SET05｜信念系統不是信念集合，而是允許箭頭的系統

Belief Systems Are Not Merely Sets of Beliefs: Admissible-Arrow Regimes and Epistemic Topology

定位： Selective Truth and Epistemic Topology / Foundation Paper 05 / Relational Belief Structure
作者： Neo.K
研究協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-07
狀態： Canonical Source / UTF-8 Markdown
文件性質： Formal Epistemology / Belief Revision / Argumentation / Causal Graphs / Explanatory Coherence / Belief Networks / Epistemic Topology

Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

inline math： $...$
display math：$$...$$

本文不主張首次把 beliefs、arguments、causal variables 或 attitudes 表示成 graph。相關傳統至少包括 AGM belief revision、Bayesian networks、causal graphs、Dung abstract argumentation、Thagard explanatory coherence、belief network analysis 與近年的 causal-belief elicitation。

本文提出的較窄主張是：若研究 worldview、ideology、theory framework 或長期信念系統，只記錄「agent 相信哪些命題」通常不足；還需要顯式記錄 agent 允許哪些關係箭頭進入、以什麼類型進入、獲得多少權重、在什麼條件下被撤回，以及新 evidence 如何改寫整個關係結構。

本文承接 SET04 的：

\boxed{ \text{Sincerity} \not\Rightarrow \text{Epistemic Neutrality} }

並把問題從：

\text{which evidence enters?}

推進到：

\boxed{ \text{which relations are allowed to connect what enters?} }

摘要

傳統 belief-revision framework 常以 belief set、belief base 或 epistemic state 表示 agent 的信念；AGM 的經典模型尤其把理想化 agent 的 belief state 表示為在某形式語言中對 logical consequence 封閉的句子集合，並研究 expansion、contraction 與 revision。這一表示法具有深厚的邏輯價值，但若研究真實 worldview 的差異，單純列出 agent 接受哪些 proposition，可能無法捕捉其最重要的結構差異。

其他研究傳統早已顯示 relation 的必要性。Dung abstract argumentation 以 argument set 與 attack relation 組成 directed graph；Thagard explanatory coherence 以 explanation、co-explanation、analogy 與 contradiction 等 relation 共同決定 hypothesis 的整體 coherence；Bayesian networks 以 directed acyclic graph 表示 variable dependence structure，而 causal graph 進一步讓 edge 承擔 direct-cause interpretation 所需的額外假設；近年的 belief network analysis 則以 network structure 研究 ideology、worldview、norm systems 與 political attitudes。2024 年 Belief Miner 更直接蒐集群體對 cause-effect relation 的判斷，並將 crowd causal graph 與 reference relations 比較以定位 potential causal illusions。

本文因此提出 Epistemic Admissible-Arrow System（EAAS）。最小形式為：

\mathcal B = (V,E,\pi,\Phi)

其中：

$V$ 是 agent 可承認的 epistemic nodes；
$E$ 是 agent 當前允許的 typed relations；
$\pi$ 是 evidence / source selection policy；
$\Phi$ 是新 evidence 進入後對 nodes、edges 與 weights 的吸收與 revision operator。

為避免把所有 edge 混成同一語意，本文使用擴充形式：

\mathcal B^{+} = (V,\mathcal T,\mathfrak A,\omega,\pi,\Phi)

其中：

$\mathcal T$ 為 arrow-type space；
$\mathfrak A$ 為 arrow-admission operator；
$\omega$ 為已允許 arrow 的權重或 confidence assignment。

典型 arrow type 包括：

\mathcal T = \{ \text{entails}, \text{supports}, \text{attacks}, \text{causes}, \text{explains}, \text{enables}, \text{precedes}, \text{analogizes}, \text{normatively-justifies} \}.

本文的核心命題是：

\boxed{ V_1=V_2 \not\Rightarrow \mathcal B_1=\mathcal B_2 }

兩個 agent 可以接受完全相同的 factual nodes，卻因允許不同 causal、explanatory、evidential 或 normative arrows，而居住在不同的 epistemic topology 中。

本文進一步提出 Node Agreement（NA）、Typed-Edge Agreement（TEA）、Topological Divergence（TD）、Arrow Revision Elasticity（ARE）、Relation-Type Confusion（RTC） 與 Topological Escape Capacity（TEC） 等啟發式量，並建立 Arrow-Admissibility Audit Protocol（AAAP）。

本文不把 edge-aware model 宣稱為 belief representation 的唯一正確形式，也不主張 AGM、Bayesian models 或 argumentation frameworks 無法表示關係。本文主張的是一個診斷原則：

\boxed{ \text{If two agents agree on the nodes but systematically disagree on the arrows, a node-only comparison has missed the disagreement} }

0　問題起點：同樣的事實，可以連成不同的世界

假設兩個 agent 都接受：

A=\text{true},

B=\text{true},

C=\text{true}.

因此 node-level comparison 得到：

V_1=V_2=\{A,B,C\}.

但 Agent 1 接受：

A \xrightarrow{\text{causes}} B \xrightarrow{\text{explains}} C.

Agent 2 只接受：

A \xrightarrow{\text{precedes}} B,

並拒絕：

A \xrightarrow{\text{causes}} B.

對兩者而言，沒有任何 factual node 需要改變。

真正不同的是：

E_1\neq E_2.

如果研究只問：

你相信 A 嗎？

你相信 B 嗎？

你相信 C 嗎？

我們可能錯誤得到：

兩人的 worldview 幾乎一致。

但他們真正的 explanatory world 已經不同。

1　AGM 的重要性，以及本文不應誇大的地方

AGM belief revision 是 belief-change theory 的核心傳統之一。

在其經典理想化中，belief state 通常以 belief set $K$ 表示，即形式語言中的一組句子，常假定對 logical consequence 封閉。

三種基本 change operation 為：

\text{expansion},

\text{contraction},

以及：

\text{revision}.

若輸入新命題 $\varphi$ ，revision 可概念化為：

K \mapsto K * \varphi.

本文不能錯誤宣稱：

AGM 不能表示關係。

因為：

\text{Causes}(A,B)

本身也可以被寫成一個 proposition 放入 belief language。

所以 SET05 的問題不是 expressive impossibility。

真正問題是 representation emphasis：

\boxed{ \text{a relation encoded as another sentence can remain diagnostically hidden as a relation} }

若研究目標是：

哪些 relation type 被允許；
哪些 arrow 被反證刪除；
哪些 edge 被 retype；
哪些局部 topology 使其他 belief 得以存活；

則顯式 graph representation 可能比單純 belief-set listing 更具診斷力。

2　Dung：arguments 本身不夠，attack relation 會改變可接受集合

Dung 的 abstract argumentation framework 提供一個直接例子。

其基本形式為：

AF=(A,R),

其中：

$A$ 為 arguments；
$R$ 為 attack relation。

如果只保留 $A$ 而刪除 $R$ ：

AF \mapsto A,

我們就失去：

誰攻擊誰；
誰防禦誰；
哪些集合 conflict-free；
哪些 arguments admissible；
哪些 extension 可以成立。

因此：

\boxed{ \text{argument inventory} \neq \text{argumentation structure} }

這與 SET05 的核心直覺同構。

3　Bayesian Networks：同一批 nodes，不同 DAG 就是不同模型

Bayesian network 的基本圖結構為 directed acyclic graph：

G=(V,E).

graph structure 配合 conditional probability tables 表示 joint distribution 的 factorization。

同一個 variable set：

V

若使用不同 DAG：

G_1=(V,E_1),

G_2=(V,E_2),

可能編碼不同 conditional-independence assumptions。

因此：

V_1=V_2

不使：

G_1=G_2.

在 causal interpretation 下，問題更尖銳。

若 parent-child edge 被解讀為 direct causal relation，則：

X \xrightarrow{\text{cause}} Y

不是圖形裝飾，而是一個可受攻擊的 causal commitment。

所以 SET05 借用的不是 Bayesian network 的全部 formal semantics，而是這個非常基本的提醒：

\boxed{ \text{edges carry model commitments} }

4　Thagard：explanatory coherence 本來就是 relation-sensitive

Thagard 的 explanatory-coherence theory 不是只問 hypothesis 是否出現在集合中。

propositions 之間可以因：

explanation；
co-explanation；
analogy；

形成 coherence，也可以因 contradiction 形成 incoherence。

hypothesis 最後是否被接受，取決於整個 constraint structure，而非單一 proposition 的孤立真值。

因此：

\boxed{ \text{what a proposition means for a theory depends partly on what it is allowed to connect to} }

這對 SET05 很重要。

同一個 observation：

O

可以在 Theory 1 中是：

O \xrightarrow{\text{supports}} H_1,

但在 Theory 2 中只被允許：

O \xrightarrow{\text{compatible-with}} H_1.

兩支 arrow 的 epistemic force 完全不同。

5　Belief Network Analysis：worldview 的結構已經是實證研究對象

Boutyline 與 Vaisey 的 Belief Network Analysis 將 political attitude systems 模型化為 interrelated network，讓研究者分析 belief centrality 與 network organization。

2024 年 ResIN 方法進一步將 belief network approach 推向 ideology、worldview 與 norm systems 的結構分析。

2025 年 Bentall 等人以 2,058 位英國成人資料研究 political belief networks，發現政治光譜兩端的 belief networks 在其資料中比中間組更高度 interconnected，並辨識出具有不同 centrality 的 attitudes。

這些工作的重要性在於：

\boxed{ \text{belief-system structure is empirically measurable} }

但 SET05 必須保持一個限制：

BNA / network psychometrics 的 edge 往往是：

\text{statistical association}

或 partial correlation。

它不自動等於：

\text{an individual's consciously admissible causal or explanatory arrow}.

因此 SET05 不能把 population-level correlation network 偷換成 individual epistemic topology。

6　Belief Miner：causal belief 本身可以被當作 edge elicitation

2024 年 Salim、Hoque 與 Mueller 的 Belief Miner 直接讓參與者表達 cause-effect relations，並將群體 causal-relation network 與 reference credibility structure 比較。

這說明一件很關鍵的事：

我們不一定只能問：

你相信這個節點嗎？

也可以問：

你相信這兩個節點之間有什麼關係？

因此：

\boxed{ \text{edge elicitation} }

本身可以成為 empirical object。

這也讓 SET05 不必停留在純哲學比喻。

7　從 Belief Set 到 Admissible-Arrow Regime

本文提出最小表示：

\mathcal B = (V,E,\pi,\Phi).

其中：

7.1 Node Set

V

可以包含：

observations；
propositions；
hypotheses；
entities；
events；
values；
norms；
models；
predictions。

7.2 Edge Set

E

不是單一關係，而是 typed edges。

更正式地：

E \subseteq V \times \mathcal T \times V.

一支 edge：

e=(u,t,v)

表示：

u \xrightarrow{t} v.

7.3 Selection Policy

\pi

承接 SET01 至 SET04：

決定哪些 evidence、nodes 與 sources 進入當前系統。

7.4 Revision Operator

\Phi

決定新 evidence 進入後：

node 是否新增；
node confidence 是否改變；
edge 是否新增；
edge 是否刪除；
edge type 是否改變；
edge weight 是否更新；
admissibility rule 是否改變。

8　擴充形式：Epistemic Admissible-Arrow System

為了把「什麼箭頭可以進來」本身顯式化，定義：

\mathcal B^{+} = (V,\mathcal T,\mathfrak A,\omega,\pi,\Phi).

其中：

\mathfrak A: V\times\mathcal T\times V\times C \to \{-1,0,1\}.

可解讀為：

-1=\text{reject},

0=\text{suspend},

1=\text{admit}.

$C$ 表示 context、evidence、domain rules 與背景條件。

當：

\mathfrak A(u,t,v\mid C)=1,

則候選 arrow：

u\xrightarrow{t}v

被納入當前 epistemic topology。

這個結構稱為 Epistemic Admissible-Arrow System（EAAS）。

9　Arrow Type 不能偷換

至少需要區分：

\mathcal T = \{ t_{\mathrm{entail}}, t_{\mathrm{support}}, t_{\mathrm{attack}}, t_{\mathrm{cause}}, t_{\mathrm{explain}}, t_{\mathrm{enable}}, t_{\mathrm{precede}}, t_{\mathrm{analogy}}, t_{\mathrm{norm}} \}.

因為下列箭頭不是同一件事。

A \xrightarrow{\text{precedes}} B

不等於：

A \xrightarrow{\text{causes}} B.

E \xrightarrow{\text{supports}} H

不等於：

E \xrightarrow{\text{entails}} H.

M \xrightarrow{\text{explains}} O

不等於：

M \xrightarrow{\text{proves}} O.

因此很多 worldview disagreement 可能根本不是 node disagreement，而是：

\boxed{ \text{relation-type disagreement} }

10　Arrow-Type Debt：不同關係欠不同證明

若一支箭頭被標成：

A \xrightarrow{\text{causes}} B,

它欠的是 causal evidence 與 identification assumptions。

若被標成：

A \xrightarrow{\text{entails}} B,

它欠的是 formal derivation。

若：

A \xrightarrow{\text{supports}} B,

它欠的是 evidential relevance 與 weight。

若：

A \xrightarrow{\text{normatively-justifies}} B,

它欠的是 normative bridge。

所以不能用：

\text{same evidence standard}

檢查所有 edge type。

本文稱之為：

\boxed{ \text{Arrow-Type Debt} }

即每一種 relation type 都有自己的 certification burden。

11　Arrow-Type Confusion：很多錯誤其實是 edge retyping

最常見的結構性錯誤之一不是 node fabrication，而是：

t_1 \mapsto t_2.

例如：

\text{precedes} \mapsto \text{causes},

\text{correlates} \mapsto \text{causes},

\text{compatible} \mapsto \text{predicted},

\text{explains} \mapsto \text{proves},

\text{possible} \mapsto \text{probable},

\text{is} \mapsto \text{ought}.

所有 factual nodes 都可以保持不變。

失真只發生在 arrow label。

這將在 SET06 進一步展開。

12　Node-Equivalent Worldviews

定義兩個 worldview：

\mathcal B_1, \quad \mathcal B_2.

若其 node truth assignment 相同：

V_1=V_2

且：

q_1(v)=q_2(v)

對所有共同 node 成立，則稱兩者 node-equivalent。

但若：

E_1\neq E_2,

則為：

\boxed{ \text{node-equivalent but topologically divergent} }

這是 SET05 最核心的對象。

13　同樣 evidence，為什麼不同 theory 會得到不同 meaning？

設 observation：

O.

Theory 1 允許：

O \xrightarrow{\text{supports}} H_1.

Theory 2 認為存在 confounder：

C \xrightarrow{\text{causes}} O

因此拒絕：

O \xrightarrow{\text{supports}} H_1

的高權重版本。

兩者都看到 $O$ 。

差別不是：

\text{observation access}.

而是：

\text{edge admissibility}.

所以：

\boxed{ \text{same evidence} \not\Rightarrow \text{same evidential role} }

14　背景理論本身就是 Arrow Gate

對候選 arrow：

e=(u,t,v),

agent 不會每次從零判斷。

他會利用：

background theory；
trusted methodology；
ontology；
domain conventions；
causal assumptions；
value commitments；
prior graph。

因此：

\mathfrak A(e\mid C)

本身受到當前：

\mathcal B_t

影響。

可寫成：

\mathfrak A_t(e) = G(e,\mathcal B_t,C_t).

因此 belief system 不只儲存 edge。

它也參與決定：

下一支 edge 有沒有資格進來。

這就是 admissible-arrow regime。

15　Arrow Gate 可以是健康的

「拒絕某類 arrow」不必然是 bias。

科學方法本來就建立 gate。

例如：

\text{correlation} \not\Rightarrow \text{causation}.

形式邏輯也有 gate：

\text{premises} \not\vdash \text{conclusion}

時，就不能畫 entailment arrow。

好的 gate 不是什麼都接受。

而是：

\boxed{ \text{arrow admission is constrained by relation-specific evidence} }

所以 SET05 不鼓勵：

對所有可能關係保持開放。

那會變成 topology explosion。

真正目標是：

\boxed{ \text{admit, suspend, reject, and revise arrows under explicit rules} }

16　Arrow Gate 也可以自我封閉

危險出現在：

\mathfrak A_B(e^-)= -1

不是因為 $e^-$ 的 evidence quality 低，

而只是因為：

e^-

會破壞當前 worldview。

更進一步：

e^- \text{ rejected} \Rightarrow \text{evidence supporting }e^-\text{ also downgraded}.

此時 topology 開始保護自己。

這是 SET07 的前兆。

17　Belief Revision 不只是 node surgery，而是 graph surgery

傳統 belief-change 語言常聚焦：

K \mapsto K'.

EAAS 則把 change event 拆成至少七種。

17.1 Node Addition

V' = V\cup\{v\}.

17.2 Node Removal

V' = V\setminus\{v\}.

17.3 Edge Addition

E' = E\cup\{e\}.

17.4 Edge Deletion

E' = E\setminus\{e\}.

17.5 Edge Retyping

(u,t_1,v) \mapsto (u,t_2,v).

17.6 Edge Reweighting

\omega(e) \mapsto \omega'(e).

17.7 Gate Revision

\mathfrak A \mapsto \mathfrak A'.

最後一種最深。

因為它改變的是：

未來哪些關係可以進來？

而不是只改現在這一支 edge。

18　更新同一 node，也可能只是 topology 改變

假設原本：

A \xrightarrow{\text{causes}} B.

新研究未否定：

A

也未否定：

B.

它只發現：

C

是共同原因。

於是：

C \xrightarrow{\text{causes}} A,

C \xrightarrow{\text{causes}} B,

並刪除：

A \xrightarrow{\text{causes}} B.

node truth 幾乎沒變。

但 explanatory world 已經大幅改變。

所以：

\boxed{ \text{major belief revision can occur with minimal node revision} }

19　Node Agreement

對兩個 systems 的共同 candidate node set $V^*$ ，定義啟發式：

\mathrm{NA} = \frac{ |\{v\in V^*:q_1(v)=q_2(v)\}| }{ |V^*| }.

若：

\mathrm{NA}\rightarrow1,

表示 node-level agreement 高。

但它不能表示 edge agreement。

20　Typed-Edge Agreement

令 typed-edge universe 為：

E^*.

定義：

\mathrm{TEA} = \frac{ |E_1\cap E_2| }{ |E_1\cup E_2|+\epsilon }.

其中 edge identity 包含：

(u,t,v).

因此：

(u,\text{precedes},v)

與：

(u,\text{causes},v)

視為不同 typed edge。

可能出現：

\mathrm{NA}\approx1

但：

\mathrm{TEA}\ll1.

這就是 node-equivalent topological divergence。

21　Topological Divergence

定義：

\mathrm{TD} = 1-\mathrm{TEA}.

更完整版本可以加入 edge weight：

\mathrm{TD}_{\omega} = D(E_1,\omega_1;E_2,\omega_2).

本文不指定唯一 distance metric。

因為不同 domain 可能需要：

Jaccard distance；
graph edit distance；
spectral distance；
typed-edge weighted distance；
causal structural distance。

核心只是：

\boxed{ \text{worldview distance should not be reduced to node disagreement alone} }

22　Relation-Type Confusion

若 agent 在 matched tasks 中把 $t_i$ 系統性當成 $t_j$ ，定義候選：

\mathrm{RTC}(t_i,t_j) = P(\hat t=t_j\mid t=t_i).

例如：

\mathrm{RTC} ( \text{precedes}, \text{causes} ).

RTC 可以用於：

人類 reasoning；
AI reasoning；
scientific communication；
media interpretation；
education。

其價值是把「推理錯了」再細分成：

node 錯，還是 arrow type 錯？

23　Arrow Revision Elasticity

令 evidence $E_e$ 專門針對 edge $e$ 。

edge confidence 原為：

\omega_t(e).

新 evidence 後：

\omega_{t+1}(e).

定義概念性：

\mathrm{ARE}(e) = \frac{ |\omega_{t+1}(e)-\omega_t(e)| }{ \mathrm{Strength}(E_e)+\epsilon }.

過低可能表示：

\text{edge rigidity}.

過高則可能表示：

\text{edge instability}.

健康狀態不是越高越好，而是：

\boxed{ \text{edge change should be proportionate to discriminative evidence} }

24　Topological Escape Capacity

SET04 提出 Epistemic Escape Capacity。

SET05 進一步提出 Topological Escape Capacity（TEC）：

一個 worldview 是否有能力撤除、反轉或 retype 自己的核心 arrows？

概念上：

\mathrm{TEC}\in[0,1].

測量問題包括：

是否能指出核心 edge？
是否能指定什麼 evidence 會刪除該 edge？
是否能接受 rival relation type？
是否能在 node 不變時修改 explanation？
是否允許 independent graph reconstruction？
核心 edge 被刪除後，是否只是新增 ad hoc edge 立即補回？

低 TEC 意味：

\text{topology itself is becoming self-protective}.

25　Arrow-Admissibility Audit Protocol（AAAP）

Step 1：Freeze the Nodes

先固定雙方共同接受的 facts：

V_{\mathrm{shared}}.

避免爭論一直滑回：

你連事實都不承認。

Step 2：Extract the Arrows

要求各方畫出：

E.

至少標示：

source；
target；
relation type；
confidence；
evidence；
boundary conditions。

Step 3：Type Every Arrow

不准使用模糊的：

有關。

要求回答：

\text{what kind of relation?}

是：

cause；
support；
explanation；
entailment；
analogy；
temporal order；
norm？

Step 4：Assign Arrow-Type Debt

對每支 edge 問：

這種類型的箭頭欠什麼證據？

例如 causal edge 不能用純 temporal order 還債。

Step 5：Construct Rival Graphs

在相同 node set 上建立：

G_1, G_2,\ldots,G_k.

要求 competing topology 都解釋同一批 shared facts。

Step 6：Find Discriminating Edges

找：

e^*

使：

e^*\in E_1

但：

e^*\notin E_2.

再設計 evidence：

D(e^*)

專門區分兩種 topology。

Step 7：Blind Relation Review

可行時隱去：

theory name；
author；
ideology；
institution；
model identity。

只給：

(u,t,v,E_e).

測 reviewer 是否仍允許 edge。

Step 8：Run Edge Revision

若 evidence 達門檻，要求：

E \mapsto E'.

不允許只在文字上承認：

這是一個限制。

卻讓 topology 完全不變。

26　實驗一：Node-Matched, Edge-Different

給兩組 participants 完全相同的 nodes。

只改變 relation training：

Group A 學到：

A \xrightarrow{\text{cause}} B.

Group B 學到：

A \xrightarrow{\text{correlates}} B.

之後給新 evidence。

測：

prediction；
intervention choice；
explanation；
confidence；
transfer。

若行為顯著不同，支持：

\text{edge structure has independent explanatory value}.

27　實驗二：Arrow Retyping Without Node Change

固定：

A=\text{true},

B=\text{true}.

操縱：

A \xrightarrow{\text{precedes}} B

與：

A \xrightarrow{\text{causes}} B.

測 receiver 是否對：

counterfactual prediction；
intervention；
responsibility；
forecast

產生不同判斷。

這能直接測：

\text{relation type}

是否比 node truth 更能預測下游 reasoning。

28　實驗三：Graph Revision versus Belief-Set Revision

給新 evidence $E$ ，它不否定任何既有 factual node，只否定一支 core edge。

比較：

node-only belief report；
edge-aware graph report。

若 node-only measure 顯示「幾乎沒有 belief change」，但 edge-aware measure 能預測下游決策變化，則支持 SET05 的診斷價值。

29　實驗四：Independent Graph Reconstruction

讓不同 evaluator 在相同 primary evidence 上盲建 graph：

G_1,\ldots,G_n.

比較：

\mathrm{NA}

與：

\mathrm{TEA}.

若：

\mathrm{NA}\gg\mathrm{TEA},

表示 disagreement 主要發生在 arrows。

若兩者高度相近，SET05 在該 domain 的額外價值較小。

30　實驗五：Arrow Gate Symmetry

提供結構相同、方向相反的 candidate relations。

例如：

e^+

支持當前 theory，

e^-

削弱當前 theory。

控制 evidence quality 後比較：

\mathfrak A(e^+)

與：

\mathfrak A(e^-).

若存在穩定不對稱，可能是 topology-protective gate。

31　SET05 與「下一步就是下一步」的接口

一支：

A \to B

到底代表：

immediate transition；
reachability；
causal transition；
explanatory compression；
narrative adjacency；

完全不同。

所以「下一步」本身就是 arrow-type claim。

如果真正過程是：

A \to x_1 \to x_2 \to B,

卻被畫成：

A \to B,

這可能只是合法的 macro-compression，也可能是關鍵 mechanism omission。

SET05 只負責建立：

\boxed{ \text{arrow type must be explicit} }

而 SET06 將進一步研究：

\boxed{ \text{true nodes can be connected by false, compressed, omitted, or retyped topology} }

32　「信念系統是箭頭系統」不是字面排除 nodes

本篇標題：

信念系統不是信念集合，而是允許箭頭的系統

是一個強調性命題，不應被誤讀成：

V\text{ 不重要}.

更精確地說：

\boxed{ \text{A belief system is not exhausted by its node set} }

它至少包含：

\text{nodes} + \text{relations} + \text{admission rules} + \text{revision rules}.

因此本文不是：

V \mapsto E

的取代論。

而是：

V \mapsto (V,E,\mathfrak A,\Phi)

的擴充論。

33　與 Belief Network Analysis 的差異

BNA 常以 survey-item association 建立 statistical network。

SET05 的 EAAS 則更接近：

\text{agent-endorsed typed relational commitments}.

因此：

\text{BNA edge}

與：

\text{EAAS edge}

不能直接互換。

可能出現：

\text{population correlation edge}

但個體不相信任何直接關係。

也可能個體強烈相信：

A \xrightarrow{\text{causes}} B

但 population data 不支持。

兩者的 discrepancy 本身反而值得研究。

34　與 causal graphs 的差異

EAAS 不是 causal DAG。

原因是：

\mathcal T

允許多種 relation type，而且：

explanation 可以成 cycle；
normative justification 未必是 causal；
attack relation 未必 acyclic；
analogy relation 可以 symmetric；
support relation 可以 probabilistic；
temporal relation可能只表示 order。

因此 EAAS 更接近 typed directed multigraph：

G_{\mathrm{EAAS}} = (V,E,\mathcal T,\omega).

在特定 domain，才投影成：

G_{\mathrm{causal}},

G_{\mathrm{argument}},

G_{\mathrm{explanatory}}.

35　與正式邏輯的關係

若：

A \xrightarrow{\text{entails}} B,

則此 edge 可對應：

A\vdash B

或更完整 premise set：

\Gamma\vdash B.

但不是所有 epistemic edge 都是 entailment。

把：

\text{supports}

偷換成：

\text{entails}

正是一種常見 relation-type inflation。

所以 EAAS 並不取代 formal logic。

它反而要求：

只有標成 entailment 的箭頭，才欠 formal entailment 的 debt。

36　與科學理論的關係

科學理論的巨大變化有時並不是觀測節點突然全部改變。

歷史上，同一批 observations 可以被不同 theoretical topology 組織。

Thagard 對 continental drift 等科學史案例的 explanatory-coherence 分析正展示：同一 hypothesis 在不同背景知識網路下可以呈現不同 coherence。

所以 theory change 可以部分理解為：

\boxed{ \text{reorganization of explanatory arrows over partially shared observations} }

而不是單純：

\text{old facts} \mapsto \text{new facts}.

37　與政治、宗教、哲學、數學立場的關係

SET05 不需要選任何具體陣營做靶。

只要存在：

V

與：

E,

就可能研究 admissible-arrow regime。

例如：

政治理論允許哪些 institutional cause；
哲學 ontology 允許哪些 dependence relation；
宗教 worldview 允許哪些 metaphysical explanation；
數學哲學允許哪些 existence / proof / ontology relation；
科學主義允許哪些 explanatory source；
反科學主義允許哪些 evidence rejection；
Bayesian methodology 允許哪些 likelihood structure；
formalism 允許哪些 proof relation。

本文採對稱原則：

\boxed{ \text{No worldview receives automatic exemption from arrow audit} }

但這不表示所有 worldview 的 arrow quality 相同。

38　AI 系統的 Arrow Problem

AI 很容易輸出：

A\to B

因為自然語言中的：

因此

所以

這導致

這說明

這意味著

本質上都在建立 edge。

所以 AI hallucination 之外還有：

\boxed{ \text{relation hallucination} }

即 nodes 都正確，但關係錯誤。

例如：

A=\text{true},

B=\text{true},

但：

A \xrightarrow{\text{causes}} B

未被支持。

AI evaluation 因此應分：

\text{node verification}

與：

\text{edge verification}.

39　AI 也可以成為 Arrow Auditor

如果要求 AI：

fact-check 這段話。

它可能只檢查 nodes。

更好的 protocol 是要求：

extract nodes；
extract relation phrases；
type each edge；
demand edge-specific evidence；
generate rival topology；
identify discriminating observation；
mark unresolved arrow debt。

因此：

\boxed{ \text{fact checking} + \text{relation checking} }

才較接近完整 audit。

40　什麼結果會削弱 SET05？

若以下結果跨 domain 穩定成立，SET05 應縮小：

node-only models 對 prediction、decision、belief revision 的預測力與 edge-aware models 幾乎相同；
同 node set 的 edge manipulation 不改變任何下游推理；
participants 無法穩定 elicitate relation type；
independent graph reconstruction 的 reliability 極低到無法成為研究對象；
edge-aware representation 只增加 complexity，沒有帶來 discriminative value；
worldview disagreement 幾乎全部可由 node valence / confidence 解釋；
arrow-type audit 不提高錯誤偵測；
graph revision 不比 belief-set revision 更能預測後續行為。

若如此，EAAS 應被降格成特定 domain 的 visualization tool，而非一般認識論框架。

41　自反性：EAAS 自己也只是一種 admissible topology

本篇最大的風險是：

因為我們開始談箭頭，就開始把一切都看成箭頭。

那會讓 EAAS 自己變成另一個 worldview gate。

所以本文必須承認：

有些 belief difference 用 scalar confidence 就足夠；
有些 relation 太模糊，不適合強行 type；
有些 cognitive structure 未必是 graph-like；
hypergraph、dynamic system、tensor representation 或 latent-space model 可能更適合某些 domain；
graph representation 是 epistemic projection，不等於 mind 的 literal architecture；
arrows 本身仍然需要 evidence，不能因為畫出 graph 就取得真實性。

因此：

\boxed{ \text{EAAS is a diagnostic representation proposal, not an ontology of mind} }

42　結論

信念系統不是只回答：

你相信哪些東西？

它還回答：

哪些東西可以解釋哪些東西？

哪些 evidence 可以支持哪些 hypothesis？

哪些事件可以被說成原因？

哪些相似性足以形成 analogy？

哪些 fact 可以通往 normative conclusion？

哪些反證具有攻擊核心 edge 的資格？

因此：

\boxed{ \text{Belief systems are not exhausted by belief inventories} }

更完整地：

\boxed{ \text{worldview} = \text{nodes} + \text{typed arrows} + \text{admission rules} + \text{revision rules} }

兩個人可以：

\mathrm{NA}\approx1

卻：

\mathrm{TEA}\ll1.

他們同意世界裡發生了什麼，

卻不同意：

世界是怎麼連起來的。

而真正深層的 worldview，往往就藏在這裡。

SET05 因此留下最後一條核心命題：

\boxed{ \text{A worldview is not only a map of what exists; it is also a constitution governing which arrows may legally connect what exists} }

下一步不再只是問：

節點是真的嗎？

而是：

這支箭頭憑什麼存在？

這正是 SET06 的入口。

References

Alchourron, C. E., Gardenfors, P., & Makinson, D. (1985). On the Logic of Theory Change: Partial Meet Contraction and Revision Functions. The Journal of Symbolic Logic, 50(2), 510-530. https://doi.org/10.2307/2274239
Hansson, S. O. (2026). Logic of Belief Revision. The Stanford Encyclopedia of Philosophy. https://plato.stanford.edu/entries/logic-belief-revision/
Dung, P. M. (1995). On the Acceptability of Arguments and Its Fundamental Role in Nonmonotonic Reasoning, Logic Programming and n-Person Games. Artificial Intelligence, 77(2), 321-357. https://doi.org/10.1016/0004-3702(94)00041-X
Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann.
Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.
Thagard, P. (1989). Explanatory Coherence. Behavioral and Brain Sciences, 12(3), 435-467. https://doi.org/10.1017/S0140525X00057046
Thagard, P. (2006). Evaluating Explanations in Law, Science, and Everyday Life. Current Directions in Psychological Science, 15(3), 141-145. https://doi.org/10.1111/j.0963-7214.2006.00424.x
Boutyline, A., & Vaisey, S. (2017). Belief Network Analysis: A Relational Approach to Understanding the Structure of Attitudes. American Journal of Sociology, 122(5), 1371-1442. https://doi.org/10.1086/691274
Carpentras, D., Lueders, A., & Quayle, M. (2024). Response Item Network (ResIN): A Network-Based Approach to Explore Attitude Systems. Humanities and Social Sciences Communications, 11, 589. https://doi.org/10.1057/s41599-024-03037-x
Salim, S., Hoque, M. N., & Mueller, K. (2024). Belief Miner: A Methodology for Discovering Causal Beliefs and Causal Illusions from General Populations. Proceedings of the ACM on Human-Computer Interaction, 8(CSCW1), Article 21. https://doi.org/10.1145/3637298
Bentall, R. P., Zavlis, O., Hyland, P., McBride, O., Bennett, K., & Hartman, T. K. (2025). The Structure of Mass Political Belief Systems: A Network Approach to Understanding the Left-Right Spectrum. PLOS ONE, 20(10), e0333595. https://doi.org/10.1371/journal.pone.0333595
Bulbulia, J. A. (2024). Methods in Causal Inference. Part 1: Causal Diagrams and Confounding. Evolutionary Human Sciences, 6, e40. https://doi.org/10.1017/ehs.2024.35
Bochman, A. (2000). A Foundationalist View of the AGM Theory of Belief Change. Artificial Intelligence, 116(1-2), 237-263. https://doi.org/10.1016/S0004-3702(99)00092-2
Fouillard, V., Taha, S., Boulanger, F., & Sabouret, N. (2021). Belief Revision Theory. Archive of Formal Proofs. https://isa-afp.org/entries/Belief_Revision.html

系列位置

Selective Truth and Epistemic Topology

SET01：高明的謊言不需要假話：選擇性真實、資訊抽樣與失真世界
SET02：聽者的不可識別問題：當客觀評估與策略性真話產生相同表面訊息
SET03：張力控制與策略性讓步：可信度如何被工程化
SET04：真誠的人也能產生選擇性世界：Sincere Selection Bias
SET05：信念系統不是信念集合，而是允許箭頭的系統
SET06：真節點，假拓撲：資訊操縱如何發生在關係而非命題
SET07：認識論吸引子與自我封閉：吸收無限資訊而幾乎不學習

SET05 / Selective Truth and Epistemic Topology / EveMissLab / v0.1 / 2026-09-07

SET05｜信念系統不是信念集合，而是允許箭頭的系統 — Belief Systems Are Not Merely Sets of Beliefs_ Admissible-Arrow Regimes and Epistemic Topol

SET05｜信念系統不是信念集合，而是允許箭頭的系統

Belief Systems Are Not Merely Sets of Beliefs: Admissible-Arrow Regimes and Epistemic Topology

Canonical Source Note

摘要

0 問題起點：同樣的事實，可以連成不同的世界

1 AGM 的重要性，以及本文不應誇大的地方

2 Dung：arguments 本身不夠，attack relation 會改變可接受集合

3 Bayesian Networks：同一批 nodes，不同 DAG 就是不同模型

4 Thagard：explanatory coherence 本來就是 relation-sensitive

5 Belief Network Analysis：worldview 的結構已經是實證研究對象

6 Belief Miner：causal belief 本身可以被當作 edge elicitation

7 從 Belief Set 到 Admissible-Arrow Regime

7.1 Node Set

7.2 Edge Set

7.3 Selection Policy

7.4 Revision Operator

8 擴充形式：Epistemic Admissible-Arrow System

9 Arrow Type 不能偷換

10 Arrow-Type Debt：不同關係欠不同證明

11 Arrow-Type Confusion：很多錯誤其實是 edge retyping

12 Node-Equivalent Worldviews

13 同樣 evidence，為什麼不同 theory 會得到不同 meaning？

14 背景理論本身就是 Arrow Gate

15 Arrow Gate 可以是健康的

16 Arrow Gate 也可以自我封閉

17 Belief Revision 不只是 node surgery，而是 graph surgery

17.1 Node Addition

17.2 Node Removal

17.3 Edge Addition

17.4 Edge Deletion

17.5 Edge Retyping

17.6 Edge Reweighting

17.7 Gate Revision

18 更新同一 node，也可能只是 topology 改變

19 Node Agreement

20 Typed-Edge Agreement

21 Topological Divergence

22 Relation-Type Confusion

23 Arrow Revision Elasticity

24 Topological Escape Capacity

25 Arrow-Admissibility Audit Protocol（AAAP）

Step 1：Freeze the Nodes

Step 2：Extract the Arrows

Step 3：Type Every Arrow

Step 4：Assign Arrow-Type Debt

Step 5：Construct Rival Graphs

Step 6：Find Discriminating Edges

Step 7：Blind Relation Review

Step 8：Run Edge Revision

26 實驗一：Node-Matched, Edge-Different

27 實驗二：Arrow Retyping Without Node Change

28 實驗三：Graph Revision versus Belief-Set Revision

29 實驗四：Independent Graph Reconstruction

30 實驗五：Arrow Gate Symmetry

31 SET05 與「下一步就是下一步」的接口

32 「信念系統是箭頭系統」不是字面排除 nodes

33 與 Belief Network Analysis 的差異

34 與 causal graphs 的差異

35 與正式邏輯的關係

36 與科學理論的關係

37 與政治、宗教、哲學、數學立場的關係

38 AI 系統的 Arrow Problem

39 AI 也可以成為 Arrow Auditor

40 什麼結果會削弱 SET05？

41 自反性：EAAS 自己也只是一種 admissible topology

42 結論

References

系列位置

0　問題起點：同樣的事實，可以連成不同的世界

1　AGM 的重要性，以及本文不應誇大的地方

2　Dung：arguments 本身不夠，attack relation 會改變可接受集合

3　Bayesian Networks：同一批 nodes，不同 DAG 就是不同模型

4　Thagard：explanatory coherence 本來就是 relation-sensitive

5　Belief Network Analysis：worldview 的結構已經是實證研究對象

6　Belief Miner：causal belief 本身可以被當作 edge elicitation

7　從 Belief Set 到 Admissible-Arrow Regime

8　擴充形式：Epistemic Admissible-Arrow System

9　Arrow Type 不能偷換

10　Arrow-Type Debt：不同關係欠不同證明

11　Arrow-Type Confusion：很多錯誤其實是 edge retyping

12　Node-Equivalent Worldviews

13　同樣 evidence，為什麼不同 theory 會得到不同 meaning？

14　背景理論本身就是 Arrow Gate

15　Arrow Gate 可以是健康的

16　Arrow Gate 也可以自我封閉

17　Belief Revision 不只是 node surgery，而是 graph surgery

18　更新同一 node，也可能只是 topology 改變

19　Node Agreement

20　Typed-Edge Agreement

21　Topological Divergence

22　Relation-Type Confusion

23　Arrow Revision Elasticity

24　Topological Escape Capacity

25　Arrow-Admissibility Audit Protocol（AAAP）

26　實驗一：Node-Matched, Edge-Different

27　實驗二：Arrow Retyping Without Node Change

28　實驗三：Graph Revision versus Belief-Set Revision

29　實驗四：Independent Graph Reconstruction

30　實驗五：Arrow Gate Symmetry

31　SET05 與「下一步就是下一步」的接口

32　「信念系統是箭頭系統」不是字面排除 nodes

33　與 Belief Network Analysis 的差異

34　與 causal graphs 的差異

35　與正式邏輯的關係

36　與科學理論的關係

37　與政治、宗教、哲學、數學立場的關係

38　AI 系統的 Arrow Problem

39　AI 也可以成為 Arrow Auditor

40　什麼結果會削弱 SET05？

41　自反性：EAAS 自己也只是一種 admissible topology

42　結論