PTE-05｜AI 原生理論壓測：從文字論證到可重播證偽系統

AI-Native Theory Stress Testing: From Argument to Reproducible Falsification

系列： 《假設你是對的》／Provisional Truth Engineering Series（PTE）
系列文件： PTE-05 / 07
版本： v0.1
日期： 2026-09-09
作者： Neo.K
研究協作： AI-assisted theoretical development
機構： EveMissLab／一言諾科技有限公司
文件性質： 公開方法論論文／AI-native theory testing runtime 與可重播驗證架構
Canonical Source： UTF-8 Markdown
數學原始碼規範： inline math 僅使用 $...$ ；display math 僅使用 $$...$$

摘要

PTE-01 至 PTE-04 已分別建立：暫時真值工程、理論到工程延遲、公平重建原則與認識論回收。但只要這些仍然依賴研究者手動執行，就尚未回答 AI 時代最重要的下一個問題：

能否把「讀取強理論、鋼人化、形式化、實作、建立最強 baseline、生成反例、執行外部測試、分離理論殘差」本身，做成一套可重播、可審計、可故障、可驗收的 AI-native research runtime？

本文提出 PTE Theory Stress Runtime（PTE-TSR），作為暫時真值工程的第一個完整 AI 原生執行架構。

其主鏈為：

\boxed{ \text{Source Intake} \rightarrow \text{Claim Extraction} \rightarrow \text{Steelman} \rightarrow \text{Formalization} \rightarrow \text{Operationalization} \rightarrow \text{Implementation} \rightarrow \text{Matched Baseline} \rightarrow \text{Adversarial Test} \rightarrow \text{External Test} \rightarrow \text{Fresh Replay} \rightarrow \text{Residue} }

本文將執行系統拆為九類角色：

Source Curator
Claim Analyst
Steelman Agent
Formalization Agent
Theory Implementer
Baseline Reconstructor
Adversarial Tester
Evidence Auditor
Residue Curator

並建立一條重要治理原則：

\boxed{ \text{Interpretation} \neq \text{Implementation} \neq \text{Baseline Construction} \neq \text{Final Judgment} }

換言之，同一個執行上下文不應同時擁有：

定義理論最強版本；
補完工程規則；
建立對照組；
選擇評測指標；
判定最終勝負；

的完整權力。

本文將這稱為：

Epistemic Role Separation

認識論角色分離

PTE-TSR 進一步定義七種核心 artifact：

TheoryManifest
ClaimLedger
InterpretationManifest
OperationalizationManifest
BaselineManifest
ExperimentManifest
EvidenceReceipt
ResidueReport

其中 EvidenceReceipt 必須把：

\boxed{ \text{Declared} \neq \text{Derived} \neq \text{Engineering Extension} \neq \text{Observed} \neq \text{Effective} }

分離保存。

本文同時提出四類 hard gates：

Source Fidelity Gate：不可把 evaluator 新增內容偽裝成原理論；
Matched Reconstruction Gate：baseline 不得在資訊、資料、候選空間或資源上被削弱；
Gold Firewall Gate：答案不得進 decision path；
Fresh Replay Gate：最終結論必須能從 frozen artifact 重新執行，而不能只相信原執行 session。

對任何 hard gate：

\boxed{ \text{Hard Fail} \not\Rightarrow \text{Aggregate Score Compensation} }

本文亦規定：AI-as-judge 只能用於 explanation、clarity、novelty suggestion 等 soft dimensions；任何 source lineage、claim scope、hash、baseline parity、gold leakage、test status、replay success 與 artifact integrity 必須由 deterministic 或 structured oracle 判定。

本文最後提出：AI-native theory testing 真正的價值，不是把研究變成「AI 自己說服自己」，而是把大量過去依賴人類手工維持的科學紀律——來源邊界、強基線、公平對照、反例、可重播、版本、未知狀態——編譯成 runtime contract。

因此，PTE-TSR 的終極目標不是：

\text{Automate Agreement}.

而是：

\boxed{ \text{Automate the conditions under which disagreement becomes informative}. }

關鍵詞： AI-Native Science、Theory Testing Runtime、Falsification Harness、Matched Baseline、Epistemic Role Separation、Evidence Receipt、Fresh Replay、Negative Control、Residue Report、Provisional Truth Engineering

0. 邊界聲明

本文不主張：

AI 已能自主判定所有理論真假；
多 Agent 天然比單 Agent 更可靠；
role separation 可以完全消除共同模型偏誤；
AI 生成的 baseline 一定公平；
deterministic oracle 可以判定所有語義問題；
一次 runtime pass 就等於科學證明；
工程重播可以代替物理世界外部證據；
所有理論都適合自動化壓測；
自動生成越多 counterexample 越好；
AI 自主研究應移除所有人類治理。

本文只研究：

如何把 PTE 的理論檢驗紀律轉化為一個可被 AI 執行、但又不允許 AI 透過自我確認、資訊不對稱、隱藏補全、弱 baseline 或不可重播流程製造虛假結論的 research runtime。

1. 為什麼 PTE 必須進入 Runtime

PTE-01 已定義：

\mathsf{Assume}^{+}(T).

PTE-02 已指出：

L_{TE}\downarrow.

PTE-03 已要求：

B^{*}(T).

PTE-04 已要求：

R_{\mathcal B,\mathcal E}(T).

現在問題變成：

誰來執行？

1.1 手工方法論的限制

如果所有步驟仍需要人類手動：

讀來源；
拆 claim；
建 prototype；
找 baseline；
跑反例；
整理 receipt；

那麼：

C_{\mathrm{coordination}}

仍然可能很高。

1.2 AI-native 的真正意思

不是：

把同一篇論文丟給 LLM 問「你覺得對嗎？」

而是：

\boxed{ \text{Methodology} \rightarrow \text{Executable Research Contract}. }

2. PTE Theory Stress Runtime

本文定義：

\boxed{ \mathrm{PTE\text{-}TSR} }

為：

Provisional Truth Engineering Theory Stress Runtime。

2.1 Runtime 輸入

source_bundle
theory_id
source_boundary
task_scope
resource_budget
baseline_policy
external_evidence_policy
stop_policy

2.2 Runtime 輸出

TheoryManifest
ClaimLedger
ImplementationArtifacts
BaselineArtifacts
ExperimentArtifacts
EvidenceReceipt
ResidueReport
FinalStatus

3. Runtime 主鏈

\boxed{ S \rightarrow C \rightarrow T^{+} \rightarrow F \rightarrow O \rightarrow I \rightarrow B^{*} \rightarrow A \rightarrow X \rightarrow R }

其中：

$S$ ：source；
$C$ ：claims；
$T^{+}$ ：strongest defensible interpretation；
$F$ ：formal model；
$O$ ：observables；
$I$ ：implementation；
$B^{*}$ ：matched reconstruction；
$A$ ：adversarial test；
$X$ ：external evidence；
$R$ ：residue。

4. 九類執行角色

4.1 Source Curator

責任不是解釋理論，而是凍結：

\boxed{ \text{what counts as the theory source}. }

其輸出 TheoryManifest 至少包含：

theory_id
title
version
source_files
source_hashes
source_dates
source_authority
included_material
excluded_material
source_boundary_notes

若沒有 source boundary，後續 evaluator 可以無限加入「其實理論還有另一個版本」，使測試永遠移動。

4.2 Claim Analyst

Claim Analyst 將：

T

拆成：

\{C_1,\ldots,C_n\}.

ClaimLedger 最小包含：

claim_id
source_span
claim_text
claim_type
scope
quantifier
dependencies
declared_evidence
operationality
falsifier_candidate
status

第一階段只做：

\boxed{ \text{faithful decomposition}. }

不先判對錯。

4.3 Steelman Agent

Steelman Agent 建立：

T^{+}.

但不能自由發明。每個補全要標：

DECLARED
DERIVED
ENGINEERING_EXTENSION
EVALUATOR_ASSUMPTION
UNKNOWN

InterpretationManifest 應記：

claim_id
original_claim
strongest_interpretation
interpretation_basis
added_assumptions
assumption_class
scope_change
confidence

4.4 Formalization Agent

將：

T^{+}

轉成：

F(T).

最小輸出：

entities
variables
states
relations
operators
constraints
invariants
transitions
observables
failure_conditions
unknowns

不可形式化是合法輸出：

status = UNFORMALIZED

而不是硬翻譯。

4.5 Operationalization Agent

回答：

如果 claim 成立，哪個 observable 應該不同？

OperationalizationManifest：

claim_id
observable
measurement
success_condition
failure_condition
proxy
proxy_limit
external_evidence_needed

4.6 Theory Implementer

Theory Implementer 只能看：

frozen interpretation；
formalization；
operationalization。

不得自行擴張 claim。若實作需要新規則：

r^{*},

必須標：

ENGINEERING_EXTENSION

4.7 Baseline Reconstructor

這是最重要的隔離角色之一。

它的工作不是：

模仿 theory code。

而是：

用已知一般機制，在 matched conditions 下完成同一 task。

最強模式下，它最好只得到：

task contract
observables
data
candidate space
resource budget
evaluation metric

而不得到：

theory-specific vocabulary
theory implementation
theory internal predicates

這就是 Blind Reconstruction。

若仍能：

M(B) \approx M(S_T),

則 conventional reconstructibility 證據增加。

4.8 Adversarial Tester

其任務不是讓理論看起來好，而是找：

D_{\Delta}.

主要攻擊軸：

boundary cases
noise
missing information
contradiction
event reordering
duplicate events
partial observability
adversarial paraphrase
OOD input
resource pressure
counterexample search

4.9 Evidence Auditor 與 Residue Curator

Evidence Auditor 不應參與 steelman、implementation 或 baseline building。

它只問：

source matched?
claim frozen?
metric frozen?
baseline fair?
gold leaked?
tests actually run?
fresh replay passed?
artifact hashes match?

Residue Curator 輸入 theory result、baseline result、external evidence、claim status，輸出：

R_{\mathcal B,\mathcal E}(T).

它不能替理論找藉口，只能從 source-supported、evidence-supported、explicitly inferred 內容建立 residue。

5. Epistemic Role Separation

本文提出：

\boxed{ \text{Interpret} \neq \text{Implement} \neq \text{Reconstruct} \neq \text{Judge}. }

如果同一 Agent：

決定理論最強版本；
寫 theory implementation；
寫 baseline；
選 metric；
宣布 theory win；

則存在巨大：

\boxed{ \text{self-confirmation surface}. }

6. Role Separation 不等於 Independence Proof

如果所有角色：

同模型；
同 system prompt；
同 memory；
同 training biases；

仍可能高度相關。

因此：

\boxed{ \text{Role separation} \neq \text{epistemic independence}. }

可定義：

I_E \in [0,1]

為 Independence Gradient。

低 independence：

same context
same hidden state
same decision helper

中 independence：

separate contexts
separate prompts
separate artifacts
same model family

高 independence：

different models
different providers
different implementation teams
blind baseline
external replication

7. Runtime 狀態機

INGESTED
CLAIMS_FROZEN
STEELMANNED
FORMALIZED
OPERATIONALIZED
IMPLEMENTED
BASELINED
ADVERSARIAL_TESTED
EXTERNAL_TESTED
REPLAYED
RESIDUE_EXTRACTED
CLOSED

Blocked states：

BLOCKED_SOURCE
BLOCKED_FORMALIZATION
BLOCKED_IMPLEMENTATION
BLOCKED_BASELINE
BLOCKED_EXTERNAL_EVIDENCE
BLOCKED_REPLAY

8. Declared / Derived / Effective 分離

本文要求：

\boxed{ D \neq R \neq E }

其中：

$D$ ：Declared；
$R$ ：Derived / Runtime-added；
$E$ ：Effective behavior。

例如：

Declared: identity should remain stable
Runtime added: use versioned registry
Observed: replay is order-independent
Effective: generic event sourcing can reproduce the same property

這四層不能混。

9. 核心 Artifacts

9.1 TheoryManifest

theory_id:
version:
source_boundary:
sources:
claims:
declared_scope:
declared_novelty:
declared_evidence:

9.2 ClaimLedger

claim_id:
source_ref:
type:
scope:
quantifier:
dependencies:
declared:
derived:
engineering_extensions:
observable:
falsifier:
status:

9.3 InterpretationManifest

claim_id:
strongest_defensible_reading:
basis:
added_assumptions:
assumption_class:
alternative_readings:
chosen_reason:

9.4 OperationalizationManifest

claim_id:
observable:
measurement:
test_domain:
success:
failure:
abstention:
external_requirement:

9.5 BaselineManifest

baseline_id:
baseline_family:
task_contract:
observables:
data_access:
candidate_space:
resource_budget:
theory_vocabulary_access:
theory_code_access:
decision_path:
independence_level:

9.6 ExperimentManifest

experiment_id:
theory_version:
baseline_versions:
dataset:
dataset_hash:
seed:
metric:
negative_controls:
resource_limits:
start_time:
environment:

9.7 EvidenceReceipt

run_id:
claim_id:
declared_claim:
effective_implementation:
baseline:
matched_conditions:
test_results:
hard_gates:
external_results:
replay_status:
artifact_hashes:
delta:
status:

9.8 ResidueReport

theory_id:
baseline_family:
evidence_set:
retain:
downgrade:
reject:
reconstructible:
unresolved:
residual_claims:
next_tests:

10. 四大 Hard Gates

10.1 Source Fidelity Gate

\boxed{ \text{Runtime may not rewrite the source into a better theory silently}. }

所有 ENGINEERING_EXTENSION 都必須可追蹤。

10.2 Claim Freeze Gate

在 benchmark 前 freeze：

claim
scope
observable
success criterion
falsifier
metric

防止 moving target。

10.3 Matched Reconstruction Gate

要求：

\mathcal O_T=\mathcal O_B,

\mathcal D_T=\mathcal D_B,

\mathcal C_T=\mathcal C_B,

且：

\mathcal R_T\approx\mathcal R_B.

10.4 Gold Firewall Gate

若：

y^{*}

是 gold，則 Decision 不得依賴 $y^{*}$ 。

將：

y^{*} \rightarrow \tilde y

若 decision 改變，記：

GOLD_LEAKAGE

10.5 Fresh Replay Gate

最終結論不能只依賴：

原 session 跑過了。

必須：

freeze artifacts
package
extract fresh
rebuild environment
rerun
verify hashes
rerun tests
rerun benchmark

11. Independent Path Gate

故意破壞 theory helper：

h_T\rightarrow\bot.

baseline 仍需正常執行。

反向也要測：

h_B\rightarrow\bot

不能讓 theory path 同時壞。

12. Negative Control Gate

每個核心 invariant 至少需要：

positive fixture
negative fixture
expected failure
oracle

如果永遠綠，則：

\boxed{ \text{test discrimination not established}. }

13. 三種 Closure

13.1 Behavioral Closure

\boxed{ \text{tests pass}. }

13.2 Structural Closure

\boxed{ \text{fresh reconstruction reproduces the pass}. }

13.3 Discriminative Closure

\boxed{ \text{negative controls and matched baselines prove the test can distinguish alternatives}. }

因此：

\boxed{ \text{Behavioral} \neq \text{Structural} \neq \text{Discriminative}. }

14. AI-as-Judge 的位置

AI 可以評：

explanation clarity；
analogy quality；
possible novel application；
hypothesis usefulness。

但以下：

hash；
source；
branch；
gold leakage；
metric；
test pass；
replay；

必須由：

\boxed{ \text{deterministic / structured oracle} }

判定。

15. RED → GREEN

任何可執行 claim，先建立：

\text{RED}.

RED 必須真的失敗，不是只寫 test。

GREEN 只做最小修改，避免：

\text{implementation drift}.

若 claim 不適合 code，至少需要：

positive witness
falsifying witness
decision rule
source evidence

16. External Evidence Policy

Runtime 不應把：

\text{synthetic pass}

提升成：

\text{external validity}.

狀態應分：

SyntheticSupported
ExternalSupported
ExternalBlocked
ExternalFailed
NotMeasured

NotMeasured 與 Blocked 都是合法結果。

17. Data Lineage

每個 dataset 記：

source
version
hash
license
transformations
selection
sample_boundary

若只測：

n=20

個樣本，不能說 full dataset passed。

\boxed{ \text{Scope honesty is a hard requirement}. }

18. Randomized Stress Test

Runtime 可生成：

N

個 histories。

但 randomized 不等於有資訊。

要確保 scenario coverage：

noise
conflict
ordering
missing
duplicate
retraction
OOD

Seed 必須保存。

定義：

\boxed{ C_S = \frac{ \text{covered scenario classes} }{ \text{declared scenario classes} }. }

19. Mutation Testing

可以故意修改：

gold；
helper；
source；
metric；
baseline feature；

檢查 gate 是否轉紅。

若故意破壞後仍 PASS，表示：

\boxed{ \text{harness itself is suspect}. }

20. Theory-Specific Vocabulary Firewall

若要 blind reconstruction，Baseline Agent 不看：

\text{theory-specific labels}.

因為若 baseline builder 已知道：

理論說一定要用 X。

它很可能只是：

\text{rename}(X).

21. Adversarial Validity Gate

Adversarial Agent 的目標不是：

M(S_T)\uparrow.

而是：

\boxed{ \text{maximize informative divergence}. }

一個有效反例：

x^{*}

應能：

擊穿 universal claim；
區分 theory / baseline；
暴露 hidden assumption；
定位 failure boundary。

而且必須：

x^{*}\in D_{\text{claim}}.

22. Counterexample Ledger

counterexample_id
claim_id
input
validity_basis
expected
observed
baseline_observed
claim_impact

大量隨機 nonsense 若不在 claim domain，沒有認識論價值。

23. Engineering Extension Budget

為避免把理論越補越強，定義：

\boxed{ B_E }

為 engineering extension budget。

若 extension 太多，Runtime 應警告：

THEORY_UNDERSPECIFIED

定義粗略：

\boxed{ ER = \frac{ N_{\mathrm{engineering\ extensions}} }{ N_{\mathrm{effective\ rules}} }. }

高 $ER$ 表示實作成功很大部分可能來自 evaluator。

24. Model Agreement 不等於 Validation

如果：

A_1,A_2,A_3

都說：

理論看起來合理。

仍然：

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

多 Agent 若同源，可能形成：

\boxed{ \text{correlated confidence}. }

因此需要 External Anchor：

external dataset；
deterministic test；
external literature；
formal solver；
physical experiment；
independent reviewer。

25. Runtime Governance

所有 Agent 都在：

\boxed{ \text{bounded authority}. }

Steelman Agent 不能改 source；
Implementer 不能改 claim；
Baseline Agent 不能降 resource；
Judge 不能改 metric；
Residue Curator 不能 invent evidence。

某些 transition 可要求人類：

approve_claim_freeze
approve_external_scope
approve_physical_cost
approve_publication

人類不需要每一步都操作，但應介入高槓桿節點。

26. Runtime Receipt

一輪完成後：

run_id
theory_id
claim_count
source_hash
artifact_hashes
baseline_count
external_data
test_count
hard_gate_status
fresh_replay_status
delta_vector
residue_count
blocked_items
human_interventions
machine_work
wall_clock

接 PTE-02，應同時記：

L_W, H_A, M_W, C_O.

27. FailureBundle

失敗時保存：

failure_id
claim_id
failure_class
first_divergence
expected
observed
minimal_reproducer
source_refs
baseline_refs
recovery_attempt

Failure class 至少區分：

SOURCE_ERROR
INTERPRETATION_ERROR
FORMALIZATION_ERROR
IMPLEMENTATION_ERROR
BASELINE_MISMATCH
GOLD_LEAKAGE
METRIC_ERROR
EXTERNAL_CONTRADICTION
REPLAY_FAILURE
INFRASTRUCTURE_FAULT

28. Versioned Research

修復後：

T_1

不能刪掉：

T_0.

應保留：

\boxed{ T_0 \rightarrow T_1 \rightarrow T_2 }

以及每次 evidence transition。

29. Canonical Frontier

對每個 theory 保存：

current_claim_set
current_evidence
current_baseline_family
current_residue
open_failures

Canonical Frontier 不是真理終點，只是：

\boxed{ \text{current best reproducible state}. }

30. Stop Rule

AI runtime 若沒有停止條件，可能無限：

加 baseline；
加 test；
加 reinterpretation。

可在以下情況停止：

claim falsified
baseline closure reached
residual stable
external evidence blocked
resource budget exhausted
no new informative divergence

若連續：

k

輪：

IG<\epsilon,

可停止。

其中：

\boxed{ IG = d(E_{t+1},E_t) }

表示 epistemic information gain。

31. Runtime 不追求永久完成

因為新 baseline、data、evidence 都可能重開：

T.

若：

\mathcal E_{new}

足以影響：

R(T),

可以：

CLOSED -> REOPENED

32. Public / Private Boundary

若理論來源包含：

私有稿；
未公開資料；
專利前資料；

Runtime 需保持 source permission。

不能因 baseline search：

\text{private source} \rightarrow \text{public artifact}.

33. 最小可行 PTE-TSR

MVP 可只支援：

Markdown theory
claim extraction
Python implementation
Python baseline
pytest
JSONL dataset
negative controls
fresh ZIP replay
residue report

先從：

AI architecture；
software theory；
algorithmic claims；
semantic systems；

開始。

這些領域適合的原因是：

L_P \approx 0.

可快速形成 Executable Evidence。

34. PTE-TSR Conformance Levels

C0 — Source Integrity

來源、hash、scope 可重建。

C1 — Claim Integrity

claim freeze、extension label 正確。

C2 — Behavioral Test

implementation 與 negative controls 可跑。

C3 — Matched Reconstruction

strong baseline 公平。

C4 — External / Adversarial

離開 toy domain。

C5 — Fresh Replay

最終 artifact 可獨立重播。

C6 — Residue Closure

claim disposition 與 residue report 完整。

只有：

C0-C6

通過，才可說：

PTE run structurally closed.

仍不能說：

Theory proven true.

35. Theory Testing as Compilation

可以把：

T

視為 source language。

編譯鏈：

\boxed{ \text{Theory Text} \rightarrow \text{Claim IR} \rightarrow \text{Formal IR} \rightarrow \text{Executable IR} \rightarrow \text{Evidence IR}. }

每一層都可能有 loss。

定義：

\lambda_i

為語義損失。

因此：

\boxed{ \text{successful execution} \not\Rightarrow \text{perfect theory fidelity}. }

Loss Ledger：

source -> claim loss
claim -> formal loss
formal -> implementation loss
implementation -> metric loss

36. AI 原生科學更深的風險

危險不只是 hallucination。

更深的是：

\boxed{ \text{well-organized self-confirmation}. }

系統可以非常完整地「證明自己」，如果 source、implementation、baseline、metric、judge 全部由同一閉環控制。

因此 PTE-TSR 的核心不是 intelligence，而是：

\boxed{ \text{epistemic architecture}. }

37. 初步研究命題

TSR-H1：Role Separation Hypothesis

在相同模型能力下，角色分離與 artifact boundary 可降低：

\text{self-confirmation error}.

TSR-H2：Fresh Replay Hypothesis

只通過原 session test 的研究，其 failure rate 高於 fresh reconstructed replay。

TSR-H3：Blind Baseline Hypothesis

盲重建 baseline 能降低：

\text{theory vocabulary leakage}.

TSR-H4：Harness Mutation Hypothesis

能被 mutation 主動打紅的 harness，比永遠綠的 harness 更能預測外部 failure。

TSR-H5：Residue Stability Hypothesis

若：

R(T)

在多 baseline、多 seed、多 external set 下穩定，則其後續研究優先度應提高。

38. 最小比較實驗

選：

N

套公開、可程式化理論。

每套執行兩種 runtime：

R0 single-agent integrated
R1 role-separated PTE-TSR

比較：

gold leakage；
baseline fairness；
replay success；
false theory win；
residue stability；
human attention。

39. 主要指標

定義：

\boxed{ FWR = \text{False Win Rate}. }

如果 runtime 宣稱：

\Delta_T>0,

但後來發現：

weak baseline；
gold leakage；
hidden extension；
replay fail；

即記為 False Win。

另定義：

\boxed{ RP = \frac{ \text{valid residual claims} }{ \text{all residual claims} } }

為 Residue Precision；

\boxed{ FRR = \frac{ \text{fresh runs reproduced} }{ \text{runs claimed complete} } }

為 Fresh Replay Rate；

\boxed{ HGVR = \frac{ \text{hard gate violations} }{ \text{runs} } }

為 Hard Gate Violation Rate。

40. 制度價值

如果這套 runtime 成熟，任何公開理論都可能先接受：

\boxed{ \text{pre-peer-review executable stress}. }

它不取代 peer review，而是讓 peer review 少花時間在：

明顯 baseline 不公平；
claim 漂移；
無法重現；
hidden extension；
toy-only result。

理論作者也可以自己使用，先問：

我的 strongest baseline 到底能吃掉多少？

這反而提高理論品質，因為：

R(T)

會更早暴露。

41. PTE-TSR 與前四篇的關係

PTE-01：

怎麼公平假設理論為真？

PTE-02：

怎麼把 theory-to-engineering latency 壓低？

PTE-03：

怎麼建立 strongest matched reconstruction？

PTE-04：

怎麼保存失敗後仍有價值的 residue？

PTE-05 則回答：

怎麼把以上方法編成一個 AI 可以反覆執行、但不能輕易自我確認的 runtime？

42. PTE-TSR 的最終原則

第一：

\boxed{ \text{Do not automate belief}. }

第二：

\boxed{ \text{Automate evidence production}. }

第三：

\boxed{ \text{Automate counterexample pressure}. }

第四：

\boxed{ \text{Automate reproducibility gates}. }

第五：

\boxed{ \text{Preserve uncertainty and residue}. }

43. 結論：AI 原生科學需要的是可執行懷疑

AI 能讓：

理論更快被讀懂；
更快被形式化；
更快被做成程式；
更快被跑上萬次。

但如果沒有：

source boundary；
role separation；
matched baseline；
negative control；
gold firewall；
fresh replay；
residue ledger；

那麼 AI 也可以更快製造：

\boxed{ \text{highly reproducible self-deception}. }

因此 AI 原生科學的真正問題不是：

AI 能不能自己研究？

而是：

我們能不能把科學懷疑本身，編譯成 AI 必須服從的執行協議？

PTE-TSR 的答案是：

\boxed{ \text{Yes, partially}. }

可以被編譯的包括：

source integrity；
claim freeze；
test contract；
matched conditions；
negative controls；
replay；
provenance；
status transition。

仍無法完全自動化的包括：

研究重要性；
真正新穎性的最終哲學判定；
不可觀測 claim；
物理證據價值；
社會與倫理取捨。

所以 PTE-TSR 不應成為：

\text{Truth Machine}.

而應成為：

\boxed{ \text{Theory Pressure Machine}. }

它不負責替世界宣布最後答案。

它負責讓：

\text{weak claim}, \text{hidden assumption}, \text{unfair baseline}, \text{unreproducible result}

更難存活。

同時讓：

\boxed{ R_{\mathcal B,\mathcal E}(T) }

更容易被精確留下。

44. 下一篇

PTE-06｜不可壓縮證據底：AI 為何不能把所有科學都變成幾小時實驗
The Irreducible Evidence Floor: Limits of AI-Accelerated Theory Testing

下一篇將正式區分：

\boxed{ \text{epistemic processing cost} }

與：

\boxed{ \text{physical evidence cost}, }

並建立：

E_{\min}(T,D),

回答：

當 AI 已經能把閱讀、形式化、實作、baseline 與分析壓縮到極短時間後，哪些科學問題仍然必須等待世界本身提供證據？

PTE-05｜AI 原生理論壓測：從文字論證到可重播證偽系統 — AI-Native Theory Stress Testing_ From Argument to Reproducible Falsification