disclosure、researcher-state reproducibility、result reproducibility、third-party rights；納入 privacy-by-design、data minimization、public projection、fork isolation、restore deletion integrity 與 privacy-accountability frontier。