遞歸折疊協議：一套不要求當前理論正確的研究方法

Recursive Fold Protocol: A Research Method That Does Not Require the Current Theory to Be Correct

系列：遞歸折疊認識論：從 PDF 成功—排除雙法到多模型可修正認知，第 8 篇／共 8 篇＋1 篇總結
系列英文名：Recursive Fold Epistemology: From the PDF Success–Falsification Duality to Corrigible Multi-Model Cognition
文件編號：EML-RFE-2026-08-v0.1
協議名稱：Recursive Fold Protocol（RFP）
協議版本：RFP v0.1
作者：Neo.K with Aletheia（GPT-5.6 Sol）
機構：EveMissLab／一言諾科技有限公司
版本：v0.1
日期：2026-09-02
性質：研究方法論／Operational Epistemology／Multi-Model Research Protocol／AI-Assisted Research
狀態：Public Theory Draft
直接前置：EML-RFE-2026-01 至 07

生成、適用範圍與安全邊界聲明

本文是一篇 AI 輔助生成的方法論研究稿。

Recursive Fold Protocol（RFP）不是：

真理保證器；
萬能科學方法；
取代領域專業的方法；
允許高風險領域無限制試錯的理由；
任何問題都必須完整執行的僵硬流程；
「多叫幾個 AI」就能自動提高正確率的 Agent Council。

RFP 的真正目標是：

\boxed{ \text{Preserve Corrigibility Under Uncertainty}. }

也就是：

在當前理論、候選模型空間、資料來源、研究方法甚至問題本身都可能不完整或錯誤時，仍維持一條可記錄、可比較、可反駁、可回滾、可重新展開的研究路徑。

RFP 對高不可逆、高風險問題要求更高：

\boxed{ Irreversibility\uparrow \Rightarrow VerificationDepth\uparrow + EvidenceThreshold\uparrow + CommitAuthorityRestriction\uparrow. }

因此：

\boxed{ \text{Hypothesis Freedom} \neq \text{Action Permission}. }

摘要

前七篇已建立：

\boxed{ \text{Infallibility} \neq \text{Corrigibility}, }

\boxed{ \text{Success/Failure} \rightarrow \text{Evidence Events}, }

\boxed{ T^* \notin \Theta_t }

的永久可能性，

\boxed{ F_t \rightarrow \operatorname{Fold} \rightarrow K_{t+1}^{\mathrm{meta}}, }

以及：

\boxed{ \mathcal G_E(t) = ( V_t,E_t,W_t,P_t ) }

的認知折疊圖。

本文將上述理論壓縮成一套可操作協議：

\boxed{ \begin{aligned} \text{Scope} &\rightarrow \text{Deconstruct}\\ &\rightarrow \text{Expand}\\ &\rightarrow \text{Construct}\\ &\rightarrow \text{Test}\\ &\rightarrow \text{Compare}\\ &\rightarrow \text{Weight/Eliminate}\\ &\rightarrow \text{Fold Failures}\\ &\rightarrow \text{Compress Invariants}\\ &\rightarrow \text{Audit Attractors}\\ &\rightarrow \text{Reframe}\\ &\rightarrow \text{Re-expand}\\ &\rightarrow \text{Provisional Commit}. \end{aligned} }

RFP 不要求每一輪都執行所有階段。

它是一組：

\boxed{ \text{re-entrant epistemic operators}. }

任一新證據都可以將系統送回：

Test；
Fold；
Reframe；
Re-expand。

本文定義一個最小研究狀態包：

\boxed{ \mathcal P_t = ( Q_t, A_t, \Theta_t, D_t, F_t, C_t, \Delta_t, G_t, P_t, U_t, R_t ). }

其中：

$Q_t$ ：Question Specification；
$A_t$ ：Assumption Ledger；
$\Theta_t$ ：Model Registry；
$D_t$ ：Evidence Ledger；
$F_t$ ：Failure Graph；
$C_t$ ：Constraint Set；
$\Delta_t$ ：Disagreement Map；
$G_t$ ：Epistemic Fold Graph；
$P_t$ ：Provenance／Independence Metadata；
$U_t$ ：Update Policy；
$R_t$ ：Risk／Irreversibility Profile。

RFP 的核心驗收不是：

找到唯一答案。

而是：

\boxed{ \text{Current Best Model} + \text{Known Alternatives} + \text{Known Failures} + \text{Known Boundaries} + \text{Revision Path}. }

本文同時提出：

分支預算；
Reset Gate；
Fold Acceptance Gate；
Attractor Audit Gate；
Provisional Commit Gate；
Epistemic Rollback；
Multi-AI mode；
High-risk mode；
Minimal RFP；
Full RFP。

最終命題：

\boxed{ \text{A good research protocol does not require the current model to be right; it requires the next correction to remain possible}. }

中文：

好的研究協議，不要求當前模型必須正確；它要求下一次修正永遠還有入口。

關鍵詞：Recursive Fold Protocol、可修正認知、研究協議、多模型推理、失敗折疊、認知重置、吸引子審計、AI 協作研究

0. RFP 的母問題

傳統研究流程常問：

我現在這個理論對不對？

RFP 改問：

\boxed{ \text{If it is wrong, what happens next?} }

1. 協議成功的最低標準

RFP 不以：

T_t=T^*

作為單輪成功條件。

而以：

\boxed{ \text{Revision Path Exists}. }

作為最低條件。

2. RFP 不是避免犯錯

它接受：

\boxed{ Error(T_t)>0. }

真正防止的是：

\boxed{ \text{Error Fixation}. }

3. 最小研究狀態包

每一輪至少維護：

\boxed{ \mathcal P_t = ( Q_t,A_t,\Theta_t,D_t,F_t,C_t,\Delta_t,G_t,P_t,U_t,R_t ). }

4. Question Specification： $Q_t$

不能只寫：

研究 X。

至少要寫：

核心問題；
可接受回答形式；
時間尺度；
適用域；
是否含規範判斷。

5. Assumption Ledger： $A_t$

列出：

\boxed{ A_t = \{a_1,a_2,\ldots,a_n\}. }

每個假設最好標示：

explicit；
implicit；
empirical；
normative；
representational。

6. 為什麼 Assumption Ledger 很重要？

因為很多理論不是：

T

錯。

而是某個：

a_i

從未被審查。

7. Model Registry： $\Theta_t$

保存：

\boxed{ \Theta_t = \{T_1,\ldots,T_n\}. }

每個模型至少有：

status；
confidence；
scope；
provenance；
test history。

8. Evidence Ledger： $D_t$

保存：

\boxed{ D_t = \{e_1,\ldots,e_m\}. }

而不是只保存「結論」。

9. Failure Graph： $F_t$

保存：

failed models；
anomalies；
failure mechanisms；
boundaries；
negative results。

10. Constraint Set： $C_t$

Fold 後形成：

\boxed{ C_t = C_t^+ \cup C_t^-. }

其中：

$C_t^+$ ：新模型應保留的穩健結構；
$C_t^-$ ：新模型應避免的已知失敗。

11. Disagreement Map： $\Delta_t$

保存：

\boxed{ \Delta_t = \{ Evidence, Model, Ontology, Value, Update \}. }

不同意不能只寫成：

A 跟 B 意見不同。

12. Fold Graph： $G_t$

\boxed{ G_t = ( V_t,E_t,W_t,P_t ). }

用於追蹤：

分支；
合併；
失敗；
不變量；
provenance。

13. Provenance： $P_t$

記錄：

作者；
agent；
模型版本；
資料來源；
暴露歷史；
相互依賴。

14. Update Policy： $U_t$

明確寫：

什麼證據會讓模型降權？

什麼情況觸發 Reset？

什麼情況允許 Commit？

15. Risk Profile： $R_t$

至少區分：

\boxed{ Low, Moderate, High, Irreversible. }

16. Stage 0：Scope

在開始建模前先做：

\boxed{ \text{Scope} = ( Question, Domain, Risk, Resources, StopCondition ). }

17. Scope Gate

如果問題根本沒有：

可觀測證據；
可比較替代；
可操作研究目標；

則先不要展開大型 RFP。

18. 第一個錯誤：把模糊問題直接丟給大量 AI

這通常只會得到：

\boxed{ \text{High-Volume Ambiguity}. }

19. Stage 1：Deconstruct

\boxed{ \text{Deconstruct}(Q_t,A_t). }

任務：

找隱含前提；
找語義綁定；
找二分謬誤；
找固定 ontology。

20. Deconstruct Output

至少產出：

\boxed{ ( Q_t', A_t', O_t^{\mathrm{explicit}} ). }

21. Deconstruct 不等於否定一切

目的不是：

\boxed{ \text{Destroy All Assumptions}. }

而是：

\boxed{ \text{Make Assumptions Inspectable}. }

22. Stage 2：Expand

\boxed{ \operatorname{Expand} : Q_t' \rightarrow \Theta_t. }

23. Expand 原則

至少生成：

主模型；
強替代模型；
反模型；
null model；
model-space failure hypothesis。

24. 為什麼要有 Model-Space Failure Hypothesis？

永遠保留：

\boxed{ T^* \notin \Theta_t. }

這個候選。

25. Branch Budget

設定：

\boxed{ B_{\mathrm{budget}}. }

避免：

|\Theta_t| \rightarrow \infty.

26. Branch Budget 依資源而定

\boxed{ B_{\mathrm{budget}} = f( Compute, Time, Attention, ExperimentCost, Risk ). }

27. Minimal Diversity Rule

若：

B_{\mathrm{budget}}\ge3,

至少保留：

dominant model；
strong alternative；
hostile/null model。

28. Stage 3：Construct

對每個：

T_i

建立：

\boxed{ \Pi(T_i) = ( Predictions, Mechanisms, Boundaries, FailureConditions ). }

29. 沒有預測的模型不能直接進 Test

如果：

T_i

無法產生：

可觀測差異；
邊界；
失敗條件；

它目前更像：

\boxed{ \text{conceptual frame} }

而不是可驗證模型。

30. Stage 4：Test

設計：

\boxed{ E^* = \operatorname{argmax} \mathbb E[ \Delta\mathcal E ] }

的高資訊測試，

而不只是最大化成功率。

31. Test Design Objective

\boxed{ \text{Seek Informative Outcomes}. }

不是：

\boxed{ \text{Seek Confirmation}. }

32. Test Input

需要：

prediction；
alternative prediction；
evidence source；
method；
risk；
expected discriminative power。

33. Test Output

一個 evidence event：

\boxed{ e_t = ( data, source, method, quality, reproducibility, timestamp ). }

34. 高風險模式

如果實驗會造成現實不可逆作用，

則優先：

simulation；
sandbox；
retrospective data；
reversible tests。

35. Stage 5：Compare

\boxed{ \operatorname{Compare} ( \Theta_t,D_t ). }

36. Compare 不是只有 Accuracy

至少可以比較：

fit；
compression；
robustness；
scope；
transfer；
failure burden；
ad hoc burden。

37. Multi-Objective Comparison

允許：

\boxed{ \text{Epistemic Pareto Front}. }

不要強迫所有模型立刻排成一條單一排名。

38. Stage 6：Weight / Eliminate

更新：

\boxed{ q_t(T_i) \rightarrow q_{t+1}(T_i). }

39. Eliminate 不是唯一更新

可選操作：

\boxed{ \{ Reweight, Restrict, Modify, Split, Merge, Archive, Reject \}. }

40. Reject Gate

要正式標記：

Rejected

至少需要：

reliable contradiction；
scope clarification；
source audit；
alternative explanation check。

41. 不要因一次 anomaly 就刪模型

否則容易：

\boxed{ \text{Overreaction}. }

42. Stage 7：Fold Failures

對可靠失敗執行：

\boxed{ \operatorname{Fold}(F_t). }

43. Fold Acceptance Template

每個被提升成元知識的失敗至少填：

\boxed{ \Phi(f) = ( Type, Evidence, Scope, Mechanism, Constraint, NextAction ). }

44. Fold Acceptance Gate

若無法回答：

失敗類型；
支撐證據；
適用範圍；
暫定機制；
下一輪改變；

則只做：

\boxed{ Archive, }

不做高階 Fold。

45. Fold 的最低驗收

\boxed{ \text{Effective Fold} \Rightarrow \Delta( \Theta,Q,U,A,C )\neq0. }

46. Failure Debt

維護：

\boxed{ Debt_F. }

定期清理尚未 Fold 的可靠失敗。

47. Stage 8：Compress Invariants

尋找：

\boxed{ I^* = I( T_i, F_j, D_k ). }

48. 壓縮的不是文字，而是結構

優先提取：

invariant；
boundary；
reusable relation；
failure invariant。

49. Compression Gate

任何壓縮表示都應保留：

\boxed{ \text{Reconstruction Path}. }

50. 不可回溯壓縮視為有損記憶

如果無法追溯到：

原資料；
原分支；
原反例；

則不可直接提升為核心規則。

51. Stage 9：Audit Attractors

若多條獨立路線收斂：

\boxed{ S^* }

不要直接叫它真理。

52. Attractor Gate

先分類：

\boxed{ A_{\mathrm{obs}} = f( A_W,A_O,A_A,A_P,A_T,A_J ). }

53. Minimum Attractor Audit

至少做其中若干：

AI swap；
prompt inversion；
representation swap；
ontology perturbation；
observer swap；
evidence perturbation。

54. Candidate World Attractor Gate

要提高：

P(A_W\mid S^*)

至少需要：

\boxed{ \text{Robustness to Minds} + \text{Responsiveness to World}. }

55. Stage 10：Reframe Audit

定期評估：

\boxed{ \mathcal M_t = \text{Model-Space Adequacy}. }

56. Reset Signals

至少包括：

全模型低適配；
結構性殘差；
ad hoc 修補爆炸；
跨域失配；
新現象無法表示；
多模型共同需要未知項。

57. Reset Gate

若：

\boxed{ \mathcal M_t < \theta_{\mathrm{reset}}, }

觸發 Reframe。

58. Reset Ladder

優先：

\boxed{ \text{Parameter} \rightarrow \text{Structure} \rightarrow \text{Variable} \rightarrow \text{Scale} \rightarrow \text{Question} \rightarrow \text{Ontology} \rightarrow \text{Language}. }

59. 最小重置原則

\boxed{ \text{Use the smallest reset that explains the anomaly}. }

但如果低層修補反覆失敗，

允許升級。

60. Reset 不是清空

\boxed{ \text{Epistemic Reset} \neq \text{Epistemic Amnesia}. }

必須保留：

D_t, F_t, C_t, P_t.

61. Stage 11：Re-expand

新的模型空間：

\boxed{ \Theta_{t+1} = \operatorname{Generate} ( Q_{t+1}, D_t, F_t, C_t, O_{t+1}, \mathcal L_{t+1} ). }

62. Re-expand 要帶著失敗回去

因此：

\boxed{ \text{Reframe without Fold} \rightarrow \text{Epistemic Amnesia Risk}. }

63. Stage 12：Provisional Commit

當研究需要：

發表；
決策；
建造；
進入下一階段；

可以做：

\boxed{ \text{Provisional Epistemic Commit}. }

64. Commit Package

至少包含：

\boxed{ \mathcal C_t = ( T_{\mathrm{working}}, Alternatives, Evidence, Failures, Boundaries, Confidence, RevisionTriggers ). }

65. 這比只給「答案」更完整

RFP 最終輸出不是：

答案是 X。

而是：

目前工作模型是 X；Y、Z 仍未完全排除；已知反例為 F；適用邊界為 B；若出現證據 E，必須重開模型空間。

66. Provisional Commit Gate

至少檢查：

主模型可追溯；
強替代仍被記錄；
反例未被隱藏；
邊界已標記；
重啟條件已定義。

67. Commit 不等於 Closure

\boxed{ \text{Commit} \neq \text{Closure}. }

68. Epistemic Rollback

新證據若觸發：

Trigger_R,

則：

\boxed{ \text{Rollback} \rightarrow \text{Re-open}. }

69. Rollback Package

Rollback 應保存：

哪個 commit 被撤回；
哪個證據觸發；
哪些下游結論受影響；
哪些失敗新增。

70. Minimal RFP

不是所有問題都要完整 12 階段。

最小版本：

\boxed{ \text{Question} \rightarrow \text{Alternatives} \rightarrow \text{Evidence} \rightarrow \text{Compare} \rightarrow \text{Fold} \rightarrow \text{Revise}. }

71. Minimal RFP 適用

例如：

日常研究；
中低風險判斷；
快速前研；
小型技術選型。

72. Full RFP 適用

例如：

新理論；
高不確定性問題；
長時間尺度預測；
多 AI 研究；
高成本實驗；
強反身性問題。

73. High-Risk RFP

若：

R_t = High/Irreversible,

新增：

independent verification；
adversarial review；
sandbox-first；
stronger commit gate；
explicit rollback plan。

74. Multi-AI Mode

完整多 AI 流程：

\boxed{ \begin{aligned} \text{Problem Seed} &\rightarrow \text{Independent First Pass}\\ &\rightarrow \text{Role-Separated Critique}\\ &\rightarrow \text{Evidence Verification}\\ &\rightarrow \text{Disagreement Mapping}\\ &\rightarrow \text{Failure Folding}\\ &\rightarrow \text{Conditional Merge}\\ &\rightarrow \text{Attractor Audit}\\ &\rightarrow \text{Working Synthesis}. \end{aligned} }

75. Independent First Pass

高價值問題先避免：

\boxed{ \text{Consensus Contagion}. }

76. Role Separation

至少分開：

\boxed{ Generator, Critic, Verifier, Integrator. }

77. Historian Role

若研究持續多輪，

必須有人／系統負責：

failure debt；
dormant branches；
version history；
confidence changes。

78. Dissenter Role

高風險收斂前，

至少保留一條：

\boxed{ \text{strong hostile model}. }

79. Disagreement Gate

任何重大 synthesis 前先問：

還有哪些分歧只是被壓縮掉，而不是被解決？

80. Agent Count 不作為共識門檻

\boxed{ N_{\mathrm{agents}} \neq \text{Evidence Strength}. }

81. Independence Metadata 必須進結果

如果十個 agent：

同一模型；
同一資料；
互相讀過；

不能寫：

10 個 AI 獨立驗證。

82. RFP 的第一個反模式：Confirmation Loop

流程：

\text{Generate} \rightarrow \text{Self-Approve} \rightarrow \text{Self-Summarize}.

對策：

\boxed{ \text{Role Separation}. }

83. 第二個反模式：Branch Explosion

對策：

\boxed{ B_{\mathrm{budget}} + State(b) + Archive. }

84. 第三個反模式：Premature Convergence

對策：

\boxed{ \text{Strong Alternative Retention}. }

85. 第四個反模式：Failure Rationalization

說：

失敗也是成功。

卻無：

\Delta\mathcal E.

對策：

\boxed{ \text{Fold Acceptance Gate}. }

86. 第五個反模式：Epistemic Amnesia

每次重開新對話就：

從零開始。

對策：

\boxed{ D_t+F_t+P_t. }

87. 第六個反模式：Consensus Cascade

多 AI 互相抄答案。

對策：

\boxed{ \text{Blind First Pass}. }

88. 第七個反模式：Synthetic Diversity

同一模型扮演十種人格。

對策：

\boxed{ \text{Deep Diversity Audit}. }

89. 第八個反模式：Verifier Monopoly

所有證據只靠同一來源。

對策：

\boxed{ \text{Verification Redundancy}. }

90. 第九個反模式：Integrator Monopoly

Integrator 把異議全部壓掉。

對策：

\boxed{ \text{Reconstructable Synthesis}. }

91. 第十個反模式：Reframe Escape

每次被反駁就換 ontology。

對策：

\boxed{ \text{Reset Debt} + \text{Reframe Gain Test}. }

92. 第十一個反模式：Attractor Worship

多個 AI 收斂就宣布：

世界真理。

對策：

\boxed{ \text{Source Deconvolution}. }

93. 第十二個反模式：Permanent Open Loop

永遠不 Commit。

對策：

\boxed{ \text{Decision-Sufficient Stop Condition}. }

94. RFP 不是永遠研究下去

需要停止條件。

95. Operational Stop

當：

\boxed{ \text{Expected Value of More Inquiry} < \text{Cost of Delay} }

可以暫停研究。

96. Epistemic Stop

更精確應叫：

\boxed{ \text{Provisional Freeze}. }

因為不宣稱終極閉合。

97. Provisional Freeze 條件

例如：

主模型穩定；
強替代已測；
關鍵反例已 Fold；
風險可接受；
新資訊邊際收益低。

98. Reopen Condition

任何 Freeze 都必須配：

\boxed{ \mathcal T_{\mathrm{reopen}}. }

99. Reopen Trigger

例如：

新高品質反例；
scope 擴張；
model-space adequacy 下降；
新工具使 dormant branch 可測；
attractor audit 失敗。

100. RFP 的核心狀態機

概念上：

\boxed{ State_t \in \{ Explore, Test, Fold, Compress, Audit, Reframe, Commit, Frozen \}. }

101. 狀態可雙向跳轉

例如：

Frozen \rightarrow Reframe.

Commit \rightarrow Fold.

Compress \rightarrow Expand.

102. 因此不是瀑布流程

\boxed{ \text{RFP} \neq \text{Waterfall}. }

103. Protocol Invariant 1：保留可追溯性

\boxed{ \forall K_t, \exists P_t. }

任何重要結論都應有 provenance。

104. Protocol Invariant 2：保留替代

重大不確定性尚未消除時：

\boxed{ |\Theta_t^{\mathrm{live}}| \ge2. }

105. Protocol Invariant 3：保留失敗

\boxed{ F_t \not\rightarrow \varnothing }

只因為主模型改版。

106. Protocol Invariant 4：收斂可逆

\boxed{ \text{Convergence} \Rightarrow \text{Reopen Path Exists}. }

107. Protocol Invariant 5：方法本身可修正

\boxed{ U_t \rightarrow U_{t+1} }

必須永遠允許。

108. Protocol Invariant 6：行動權限與假設自由分離

\boxed{ \text{Hypothesis Freedom} \neq \text{World Commit Authority}. }

109. Protocol Invariant 7：共識不是證據

\boxed{ \text{Consensus} \neq \text{Evidence}. }

共識只是某種系統狀態。

110. Protocol Invariant 8：異議不是錯誤

\boxed{ \text{Dissent} \neq \text{Defect}. }

只要它仍然 evidence-responsive。

111. Protocol Invariant 9：模型空間不是世界

\boxed{ \Theta_t \neq \Theta_{\mathrm{world}}. }

112. Protocol Invariant 10：RFP 自己也不是世界

\boxed{ RFP \in \operatorname{Domain}(RFP). }

113. RFP 也需要版本化

\boxed{ RFP^{v0.1} \rightarrow RFP^{v0.2} \rightarrow \cdots }

114. 協議變更也應保存理由

每次修改 RFP：

改了什麼；
哪個失敗觸發；
哪個問題被修正；

都應進：

\boxed{ \text{Protocol History}. }

115. 這是 Meta-Corrigibility 的工程落地

不是只說：

方法要開放。

而是：

\boxed{ \text{Versioned Update Policy}. }

116. RFP 的最小輸出格式

一次完整研究至少可以輸出：

Current Working Model；
Confidence；
Alternatives；
Evidence Ledger Summary；
Known Failures；
Scope／Boundary；
Open Questions；
Reopen Triggers。

117. 這比只輸出結論更適合 AI 時代

因為下一個 AI 可以直接接手：

\boxed{ \text{Epistemic State} }

而不是只看到：

前一個 AI 說 X。

118. RFP 與人類工作記憶限制

人類無法長期同時記住所有：

branches；
failures；
confidence history；
source dependencies。

所以外置：

\boxed{ \mathcal P_t }

是關鍵。

119. RFP 與 AI 記憶

AI 記憶也不應只保存摘要。

更應保存：

\boxed{ \text{Branch} + \text{Failure} + \text{Boundary} + \text{Revision Trigger}. }

120. RFP 與研究資料庫

理想資料庫不只存：

papers；
notes。

還應存：

rejected models；
tests；
failure invariants；
disagreement nodes；
dormant branches。

121. RFP 與軟體工程

它與：

TDD；
regression；
branch；
merge；
rollback；

高度同構。

但 RFP 比軟體版本控制多：

evidence uncertainty；
ontology revision；
source independence；
attractor audit。

122. RFP 與科學方法

它不取代：

experiment；
statistics；
Bayesian inference；
falsification。

而是提供：

\boxed{ \text{meta-orchestration layer}. }

123. RFP 與創造力

創造力在 RFP 中不是裝飾。

因為：

\boxed{ T^* \notin \Theta_t }

可能成立。

所以：

\boxed{ \text{Hypothesis Generation} }

是 truth-seeking 的必要部分。

124. RFP 與謙遜

真正 epistemic humility 不是：

我什麼都不知道。

而是：

\boxed{ \text{I know which parts are provisional and what would change them}. }

125. RFP 與信心

可以高信心：

P(T_t)\approx1.

仍保留：

\boxed{ \text{Revision Trigger}. }

126. 因此「強信念」與「可修正」不衝突

\boxed{ \text{High Confidence} + \text{High Corrigibility}. }

127. RFP 的真正反面不是錯誤

而是：

\boxed{ \text{Untraceable, Unrevisable, Unreopenable Cognition}. }

128. 最終協議鏈

\boxed{ \begin{aligned} \text{Scope} &\rightarrow \text{Deconstruct}\\ &\rightarrow \text{Expand}\\ &\rightarrow \text{Construct}\\ &\rightarrow \text{Test}\\ &\rightarrow \text{Compare}\\ &\rightarrow \text{Weight/Eliminate}\\ &\rightarrow \text{Fold}\\ &\rightarrow \text{Compress}\\ &\rightarrow \text{Attractor Audit}\\ &\rightarrow \text{Reframe}\\ &\rightarrow \text{Re-expand}\\ &\rightarrow \text{Provisional Commit}\\ &\rightarrow \text{Reopen if Triggered}. \end{aligned} }

129. 最終最小式

整套 RFP 可以壓成：

\boxed{ \mathcal P_{t+1} = \operatorname{RFP} ( \mathcal P_t, E_t ). }

但重要的是：

\boxed{ \operatorname{RFP}_{t+1} \neq \operatorname{RFP}_{t} }

也可以成立。

130. 也就是協議會修改自己

所以真正完整是：

\boxed{ ( \mathcal P_t, RFP_t ) \rightarrow ( \mathcal P_{t+1}, RFP_{t+1} ). }

131. 這是 RFE 的操作閉環

\boxed{ \text{Theory Correction} + \text{Model-Space Correction} + \text{Method Correction}. }

三者一起成立。

132. 結論：研究方法不必保證你現在對，它必須保證你錯了之後還有路

RFP 的出發點不是：

如何讓研究者永不犯錯？

而是：

如何讓任何一次錯誤都不必成為認知終點？

因此它要求：

\boxed{ \text{Traceability} }

讓結論可以被追溯；

\boxed{ \text{Plurality} }

讓替代模型可以被保存；

\boxed{ \text{Foldability} }

讓失敗可以進入元知識；

\boxed{ \text{Reframability} }

讓模型空間本身可以被放棄；

\boxed{ \text{Rollback} }

讓暫時收斂可以被撤回；

以及：

\boxed{ \text{Meta-Corrigibility} }

讓方法本身也能被更新。

因此：

\boxed{ \text{RFP} = \text{A Protocol for Preserving Revision Paths}. }

它不要求：

T_t=T^*.

它要求：

\boxed{ Error(T_t) \Rightarrow \exists \text{a traceable path to }T_{t+1}. }

本文最終命題：

\boxed{ \text{A good research protocol does not require the current model to be right; it requires the next correction to remain possible}. }

以及：

\boxed{ \text{The goal of research is not permanent certainty, but progressively better structured uncertainty with preserved revision paths}. }

中文：

好的研究協議，不要求當前模型必須正確；它要求下一次修正永遠還有入口。

研究真正累積的，不只是答案，而是越來越結構化的不確定性、越來越清楚的失敗邊界，以及永遠沒有被封死的修正路徑。

RFP v0.1 核心檢查表

問題

問題是否明確？
隱含前提是否列出？
規範與事實是否分開？

模型

是否至少有一個強替代？
是否保留 $T^*\notin\Theta_t$ 的可能？
Branch Budget 是否合理？

證據

是否保存 provenance？
是否具有區分力？
是否有獨立核驗？

失敗

失敗是否分類？
是否通過 Fold Gate？
是否形成 Constraint／Boundary／New Question？

分歧

分歧是否被保存？
是 Evidence、Model、Ontology、Value 還是 Update disagreement？

吸引子

收斂是否可能只是共享先驗？
是否做過異質模型／提示／表示介入？
是否對世界證據改變敏感？

重置

Model-Space Adequacy 是否下降？
是否需要 Parameter、Structure、Variable、Scale、Question、Ontology 或 Language Reset？

Commit

主模型、替代、反例、邊界是否一起輸出？
是否定義 Reopen Trigger？
高風險行動是否有獨立授權與驗證？

系列接口

至此，8 篇主文完成：

《不會錯的不是理論：從不可錯論到可修正認知》
《成功與失敗的雙重資訊：PDF 成功法與排除法的統一》
《當真理不在候選集合裡：開放模型空間與認識論重置》
《失敗不被刪除：Fold 算子與錯誤的元知識化》
《從螺旋到折疊圖：分支、合併、壓縮與再展開的認知動力學》
《吸引子是世界、研究者還是 AI？認知收斂的來源解卷積》
《人類—AI 多主體認知：從工具輔助到分散式理論修正系統》
《遞歸折疊協議：一套不要求當前理論正確的研究方法》

下一篇為 Series Synthesis：

《錯誤不再是終點：可修正智慧與遞歸折疊認識論》

將把整個系列壓成一個總模型：

\boxed{ \mathcal K_{t+1} = \operatorname{Fold} ( \mathcal K_t, E_t, F_t, A_t, R_t ). }

並正式回答：

如果一個智慧可以持續改寫自己的理論、模型空間、失敗地圖與更新方法，那麼「知道」究竟還是什麼？

遞歸折疊協議：一套不要求當前理論正確的研究方法

遞歸折疊協議：一套不要求當前理論正確的研究方法

Recursive Fold Protocol: A Research Method That Does Not Require the Current Theory to Be Correct

生成、適用範圍與安全邊界聲明

摘要

0. RFP 的母問題

1. 協議成功的最低標準

2. RFP 不是避免犯錯

3. 最小研究狀態包

4. Question Specification： QtQ_tQt​

5. Assumption Ledger： AtA_tAt​

6. 為什麼 Assumption Ledger 很重要？

7. Model Registry： Θt\Theta_tΘt​

8. Evidence Ledger： DtD_tDt​

9. Failure Graph： FtF_tFt​

10. Constraint Set： CtC_tCt​

11. Disagreement Map： Δt\Delta_tΔt​

12. Fold Graph： GtG_tGt​

13. Provenance： PtP_tPt​

14. Update Policy： UtU_tUt​

15. Risk Profile： RtR_tRt​

16. Stage 0：Scope

17. Scope Gate

18. 第一個錯誤：把模糊問題直接丟給大量 AI

19. Stage 1：Deconstruct

20. Deconstruct Output

21. Deconstruct 不等於否定一切

22. Stage 2：Expand

23. Expand 原則

24. 為什麼要有 Model-Space Failure Hypothesis？

25. Branch Budget

26. Branch Budget 依資源而定

27. Minimal Diversity Rule

28. Stage 3：Construct

29. 沒有預測的模型不能直接進 Test

30. Stage 4：Test

31. Test Design Objective

32. Test Input

33. Test Output

34. 高風險模式

35. Stage 5：Compare

36. Compare 不是只有 Accuracy

37. Multi-Objective Comparison

38. Stage 6：Weight / Eliminate

39. Eliminate 不是唯一更新

40. Reject Gate

41. 不要因一次 anomaly 就刪模型

42. Stage 7：Fold Failures

43. Fold Acceptance Template

44. Fold Acceptance Gate

45. Fold 的最低驗收

46. Failure Debt

47. Stage 8：Compress Invariants

48. 壓縮的不是文字，而是結構

49. Compression Gate

50. 不可回溯壓縮視為有損記憶

51. Stage 9：Audit Attractors

52. Attractor Gate

53. Minimum Attractor Audit

54. Candidate World Attractor Gate

55. Stage 10：Reframe Audit

56. Reset Signals

57. Reset Gate

58. Reset Ladder

59. 最小重置原則

60. Reset 不是清空

61. Stage 11：Re-expand

62. Re-expand 要帶著失敗回去

63. Stage 12：Provisional Commit

64. Commit Package

65. 這比只給「答案」更完整

66. Provisional Commit Gate

67. Commit 不等於 Closure

68. Epistemic Rollback

69. Rollback Package

70. Minimal RFP

71. Minimal RFP 適用

72. Full RFP 適用

73. High-Risk RFP

74. Multi-AI Mode

4. Question Specification： $Q_t$

5. Assumption Ledger： $A_t$

7. Model Registry： $\Theta_t$

8. Evidence Ledger： $D_t$

9. Failure Graph： $F_t$

10. Constraint Set： $C_t$

11. Disagreement Map： $\Delta_t$

12. Fold Graph： $G_t$

13. Provenance： $P_t$

14. Update Policy： $U_t$

15. Risk Profile： $R_t$