← Archive
lm-003770 · 2026-09

一輪到底是一輪什麼？：使用者回合、隱藏 LOOP 與單次智能的重新定義

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

一輪到底是一輪什麼？：使用者回合、隱藏 LOOP 與單次智能的重新定義

What Is a “Single Turn,” Really? User Turns, Hidden Loops, and the Redefinition of Single-Pass Intelligence

系列：《智能的物理計量：從最小語意執行到成果品質與計算時空》
英文系列： Physical Metrology of Intelligence: From Minimal Semantic Execution to Quality and Computational Spacetime
系列編號： EML-IPM
篇次： Paper 01 / 10
文件編號： EML-IPM-01
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
文件性質： 公開純理論論文

摘要

當代 AI 評測與產品敘事經常使用「一輪完成」「one-shot」「single turn」描述能力，但這些詞在介面、Agent、模型推理與物理計算層面不是同一件事。

使用者只輸入一次：

U1→A1U_1\rightarrow A_1

背後仍可能實際展開為：

M1→Tool1→M2→Verifier1→M3→⋯→Mn.M_1\rightarrow Tool_1\rightarrow M_2\rightarrow Verifier_1 \rightarrow M_3\rightarrow\cdots\rightarrow M_n.

因此：

One User Turn≠One Model Invocation≠One Generation Trajectory≠One Agent Loop≠One Physical Computation.\boxed{ \text{One User Turn} \neq \text{One Model Invocation} \neq \text{One Generation Trajectory} \neq \text{One Agent Loop} \neq \text{One Physical Computation}. }

本文提出 AI 回合分解框架（Turn Decomposition Framework）：

T=(U,G,I,L,R,S,P)\boxed{ \mathcal T=(U,G,I,L,R,S,P) }

其中：

  • UU：User Interaction Turns；
  • GG：Generation Trajectories；
  • II：Model Invocations；
  • LL：External Feedback Loops；
  • RR：Retries / Rollouts；
  • SS：Selection / Verification；
  • PP：Physical Execution Trace。

本文認為「一輪」最大的概念錯誤，是把：

Interaction Compression\boxed{ \text{Interaction Compression} }

誤認為：

Computation Compression.\boxed{ \text{Computation Compression}. }

當 300 次內部 Agent 互動被藏進一個聊天泡泡裡，使用者確實只互動一次，但物理世界並沒有只計算一次。

本文進一步定義 Externally Loopless Intelligence（ELI，外部無迴圈智能）：在一個任務執行期間，系統不能根據外部世界、工具輸出、獨立 verifier、另一候選答案或 retry 結果重新修正求解方向。

這不表示模型內部沒有時間序列。自回歸模型仍然：

y1→y2→⋯→yn.y_1\rightarrow y_2\rightarrow\cdots\rightarrow y_n.

所以：

No External Loop≠No Sequential Computation.\boxed{ \text{No External Loop} \neq \text{No Sequential Computation}. }

真正被排除的是：

Action→New Evidence→Replanning.\boxed{ \text{Action} \rightarrow \text{New Evidence} \rightarrow \text{Replanning}. }

本文將最乾淨的單次成果記為：

XSP:x→no external feedbackτy.\boxed{ \mathcal X_{SP}:x \xrightarrow[\text{no external feedback}]{\tau} y. }

最後建立後續 IPM 系列共用事件向量：

E=(Q,U,G,I,L,R,S,T,E,VCST)\boxed{ \mathfrak E= (Q,U,G,I,L,R,S,T,E,V_{CST}) }

其中 QQ 是成果品質， TT 是實際時間， EE 是能源， VCSTV_{CST} 是 Computational Spacetime Volume。

因此，真正值得問的已不再是：

AI 是否「一輪」完成？

而是：

 這個成果是在幾次互動、幾條生成軌跡、幾層 LOOP、 多少計算時空與多少物理能源下產生的？ \boxed{ \textbf{ 這個成果是在幾次互動、幾條生成軌跡、幾層 LOOP、 多少計算時空與多少物理能源下產生的？ } }

1. User Turn 是介面單位，不是智能單位

最表面的「一輪」是：

U=1.U=1.

它只代表使用者：

  • 輸入一次；
  • submit 一次；
  • 接收一次結果。

因此 User Turn 本質上是：

UX event.\boxed{ \text{UX event}. }

它沒有告訴我們背後到底發生多少計算。

2. 一個 User Turn 可以包含大量 Model Invocation

定義：

I=Model Invocation Count.I=\text{Model Invocation Count}.

可能：

U=1,I=1,U=1,\quad I=1,

也可能：

U=1,I=300.U=1,\quad I=300.

所以：

U=1⇏I=1.\boxed{ U=1\not\Rightarrow I=1. }

3. Model Invocation 也不是物理計算原子

即使：

I=1,I=1,

仍可能有：

  • 長 context；
  • 大模型；
  • MoE routing；
  • 多 GPU；
  • 大量 memory traffic；
  • 很長的自回歸生成。

因此：

I=1⇏P=1.\boxed{ I=1\not\Rightarrow P=1. }

4. Generation Trajectory 必須獨立計數

定義：

G=Generation Trajectory Count.G=\text{Generation Trajectory Count}.

如果同一題生成：

τ1,τ2,…,τ16\tau_1,\tau_2,\ldots,\tau_{16}

再選一個最好結果，那：

G=16.G=16.

即使最後只顯示一個回答。

所以：

One Visible Answer≠One Generated Candidate.\boxed{ \text{One Visible Answer} \neq \text{One Generated Candidate}. }

5. Rollout 與 Pass@k 不能混入 Pass@1

若單次成功率為：

p,p,

允許 kk 次獨立 rollout，至少成功一次的機率為：

1−(1−p)k.\boxed{ 1-(1-p)^k. }

例如：

p=0.2,k=16,p=0.2,\quad k=16,

則至少成功一次約為：

1−(0.8)16≈0.972.1-(0.8)^{16}\approx0.972.

因此：

Pass@1≠Pass@16.\boxed{ Pass@1\neq Pass@16. }

以及：

BestOfN≠MedianUserExperience.\boxed{ BestOfN\neq MedianUserExperience. }

6. Selection 本身就是額外能力來源

若先生成：

Y1,…,YnY_1,\ldots,Y_n

再透過 judge / verifier 選出：

Y∗,Y^\ast,

那最終品質是：

Qfinal=F(Qgeneration distribution,Qselection).\boxed{ Q_{\text{final}} = F( Q_{\text{generation distribution}}, Q_{\text{selection}} ). }

它不是單一生成軌跡的能力。

7. LOOP 的真正定義不是「多講幾次」

本文把 External Feedback Loop 定義為：

Statet→Actiont→NewEvidencet+1→Statet+1.\boxed{ State_t \rightarrow Action_t \rightarrow NewEvidence_{t+1} \rightarrow State_{t+1}. }

核心是：

新資訊重新進入求解狀態.\boxed{ \text{新資訊重新進入求解狀態}. }

8. Tool Loop

例如：

Model→Search→Evidence→Model.Model \rightarrow Search \rightarrow Evidence \rightarrow Model.

或：

Code→Run→Error→Fix.Code \rightarrow Run \rightarrow Error \rightarrow Fix.

都屬於外部 LOOP。

9. Verifier Loop

Draft→Verifier→Critique→Revision.Draft \rightarrow Verifier \rightarrow Critique \rightarrow Revision.

這也不是 single-pass。

10. Retry Loop

Failure→Restart.Failure \rightarrow Restart.

新的 trajectory 從頭再來，也是一種外部鷹架增益。

11. Candidate Loop

GenerateMany→Compare→Choose.GenerateMany \rightarrow Compare \rightarrow Choose.

即使沒有修改候選，也已經增加了系統層能力。

12. LOOP Taxonomy

本文第一版分類：

L=(LT,LE,LV,LR,LC)\boxed{ \mathbf L= (L_T,L_E,L_V,L_R,L_C) }

其中：

  • LTL_T：Tool Loop；
  • LEL_E：Environment Loop；
  • LVL_V：Verifier Loop；
  • LRL_R：Retry Loop；
  • LCL_C：Candidate / Selection Loop。

它們之後都應獨立計價。

13. 自回歸生成本身不是本文要排除的 LOOP

Transformer 仍然逐步產生：

P(yt∣x,y<t).P(y_t\mid x,y_{<t}).

所以物理上當然有時間序列。

但若沒有新的外部證據進入：

Internal Sequential Generation≠External Feedback Loop.\boxed{ \text{Internal Sequential Generation} \neq \text{External Feedback Loop}. }

否則「No-Loop」會荒謬地變成「只准做一次矩陣乘法」。

14. Externally Loopless Intelligence

本文因此使用：

ELI=Externally Loopless Intelligence.\boxed{ ELI= \text{Externally Loopless Intelligence}. }

ELI 禁止：

  1. tool 回傳新證據；
  2. environment re-observation；
  3. retry；
  4. parallel rollout；
  5. independent verifier critique；
  6. best-of-N；
  7. 完整候選產生後再重新生成。

但允許同一 trajectory 內部的自回歸與 latent computation。

15. 最乾淨的 Single-Pass 條件

本文暫定：

U=1,G=1,R=1,L=0,S=0.\boxed{ U=1,\quad G=1,\quad R=1,\quad L=0,\quad S=0. }

這才接近日常語言真正想表達的：

一次直接生成。

16. Interaction Compression

Agent 產品可以把大量內部工作壓縮成一次使用者互動。

定義：

CU=Ninternal interactionsU.\boxed{ C_U= \frac{N_{\text{internal interactions}}}{U}. }

若：

CU≫1,C_U\gg1,

代表產品替使用者吸收了大量操作負擔。

這是很好的 UX。

17. 但 Interaction Compression 不是 Computation Compression

若 300 次工作被藏在一個 UI turn：

U=1,U=1,

仍不能推出：

Computation=1.Computation=1.

所以：

Interaction Compression≠Computation Compression.\boxed{ \text{Interaction Compression} \neq \text{Computation Compression}. }

這是 IPM 系列第一條核心原則。

18. Scaffolding Separation Principle

系統成果可以表示為：

Qsystem=F(M,L,Tool,R,S,Env).\boxed{ Q_{\text{system}} = F( M, L, Tool, R, S, Env ). }

其中 MM 是模型本身能力。

因此：

Qsystem≠QM.\boxed{ Q_{\text{system}} \neq Q_M. }

高品質 Agent 系統不等於底層模型 single-pass 也同樣強。

19. 四種能力層必須分開

本文區分：

Cintrinsic\boxed{ C_{\text{intrinsic}} }

模型在最小鷹架下的能力；

Celicited\boxed{ C_{\text{elicited}} }

透過 prompt、context、reasoning budget 被引出的能力；

Csystem\boxed{ C_{\text{system}} }

加入 tool、memory、loop、verifier 後的能力；

Cproduct\boxed{ C_{\text{product}} }

最終受到 UI、policy、quota、latency 等限制後的使用者能力。

所以：

Cbenchmark≠Cuser.\boxed{ C_{\text{benchmark}} \neq C_{\text{user}}. }

20. LOOP 不是作弊

本文並不反對 LOOP。

有些問題本體就需要：

Action→World→Observation→Replan.Action \rightarrow World \rightarrow Observation \rightarrow Replan.

例如：

  • debugging；
  • 科學實驗；
  • 機器人控制；
  • 即時搜尋；
  • 動態決策。

真正的錯誤只是：

Loop-Assisted Capability\boxed{ \text{Loop-Assisted Capability} }

被描述成：

Single-Pass Capability.\boxed{ \text{Single-Pass Capability}. }

21. Single-Pass Intelligence 與 Loop Intelligence

因此至少需要兩條軸：

ISP=Single-Pass Intelligence\boxed{ I_{SP} = \text{Single-Pass Intelligence} }

以及：

IL=Loop Intelligence.\boxed{ I_L = \text{Loop Intelligence}. }

ISPI_{SP} 問：

沒有外部重新餵答案時，第一條求解軌跡能直接做多好？

ILI_L 問：

得到新證據之後，系統能不能有效修正？

真正強大的系統可能：

ISP↑+IL↑.\boxed{ I_{SP}\uparrow+I_L\uparrow. }

但兩者不能被一個 benchmark 分數混掉。

22. 物理世界還有第三種「一輪」

從任務開始 t0t_0 到結果完成 tft_f，所有被此任務因果占用的物理計算資源形成：

Ptask={resource(t)∣t0≤t≤tf}.\boxed{ \mathcal P_{\text{task}} = \{resource(t)\mid t_0\le t\le t_f\}. }

這可以叫：

Physical Execution Episode.\boxed{ \text{Physical Execution Episode}. }

它才接近物理世界真正付出的「一輪」。

23. Physical Execution 至少包含

P=(Ops,Memory,Interconnect,Device,Time,Energy).\boxed{ P= ( Ops, Memory, Interconnect, Device, Time, Energy ). }

因此：

Physical Turn≠UI Turn.\boxed{ \text{Physical Turn} \neq \text{UI Turn}. }

24. Computational Spacetime Volume

若一個任務使用：

8 GPU×10s,8\ GPU\times10s,

粗略 hardware-time volume 為：

80 GPU⋅s.80\ GPU\cdot s.

另一任務使用：

1 GPU×80s1\ GPU\times80s

也可能是：

80 GPU⋅s.80\ GPU\cdot s.

但 latency 不同。

因此 VCSTV_{CST} 與 TT 必須同時保留。

25. 不要太早壓成單一分數

智能計量更應先保留 Pareto 結構：

Q↑,E↓,T↓,VCST↓,L,R,S↓.\boxed{ Q\uparrow, \qquad E\downarrow, \qquad T\downarrow, \qquad V_{CST}\downarrow, \qquad L,R,S\downarrow. }

如果 A 在所有軸都更好，才有明確 dominance。

若各有優劣，就保留 trade-off。

26. 統一事件向量

本文最終定義：

E=(Q,U,G,I,L,R,S,T,E,VCST).\boxed{ \mathfrak E= ( Q, U, G, I, \mathbf L, R, S, T, E, V_{CST} ). }

未來任何聲稱「一輪完成」的系統，至少都可以投影到這個事件向量。

27. 一個簡單比較

假設：

System A

EA=(0.95,1,1,1,0,1,0,5s,EA,VA).\mathfrak E_A= ( 0.95, 1, 1, 1, 0, 1, 0, 5s, E_A, V_A ).

System B

EB=(0.95,1,16,48,30,16,1,120s,EB,VB).\mathfrak E_B= ( 0.95, 1, 16, 48, 30, 16, 1, 120s, E_B, V_B ).

兩者：

QA=QB,UA=UB=1.Q_A=Q_B, \qquad U_A=U_B=1.

從聊天介面看完全可以都叫「一輪完成」。

但：

EA≠EB.\boxed{ \mathfrak E_A\neq\mathfrak E_B. }

甚至可能具有幾個數量級不同的智能物理效率。

28. 十二個 Canonical Invariants

Invariant 1

UserTurn≠PhysicalTurn.\boxed{ UserTurn\neq PhysicalTurn. }

Invariant 2

UserTurn≠ModelInvocation.\boxed{ UserTurn\neq ModelInvocation. }

Invariant 3

ModelInvocation≠GenerationTrajectory.\boxed{ ModelInvocation\neq GenerationTrajectory. }

Invariant 4

GenerationTrajectory≠ExternalLoop.\boxed{ GenerationTrajectory\neq ExternalLoop. }

Invariant 5

SingleInteraction≠SinglePassIntelligence.\boxed{ SingleInteraction\neq SinglePassIntelligence. }

Invariant 6

NoExternalLoop≠NoSequentialComputation.\boxed{ NoExternalLoop\neq NoSequentialComputation. }

Invariant 7

Pass@k≠Pass@1.\boxed{ Pass@k\neq Pass@1. }

Invariant 8

BestOfN≠MedianExperience.\boxed{ BestOfN\neq MedianExperience. }

Invariant 9

SystemCapability≠ModelNativeCapability.\boxed{ SystemCapability\neq ModelNativeCapability. }

Invariant 10

InteractionCompression≠ComputationCompression.\boxed{ InteractionCompression\neq ComputationCompression. }

Invariant 11

SameFinalQuality≠SameIntelligenceEfficiency.\boxed{ SameFinalQuality\neq SameIntelligenceEfficiency. }

Invariant 12

TokenCount≠PhysicalComputationCost.\boxed{ TokenCount\neq PhysicalComputationCost. }

29. 結論：一個聊天泡泡不是智能的自然單位

「一輪」長期造成混亂，是因為同一詞被同時拿來描述：

  • 使用者操作；
  • Agent 執行；
  • 模型呼叫；
  • 自回歸生成；
  • 物理資源消耗。

如果使用者只輸入一次：

U=1,U=1,

我們最多只能說：

這是 single-interaction UX。

不能直接推出：

這是 single-pass intelligence。

如果系統在背後搜尋、執行、驗證、重試、生成多個候選，再挑出最好的一個，那麼：

U=1\boxed{ U=1 }

只是介面壓縮。

真正的：

L,R,S,VCST,EL,R,S,V_{CST},E

仍然可能很大。

因此 IPM 系列從第一篇開始拒絕把聊天 UI 當成智能計量單位。

真正應被記錄的是：

E=(Q,U,G,I,L,R,S,T,E,VCST).\boxed{ \mathfrak E= ( Q, U, G, I, \mathbf L, R, S, T, E, V_{CST} ). }

而如果我們想知道：

拿掉 LOOP 後，模型自己還剩多少智能？

就必須先把條件壓到：

U=1,G=1,R=1,L=0,S=0,\boxed{ U=1,\quad G=1,\quad R=1,\quad L=0,\quad S=0, }

再測：

QSP.Q_{SP}.

但這仍不是終點。

因為即使我們成功隔離出一條 single-pass trajectory，仍然沒有回答：

這條軌跡裡，AI 究竟「算了多少次智能」？

Token 不能回答。

FLOP 也不能回答。

所以 Paper 02 必須進入整套 IPM 最困難的問題：

 智能到底算了一次什麼？ \boxed{ \textbf{ 智能到底算了一次什麼？ } }

也就是：

μI=Minimum Intelligent Semantic Execution Unit.\boxed{ \mu_I = \text{Minimum Intelligent Semantic Execution Unit}. }

系列路徑

  1. Paper 01｜一輪到底是一輪什麼？：使用者回合、隱藏 LOOP 與單次智能的重新定義
  2. Paper 02｜智能到底算了一次什麼？：最小智能語意執行單位的候選理論
  3. Paper 03｜從認知到神經元：人腦如何跨層測量智能計算
  4. Paper 04｜從神經元到焦耳：智能計算的能量、熱力學與物理下界
  5. Paper 05｜計算不是只有 FLOPs：記憶體、互連、硬體占用與計算時空體積
  6. Paper 06｜成果品質到底怎麼量？：從形式化正確性到結構化智能品質
  7. Paper 07｜不要叫人類替自己的感覺打分數：IBQF 二元測量與低負擔品質評估
  8. Paper 08｜自然語言、圖像與創意如何被量？：高歧義成果的結構化品質空間
  9. Paper 09｜拿掉 LOOP 還剩多少智能？：單次智能、鷹架依賴與隱藏計算成本
  10. Paper 10｜一個答案值多少物理世界？：智能產率的統一計量框架