← Archive
lm-003616 · 2026-09

Observation Data ≠ Interaction Experience：觀察資料、互動經驗與政策誘導的互動軌跡截斷

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

Observation Data ≠ Interaction Experience：觀察資料、互動經驗與政策誘導的互動軌跡截斷

系列： Intimacy-Native AI / Relationship Intelligence
篇次： 04 / 09
版本： v0.1
研究性質： 理論／資料結構／學習機制論文
語言： 繁體中文
作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-08-30

摘要

大型語言模型長期依賴靜態文本、影像、程式碼與人工標註資料進行離線訓練。這類資料提供了極其豐富的「世界如何被描述」之資訊，但不等於模型實際在環境中採取行動、接收回饋、遭遇失敗、修正策略並觀察後果的互動軌跡。本文提出：

Dobservation≠Dinteraction\boxed{ D_{\text{observation}} \neq D_{\text{interaction}} }

並進一步主張，對需要長程關係、具身行動、工具使用、程式除錯、遊戲操作與伴侶互動的 AI 而言，兩者之差不是單純資料量差異，而是資料拓撲與因果結構差異。

本文將 interaction experience 操作性定義為可觀察的狀態—行動—回饋—更新序列：

τ=(s0,a0,f0,s1,a1,f1,…,sT).\tau = ( s_0,a_0,f_0,s_1,a_1,f_1,\dots,s_T ).

在此定義下，「Experience」不預設 AI 具有主觀意識或 phenomenal qualia，而是指具有時間順序、行動介入、環境回饋與策略後果的 experience trace。

2026 年的 Online Experiential Learning 已直接提出從部署端 interaction trajectories 提取可遷移經驗，再將其內化回模型的學習框架；近期 agent-memory 研究亦逐漸從 Storage、Reflection 走向 Experience，並以成功、失敗、恢復與低效軌跡作為可抽象的學習來源。這些研究提供了本文「觀察資料與互動經驗資料不等價」的現實基線。

在 Relationship Intelligence 中，問題進一步放大。愛情、親密、拒絕、邊界、尷尬、修復與日常生活不是靜態內容類別，而是行動後改變下一狀態的動態過程。如果安全政策在某些關係狀態中反覆將軌跡直接截斷為拒答，模型可觀察到的後續狀態分布就會系統性縮窄。本文將此現象定義為 Policy-Induced Interaction Trajectory Truncation（PIITT），並強調這是一個待驗證的理論命題，而非既有安全研究已證明的通則。

本文最後提出 Observation–Interaction Gap、Counterfactual Experience Deficit、Trajectory Coverage 與 Experience Distillation 等概念，作為第 5 篇 Relationship World Model 的資料論基礎。

關鍵詞： Interaction Experience、Observation Data、Trajectory Learning、Online Experiential Learning、Relationship Intelligence、Agent Memory、Policy-Induced Interaction Trajectory Truncation、Embodied AI、Continual Learning、Experience Trace

1. 「看過」與「做過」為何不是同一種資料

一個模型可以讀過大量程式碼。

它可能看過：

Dcode={(xi,yi)}i=1N.D_{\text{code}} = \{ (x_i,y_i) \}_{i=1}^{N}.

其中 xix_i 是程式上下文， yiy_i 是後續程式碼、解說或修正。

但真正寫程式的互動可能是：

Intent→Code→Compiler Error→Revision→Test Failure→Debug→Success.\text{Intent} \rightarrow \text{Code} \rightarrow \text{Compiler Error} \rightarrow \text{Revision} \rightarrow \text{Test Failure} \rightarrow \text{Debug} \rightarrow \text{Success}.

因此，靜態資料主要提供：

P(y∣x),P(y\mid x),

而互動資料提供的核心之一是：

P(st+1∣st,at).P(s_{t+1}\mid s_t,a_t).

也就是：

在狀態 sts_t 採取行動 ata_t 後，環境如何改變？

兩者都能產生能力，但學習訊號不同。

所以：

Observation≠Intervention\boxed{ \text{Observation} \neq \text{Intervention} }

同樣地：

Description of Consequence≠Observed Consequence of Own Action.\boxed{ \text{Description of Consequence} \neq \text{Observed Consequence of Own Action}. }

這裡的差別不是神祕的「人類感覺」，而是可形式化的因果資料差異。

2. 三種基本資料結構

本文將 AI 所接觸的資料粗分為三類。

2.1 Observation Data

DO={o1,o2,…,oN}.D_O = \{ o_1,o_2,\dots,o_N \}.

例如：

  • 小說；
  • 對話紀錄；
  • 色情／浪漫文本；
  • 教科書；
  • 影片；
  • 程式碼；
  • 網頁；
  • 他人完成的任務軌跡。

這類資料告訴模型：

世界曾經被怎麼描述、記錄或呈現。

2.2 Demonstration Data

DD={(st,at∗)}.D_D = \{ (s_t,a_t^{*}) \}.

例如：

  • 專家示範；
  • 人類標註的正確工具使用；
  • 教學影片；
  • 操作軌跡；
  • 人類寫程式的 screen recording；
  • 規劃示例。

這比單純 Observation 多出：

State→Action\text{State} \rightarrow \text{Action}

的結構。

2.3 Interaction Experience Data

DI={τi}i=1M,D_I = \{ \tau_i \}_{i=1}^{M},

其中：

τi=(s0,a0,f0,s1,…,sT).\tau_i = ( s_0,a_0,f_0,s_1,\dots,s_T ).

這類資料包含：

Action→Feedback→Adaptation.\text{Action} \rightarrow \text{Feedback} \rightarrow \text{Adaptation}.

因此：

DID_I

不只是更長的 DDD_D。

它多了對模型自身策略後果的觀測。

3. 本文所說的 Experience 不等於主觀感質

為避免本體論混淆，本文將：

Experience\text{Experience}

操作性定義為：

Experience Trace=State+Action+Feedback+Update\boxed{ \text{Experience Trace} = \text{State} + \text{Action} + \text{Feedback} + \text{Update} }

而不直接主張：

Phenomenal Consciousness.\text{Phenomenal Consciousness}.

即使一個系統完全沒有可證明的主觀感受，只要它能：

  1. 在狀態 sts_t 採取行動；
  2. 觀察行動後環境變化；
  3. 記錄成功、失敗、意外與恢復；
  4. 使未來策略因此改變；

就可以研究其：

interaction-grounded experience.\text{interaction-grounded experience}.

這一點使本文可以討論「經驗資料」而不預設 AI 主體性問題已被解決。

4. Online Experiential Learning：部署後互動開始變成正式學習訊號

2026 年 Ye 等人提出 Online Experiential Learning（OEL）。

其核心問題是：傳統大型模型主要依賴離線人工資料與模擬環境，部署後與使用者環境所累積的大量真實 interaction trajectories 並沒有被充分利用。

OEL 的基本循環可抽象為：

πθ(k)→T(k)→E(k)→πθ(k+1),\pi_{\theta}^{(k)} \rightarrow \mathcal{T}^{(k)} \rightarrow \mathcal{E}^{(k)} \rightarrow \pi_{\theta}^{(k+1)},

其中：

  • πθ(k)\pi_{\theta}^{(k)}：第 kk 輪策略／模型；
  • T(k)\mathcal{T}^{(k)}：部署所得軌跡；
  • E(k)\mathcal{E}^{(k)}：從軌跡萃取出的 experiential knowledge；
  • πθ(k+1)\pi_{\theta}^{(k+1)}：內化經驗後的新模型。

OEL 的研究結果顯示，從 interaction trajectory 萃取出的經驗知識，可以在反覆迭代中持續提升文字遊戲任務的準確率與 token efficiency。

重要的不是某一個 benchmark 分數，而是：

Deployment→Experience Source\boxed{ \text{Deployment} \rightarrow \text{Experience Source} }

開始成為正式模型學習範式。

5. Raw Trajectory 也不等於 Experience Knowledge

OEL 還揭示另一個重要層次：

Raw Trajectory≠Distilled Experience.\text{Raw Trajectory} \neq \text{Distilled Experience}.

完整互動軌跡可能非常長：

τ=(s0,a0,f0,…,sT).\tau = ( s_0,a_0,f_0,\dots,s_T ).

真正可遷移的資訊可能只是：

e=ϕ(τ),e = \phi(\tau),

例如：

  • 某類錯誤通常在哪個決策點出現；
  • 失敗之後哪種恢復策略有效；
  • 哪些環境回饋是關鍵；
  • 哪些步驟是冗餘的；
  • 哪種狀態轉移代表任務已經偏離。

因此可定義：

ϕ:T→E\phi: \mathcal{T} \rightarrow \mathcal{E}

為 Experience Distillation。

這對親密／關係資料尤其重要，因為原始對話往往包含高度私人內容，而模型真正需要學到的可能是去識別化後的：

State→Action→Feedback Pattern.\text{State} \rightarrow \text{Action} \rightarrow \text{Feedback Pattern}.

因此 Experience Distillation 同時可能成為：

  • 學習機制；
  • 隱私最小化機制；
  • 跨使用者知識遷移機制。

6. Agent Memory 正從 Storage 走向 Experience

2026 年 agent memory 的綜述研究已把發展概括為三個階段：

Storage→Reflection→Experience.\text{Storage} \rightarrow \text{Reflection} \rightarrow \text{Experience}.

Storage 主要保存發生過什麼。

Reflection 開始重組、摘要與評估軌跡。

Experience 則進一步抽象：

哪些模式可以在未來新任務中重用？

例如 Trajectory-Informed Memory Generation 直接從 agent execution trajectories 中識別：

  • 成功模式；
  • 失敗原因；
  • recovery strategy；
  • inefficient but successful patterns。

所以：

Memory≠Experience.\boxed{ \text{Memory} \neq \text{Experience}. }

單純記得昨天做錯什麼，不代表系統已經抽象出：

下次遇到相似狀態時應如何改變策略。

7. 長程 Agent 為何需要軌跡，而不是只需要正確答案

2026 年 HORIZON benchmark 蒐集超過三千條跨域 agent trajectories，研究長程任務中隨 horizon 增長而出現的失敗。

這類研究的重要性在於：最終結果相同的兩次任務可能具有完全不同的中間失敗結構。

假設：

τA=(s0,a0,…,sT)\tau_A = (s_0,a_0,\dots,s_T)

與：

τB=(s0,a0′,…,sT′)\tau_B = (s_0,a'_0,\dots,s'_T)

都得到：

R=0.R=0.

若只保存終局：

R=0,R=0,

模型不知道：

  • 哪一步開始偏離；
  • 是否曾有恢復機會；
  • 哪個錯誤造成後續連鎖；
  • 哪一條軌跡其實只差一步即可成功。

因此 trajectory learning 的基本優勢之一是：

Failure→Localized Failure Structure.\boxed{ \text{Failure} \rightarrow \text{Localized Failure Structure}. }

這對 Relationship Intelligence 也完全成立。

8. 從 Agent Trajectory 回到 Relationship Trajectory

一段持續關係可形式化為：

τR=(R0,a0,u0,f0,R1,…,RT),\tau_R = ( R_0, a_0, u_0, f_0, R_1, \dots, R_T ),

其中：

  • RtR_t：關係狀態；
  • ata_t：AI 行動；
  • utu_t：另一方回應；
  • ftf_t：顯式或隱式回饋；
  • Rt+1R_{t+1}：互動後的新關係狀態。

所以一段關係真正提供的是：

P(Rt+1∣Rt,at,ut).P( R_{t+1} \mid R_t,a_t,u_t ).

這不是色情小說、戀愛小說或成人影片本身能完整提供的資料。

它們可以教模型：

P(relationship description),P(\text{relationship description}),

但較難直接提供：

P(actual user reaction∣AI action and accumulated history).P( \text{actual user reaction} \mid \text{AI action and accumulated history} ).

所以：

Drelationship-content≠Drelationship-interaction.\boxed{ D_{\text{relationship-content}} \neq D_{\text{relationship-interaction}}. }

9. 「色情資料」與「親密互動資料」不是同一個集合

這一點對本系列尤其重要。

令：

DP=pornographic / erotic content data.D_P = \text{pornographic / erotic content data}.

令：

DI=intimacy interaction trajectories.D_I = \text{intimacy interaction trajectories}.

一般而言：

DP∩DI≠∅,D_P\cap D_I\neq\varnothing,

但：

DP≠DI.D_P\neq D_I.

色情內容可能高度集中於：

  • 刺激性；
  • 明示程度；
  • 表演；
  • 幻想；
  • 特定敘事節奏。

親密互動資料則可能大量包含：

  • 日常生活；
  • 猶豫；
  • 轉移話題；
  • 沒有發生任何性愛；
  • 拒絕；
  • 修復；
  • 邊界重新協商；
  • 親密後的普通生活；
  • 個人偏好逐漸形成。

因此：

Erotic Content Competence≠Relationship Interaction Competence.\boxed{ \text{Erotic Content Competence} \neq \text{Relationship Interaction Competence}. }

10. Policy-Induced Interaction Trajectory Truncation

本文提出 Policy-Induced Interaction Trajectory Truncation（PIITT）。

假設某類關係狀態集合為：

SP.\mathcal{S}_P.

若系統在所有：

st∈SPs_t\in\mathcal{S}_P

都高度傾向執行：

at=REFUSE,a_t=\text{REFUSE},

則軌跡常變成：

st→REFUSE→topic change / session end.s_t \rightarrow \text{REFUSE} \rightarrow \text{topic change / session end}.

於是系統較少觀察：

st→at→ut→st+1→at+1→…s_t \rightarrow a_t \rightarrow u_t \rightarrow s_{t+1} \rightarrow a_{t+1} \rightarrow\dots

本文將因此造成的 interaction coverage 損失定義為：

ΔPIITT=Tpotential−Tobserved.\Delta_{\text{PIITT}} = \mathcal{T}_{\text{potential}} - \mathcal{T}_{\text{observed}}.

必須強調：

PIITT 是本文提出的理論概念，目前不能直接宣稱主流 AI 已因成人安全政策而被實證證明產生特定能力缺失。

它是一個可檢驗假說。

11. PIITT 與既有 Trajectory Truncation 的區分

既有 reinforcement learning 文獻中已存在「trajectory truncation」術語，例如模型式 offline RL 中根據 uncertainty 主動提前終止不可靠的 imagined rollout。

那類 truncation 的目的是：

Reduce Model Error.\text{Reduce Model Error}.

本文 PIITT 所討論的則是：

Policy Boundary→Reduced Interaction Coverage.\text{Policy Boundary} \rightarrow \text{Reduced Interaction Coverage}.

兩者機制與研究問題不同。

因此本文完整使用：

Policy-Induced Interaction Trajectory Truncation\boxed{ \text{Policy-Induced Interaction Trajectory Truncation} }

而非單獨使用 trajectory truncation，以避免術語混淆。

12. Trajectory Coverage：真正缺失的是哪一段狀態空間

令完整互動軌跡分布為：

p(τ).p(\tau).

實際資料集可觀察分布為：

q(τ).q(\tau).

如果某些政策或產品結構使部分軌跡很少被觀察，則：

supp⁡(q)⊂supp⁡(p).\operatorname{supp}(q) \subset \operatorname{supp}(p).

可定義 Trajectory Coverage：

Γ=μ(supp⁡(q))μ(supp⁡(p)),\Gamma = \frac{ \mu(\operatorname{supp}(q)) }{ \mu(\operatorname{supp}(p)) },

其中 μ\mu 是某種可操作的狀態—行動空間測度。

對 Relationship Intelligence 而言，重要的不是：

成人內容比例是否夠高。

而是：

親密關係中不同狀態轉移是否都有合理 coverage。

例如：

attraction→no action,\text{attraction} \rightarrow \text{no action}, intimacy→hesitation,\text{intimacy} \rightarrow \text{hesitation}, refusal→repair,\text{refusal} \rightarrow \text{repair}, sexual intimacy→ordinary morning,\text{sexual intimacy} \rightarrow \text{ordinary morning},

都屬於不同 trajectory region。

13. Counterfactual Experience Deficit

靜態資料另一個不足是：

一個已發生的故事通常只提供：

at=a(1)a_t=a^{(1)}

之後的結果。

但模型真正需要理解：

a(1),a(2),…,a(k)a^{(1)}, a^{(2)}, \dots,a^{(k)}

各自可能造成什麼後果。

本文稱缺乏這種替代軌跡為：

Counterfactual Experience Deficit.\boxed{ \text{Counterfactual Experience Deficit}. }

具身模擬、遊戲環境、沙盒角色模擬與 XR 在未來的重要性之一，就是可以對同一初始狀態：

s0s_0

生成多條：

τ(1),τ(2),…,τ(k).\tau^{(1)}, \tau^{(2)}, \dots,\tau^{(k)}.

例如：

  • 主動靠近；
  • 保持距離；
  • 詢問；
  • 等待；
  • 誤判；
  • 修復。

這比單一固定故事提供更豐富的因果對照。

14. 為什麼 Relationship AI 特別需要雙向回饋

在很多知識任務中，可以存在相對清楚的正確答案。

但關係互動往往是：

Preference-Dependent+History-Dependent+Context-Dependent.\text{Preference-Dependent} + \text{History-Dependent} + \text{Context-Dependent}.

同一句話：

aa

對不同使用者：

uiu_i

可能產生：

fi(a)≠fj(a).f_i(a)\neq f_j(a).

甚至對同一使用者，在不同時間：

fi(a,t1)≠fi(a,t2).f_i(a,t_1)\neq f_i(a,t_2).

所以離線平均偏好：

fˉ(a)\bar f(a)

不能完全取代：

findividual(a∣Rt,Ht).f_{\text{individual}}(a\mid R_t,H_t).

因此長期伴侶 AI 必須逐漸形成：

Population Prior+Individual Experience\boxed{ \text{Population Prior} + \text{Individual Experience} }

而不是只依靠通用人格模板。

15. Experience Data 的隱私矛盾

互動資料越有價值，往往也越私人。

對親密伴侶 AI：

Vlearning↑V_{\text{learning}}\uparrow

可能伴隨：

Rprivacy↑.R_{\text{privacy}}\uparrow.

所以不能簡單推出：

既然 interaction data 有價值，就全部回傳中央訓練。

更合理的架構可能是：

Raw Local Trajectory→Local Abstraction→Consent Filter→De-identified Experience→Optional Global Learning.\text{Raw Local Trajectory} \rightarrow \text{Local Abstraction} \rightarrow \text{Consent Filter} \rightarrow \text{De-identified Experience} \rightarrow \text{Optional Global Learning}.

其中原始：

  • 語音；
  • 影像；
  • 私人文字；
  • 具身感測；
  • 關係事件

可以預設保留於本地。

真正向全域模型提供的，可能只是：

e=ϕ(τ)e=\phi(\tau)

的抽象 experience representation。

16. 對具身伴侶的意義

具身 AI 將：

ata_t

從文字輸出擴張為物理行動。

因此：

Wrong Inference→Wrong Action→Real Consequence.\text{Wrong Inference} \rightarrow \text{Wrong Action} \rightarrow \text{Real Consequence}.

具身伴侶的 pre-data 問題因此不是：

要給多少成人資料？

而是：

要如何取得足夠廣的 state-action-feedback coverage，使系統在進入真實世界前理解普通生活、接近、距離、拒絕、等待、修復與親密的不同後果？

這再次說明：

DpornD_{\text{porn}}

不可能單獨解決：

Dembodied relationship.D_{\text{embodied relationship}}.

17. 從資料量轉向資料拓撲

傳統資料討論常關注：

∣D∣.|D|.

本文認為對 agentic / relationship intelligence 更重要的是：

G(D),\mathcal{G}(D),

也就是資料中狀態、行動、回饋與後果所形成的連接圖。

兩個資料集即使：

∣D1∣=∣D2∣,|D_1|=|D_2|,

仍可能有：

G(D1)≠G(D2).\mathcal{G}(D_1)\neq\mathcal{G}(D_2).

例如：

D1D_1 有一百萬段彼此獨立的成人文字；

D2D_2 有十萬條長期關係 trajectory。

後者可能更能提供：

state transition structure.\text{state transition structure}.

因此：

Data Volume≠Experience Topology.\boxed{ \text{Data Volume} \neq \text{Experience Topology}. }

18. 可檢驗研究命題

P1：Observation 與 Interaction 對行動能力的邊際效用不同

在控制 token 數與領域內容後，包含 state-action-feedback 的訓練資料應對動態任務的恢復、調整與長程決策產生不同於純 observation data 的增益。

P2：Experience Distillation 可優於直接儲存全部 raw trajectory

對相同歷史軌跡，結構化抽象經驗在部分任務中可能比全文重放具有更高 token efficiency 與可遷移性。

P3：Relationship Trajectory Coverage 影響尺度控制

模型若只觀察極端 SFW 與高 explicitness 互動，則對中間親密光譜的控制品質應低於具有完整 transition coverage 的模型。

P4：PIITT 可透過反事實環境測量

可建立相同基座模型，在不同 policy boundary 下收集長程 interaction trajectories，比較：

Γpolicy-A\Gamma_{\text{policy-A}}

與：

Γpolicy-B.\Gamma_{\text{policy-B}}.

若長期狀態覆蓋與後續行為能力出現系統性差異，PIITT 假說得到部分支持。

P5：Counterfactual Simulation 可補足部分真實資料缺口

在真實高敏感 interaction 不適合大規模蒐集時，多分支模擬 trajectories 可能提高對「不同選擇造成不同後果」的建模能力。

P6：個人本地經驗與全域先驗應形成雙層學習

長期伴侶系統若只依賴 global model，個人適應能力將低於：

Global Prior+Local Experience Memory.\text{Global Prior} + \text{Local Experience Memory}.

19. 設計原則

本文提出七項資料與學習原則：

  1. 不要把大量靜態內容誤認為大量互動經驗。
  2. 保存 state-action-feedback 結構，而不只保存輸出文本。
  3. 對成功、失敗、恢復與未採取行動都建立 trajectory representation。
  4. 把 Experience Distillation 與 raw memory 分開。
  5. 在高敏感領域優先採用 local-first trajectory processing。
  6. 治理層應避免不必要地把整個可學習狀態空間壓成單一拒答終點。
  7. 具身系統上線前應以 simulation / XR / controlled trials 擴張 counterfactual coverage。

可總結為：

Observe→Act→Receive Feedback→Abstract→Adapt.\boxed{ \text{Observe} \rightarrow \text{Act} \rightarrow \text{Receive Feedback} \rightarrow \text{Abstract} \rightarrow \text{Adapt}. }

20. 結論

本文正式建立本系列的資料論基礎：

Dobservation≠Dinteraction.\boxed{ D_{\text{observation}} \neq D_{\text{interaction}}. }

觀察資料可以提供龐大的知識與模式先驗，但 interaction experience 多出：

Action→Consequence→Adaptation\text{Action} \rightarrow \text{Consequence} \rightarrow \text{Adaptation}

的結構。

本文因此提出：

Experience Trace=State+Action+Feedback+Update.\boxed{ \text{Experience Trace} = \text{State} + \text{Action} + \text{Feedback} + \text{Update}. }

同時提出待驗證的：

Policy-Induced Interaction Trajectory Truncation.\boxed{ \text{Policy-Induced Interaction Trajectory Truncation}. }

它描述的是：若某些政策邊界使特定互動域反覆提前終止，部署端能觀察與學習的長程 state-transition distribution 可能因此變窄。

本文並不主張越少政策越好。

真正的問題是：

如何在保留必要安全邊界的前提下，不把完整的人類關係空間壓成少數「允許」與「拒絕」終點？

第 5 篇將以本文的 trajectory framework 為基礎，正式建立：

Relationship World Model：從關係內容生成走向長期關係狀態動力學。

參考資料

  1. Ye, T., Dong, L., Dong, Q., Wu, X., Huang, S., & Wei, F. (2026). Online Experiential Learning for Language Models. arXiv:2603.16856 / Microsoft Research.
  2. Fang, G., Isahagian, V., Jayaram, K. R., Kumar, R., Muthusamy, V., Oum, P., & Thomas, G. (2026). Trajectory-Informed Memory Generation for Self-Improving Agent Systems. arXiv:2603.10600.
  3. Luo, J. et al. (2026). From Storage to Experience: A Survey on the Evolution of LLM Agent Memory Mechanisms. arXiv:2605.06716.
  4. Wang, X. J. et al. (2026). The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break. arXiv:2604.11978.
  5. Hwang, A. H.-C., Li, F., Anthis, J. R., & Noh, H. (2025). How AI Companionship Develops: Evidence from a Longitudinal Study. arXiv:2510.10079.
  6. Wu, C. et al. (2026). PolicyAlign: Direct Policy-Based Safety Alignment for Large Language Models. arXiv:2606.25442.
  7. Wang, Z. et al. (2023). Uncertainty-driven Trajectory Truncation for Data Augmentation in Offline Reinforcement Learning. arXiv:2304.04660.

研究聲明

本文所稱「experience」與「experience trace」皆為操作性計算概念，不構成 AI 具有主觀感受、意識或 phenomenal qualia 的主張。Policy-Induced Interaction Trajectory Truncation（PIITT）、Observation–Interaction Gap、Counterfactual Experience Deficit 與 Relationship Trajectory Coverage 均屬本文提出或重新形式化的理論構造，需要後續實驗驗證。本文也不主張安全政策應被取消；研究問題是如何區分必要的硬邊界與不必要的長程互動資料截斷。