Technical Whitepaper 02

UNPNP Game Experimental Runtime：以單機遊戲驗證自適應超連結與計算結晶化

A Single-Player Game Runtime for Validating Adaptive Hyperlinks, Path Compilation, and Computational Crystallization

系列： UNPNP / Crystallized Computation Technical Whitepapers
白皮書編號： TW-02
作者： Neo.K with Aletheia（GPT）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-07
文件性質： 技術白皮書／研究 Runtime／單機遊戲實驗／AI 再編譯前置驗證
狀態： Canonical Draft

摘要

UNPNP 理論系列提出：AI-native runtime 不應只在固定計算圖中反覆求解，而應能在運行過程中觀察高成本路徑、發現自適應快速通道、重新編譯穩定 traversal，並把已驗證的新路徑結晶為可重用計算原語。若此機制成立，則在穩定或部分穩定的工作負載中，系統的未來計算成本應隨經驗累積而下降。

本文提出 UNPNP Game Experimental Runtime，UGER，作為第一個工程驗證環境。選擇單機遊戲的理由不是「遊戲比較容易」，而是它同時具備複雜狀態、可重播、可回滾、可量測、低外部風險與大量重複語義路徑，因此能在不引入真實外部副作用的情況下，測試 UNPNP 最核心的可證偽命題。

UGER 的核心比較為：

\boxed{ \text{Baseline A} \quad \text{vs.} \quad \text{Baseline B} \quad \text{vs.} \quad \text{Experimental C} }

其中：

Baseline A：傳統／naive runtime，不使用 persistent corridor；
Baseline B：允許自適應 reasoning 與 routing，但不形成持久化 crystal；
Experimental C：完整啟用 Adaptive Corridor Generator、EHPE、Path Compilation、Crystallization、Fast / Slow Path 與 Invalidation。

為了隔離模型能力與架構能力，本文強制加入 Frozen-Model Experiment：

\boxed{ \theta_{t+1} = \theta_t }

即模型權重固定，只允許外部結構演化：

\mathcal K_{t+1} \neq \mathcal K_t.

如果在同一模型、同一遊戲版本、同一硬體、同一初始狀態與同一隨機 seed 下，Experimental C 能逐步達到：

R_{\mathrm{reason}}(t)\downarrow,

H_{\mathrm{corridor}}(t)\uparrow,

R_K(t)\uparrow,

C_{\mathrm{avg}}(t)\downarrow,

且：

F_R(t)

不顯著惡化，則可提供直接證據支持「World-to-Corridor Compilation」與「Crystallized Computational Adaptation」確實具有獨立工程價值。

本文定義 UGER 的最小 runtime 模組：

Game Adapter
State Observer
Event Normalizer
Transition Logger
Semantic Revealing Layer
Adaptive Corridor Generator
EHPE Gate
Path Compiler
Crystal Store
Fast / Slow Path Router
Validator
Safety Envelope
Cost Ledger
Replay Harness
Experiment Controller

並定義主要資料結構：

WorldSnapshot
TransitionEvent
PathTrace
CorridorCandidate
CompiledPath
ComputationalCrystal
ExperimentReceipt
CostRecord

UGER 採取五階研究路線：

\boxed{ P_0 \rightarrow P_1 \rightarrow P_2 \rightarrow P_3 \rightarrow P_4 }

分別為：

Synthetic World；
Turn-Based Game；
Simulation / Management Game；
Real-Time Single-Player Game；
Controlled Legacy Program Interface。

其中 Phase 4 不是直接修改 production software，而是把已驗證的 runtime 機制轉入受控 legacy program，使用 shadow recompilation 與 selective crystal overlay，作為未來一般程式 AI 再編譯技術的前置接口。

本文明確規定：第一代 UGER 不處理多人遊戲、真實外部寫入、付款、帳號權限、production mutation 或不可逆外部作用域。安全 envelope 預設限制於：

R_0,R_1,R_2,

即 pure read、local reversible write 與 sandbox execution。

本文最後定義最重要的總驗證條件：

\boxed{ C_{\mathrm{UNPNP}}(N) < C_{\mathrm{baseline}}(N) }

其中：

C_{\mathrm{UNPNP}}(N)

必須包含：

reasoning；
routing；
compilation；
verification；
crystal lookup；
memory；
maintenance；
invalidation；
failure；
rollback。

因此，UGER 不允許把 complexity 移到看不見的地方後宣稱「變快」。只有當完整生命週期成本下降，且安全、正確性、失效率與維護成本仍在可接受域內，才視為 UNPNP runtime 成功。

關鍵詞： UNPNP、Game Experimental Runtime、Adaptive Corridor、Path Compilation、Computational Crystallization、Frozen Model、Benchmark、Replay、Ablation、Legacy Recompilation

1. 研究目的

UGER 的主要研究問題不是：

AI 能不能玩遊戲？

而是：

\boxed{ \textbf{ AI 能不能逐步把一個既有計算世界，重新編譯成一個未來更便宜的計算世界？ } }

2. 核心可證偽命題

若 UNPNP 有工程價值，則在部分穩定 workload 中：

\boxed{ C_{\mathrm{future}} < C_{\mathrm{initial}} }

應隨使用歷史增加而出現。

3. 非目標

UGER v0.1 不追求：

最強遊戲 AI；
state-of-the-art game score；
RL benchmark 排名；
自主多人代理；
production deployment；
完整 AI OS。

4. 第一版目標

只驗證：

\boxed{ \text{repeated computation} \rightarrow \text{reusable verified structure} }

是否成立。

5. 核心實驗變因

最重要控制條件：

\boxed{ \text{same model} + \text{same world} + \text{same hardware} + \text{same seed} + \text{different runtime architecture}. }

6. Runtime 總架構

UGER v0.1：

Game / Synthetic World
        ↓
Game Adapter
        ↓
State Observer
        ↓
Event Normalizer
        ↓
Transition Logger
        ↓
Semantic Revealing
        ↓
Adaptive Corridor Generator
        ↓
EHPE Gate
        ↓
Fast / Slow Path Router
        ↓
Executor
        ↓
Validator
        ↓
Cost Ledger
        ↓
Receipt
        ↓
Path Compiler
        ↓
Crystal Store
        ↺

7. Game Adapter

所有遊戲差異先封裝於：

\boxed{ \text{Game Adapter} }

UGER 核心不直接依賴遊戲 UI。

8. Game Adapter 介面

至少提供：

observe_state()
list_local_actions()
execute_action(action)
save_state()
load_state(snapshot_id)
get_version()
get_seed()

9. 結構化優先

若遊戲已有：

API；
mod interface；
scripting；
save data；
internal event hooks；

優先使用。

10. UI 操作不是第一選擇

因為 UI 會加入：

vision；
cursor；
OCR；
layout；
timing noise。

這會污染 UNPNP 計算實驗。

11. State Observer

輸出：

S_t.

第一版可以分：

S_t = \langle S_{\mathrm{world}}, S_{\mathrm{actor}}, S_{\mathrm{task}}, S_{\mathrm{resource}} \rangle.

12. WorldSnapshot Schema

WorldSnapshot
- snapshot_id
- run_id
- timestamp
- tick
- game_version
- random_seed
- world_state_digest
- actor_state
- task_state
- resource_state
- active_subspaces[]
- capability_state

13. Event Normalizer

不同遊戲事件轉成統一：

E_t.

14. TransitionEvent Schema

TransitionEvent
- event_id
- run_id
- from_snapshot
- to_snapshot
- transition_type
- action
- inputs
- outputs
- side_effects
- subspace_from
- subspace_to
- cost_record_id
- validation_state
- provenance

15. Transition Logger

每個 transition 都要可追。

不保存 private chain-of-thought。

只保存可審計的 operation trace。

16. PathTrace

一段 path：

\Gamma = (\Theta_1,\ldots,\Theta_n).

17. PathTrace Schema

PathTrace
- trace_id
- run_id
- start_snapshot
- end_snapshot
- events[]
- task_contract
- semantic_family
- total_cost
- failure_state
- rollback_state
- verifier_results[]

18. Semantic Revealing Layer

輸入：

S_t,g_t.

輸出：

W_t^{active}.

19. Revealing 目標

避免每一輪把整個世界：

\mathcal W

送進 reasoning。

要求：

|W_t^{active}| \ll |\mathcal W|.

20. 第一版顯影方法

可以只使用：

task scope；
local state；
active entities；
relevant inventory；
recent transitions；
current objective。

21. 不需要先做最強 Semantic Revealing

先測：

有沒有 working-set reduction。

22. Adaptive Corridor Generator

輸入：

( S_t, g_t, H_t, B_t, R_t, \mathcal K_t ).

輸出：

\Phi_t.

23. CorridorCandidate Schema

CorridorCandidate
- corridor_id
- source_state_class
- goal_class
- candidate_events[]
- required_capabilities[]
- estimated_cost
- estimated_risk
- novelty_score
- expected_reuse
- validator_plan
- fallback

24. Routing Levels

第一版：

L_0 = \text{Known Fast Path},

L_1 = \text{Local Adaptive},

L_2 = \text{Deep Reasoning}.

25. L0

若：

G_\kappa(S_t)=1

且 crystal trust 足夠：

T_K\ge\theta_T,

直接用 crystal。

26. L1

若沒有 exact hot crystal，

在局部候選中 route。

27. L2

只有 novelty 高或 route failure 時才呼叫深 reasoning。

28. Novelty Score

N_t = N( S_t \mid \mathcal K_t ).

29. Reasoning Escalation

N_t\ge\theta_N \Rightarrow L_2.

30. EHPE Gate

所有 candidate path 不可直接 crystallize。

先：

\operatorname{EHPE}(\Gamma).

31. EHPE 最小欄位

frequency
runtime_cost
estimated_saving
stability
verification_burden
maintenance_burden
risk
domain_width
expected_reuse
selection_cost

32. EHPE 最小判斷

若：

U_H(\Gamma)\le0,

則：

\text{retain / observe}.

33. Path Compiler

Path Compiler 不應每個 trace 都啟動。

只處理 EHPE-positive path。

34. Compiler Pipeline

Trace Selection
→ Stable Segment Detection
→ Contract Inference
→ Candidate Recomposition
→ Differential Verification
→ Benchmark
→ Guard Generation
→ CompiledPath

35. CompiledPath Schema

CompiledPath
- compiled_id
- source_trace_ids[]
- semantic_family
- valid_domain
- guard
- executable_form
- input_contract
- output_contract
- validator
- fallback
- dependency_fingerprint
- benchmark
- provenance

36. ComputationalCrystal Schema

ComputationalCrystal
- crystal_id
- compiled_id
- lifecycle_state
- trust_score
- frequency
- hit_count
- success_count
- failure_count
- total_saved_cost
- maintenance_cost
- invalidation_rules
- required_capabilities[]
- risk_class
- last_verified_at
- version

37. Crystal Lifecycle

\boxed{ \text{candidate} \rightarrow \text{cold} \rightarrow \text{warm} \rightarrow \text{hot} \rightarrow \text{stale} \rightarrow \text{retired}. }

38. Promotion Gate

Candidate $\rightarrow$ Cold：

V_{\mathrm{basic}}=1.

39. Cold $\rightarrow$ Warm

要求：

n_{\mathrm{success}}\ge\theta_W.

40. Warm $\rightarrow$ Hot

要求：

T_K\ge\theta_H,

U_L>0,

R\le\theta_R.

41. Hot $\rightarrow$ Stale

若：

dependency change；
version change；
guard anomaly；
failure spike。

42. Stale $\rightarrow$ Retired / Revalidated

視：

C_{\mathrm{repair}}

與：

C_{\mathrm{rebuild}}.

43. Fast / Slow Path Router

核心：

if hot_crystal_matches:
    fast_path
elif warm_candidate_matches:
    guarded_path
else:
    adaptive_or_deep_path

44. Fast Path

應包含：

cheap guard；
cheap capability check；
fast validator；
receipt。

45. Slow Path

可以展開：

state；
candidate actions；
deep reasoning；
full validation。

46. Validator

至少三層：

V_{\mathrm{pre}}, V_{\mathrm{inline}}, V_{\mathrm{post}}.

47. Fast Validator

Hot crystal 使用：

digest；
range；
invariant；
version；
state class。

48. Deep Validator

在：

novelty；
failure；
shift；
shadow compile；

時使用。

49. Safety Envelope

第一版：

E_S = \langle I, C, R, T, B \rangle.

50. Risk Classes

UGER v0.1 只允許：

R_0, R_1, R_2.

51. $R_0$

Pure read。

52. $R_1$

Local reversible write。

53. $R_2$

Sandbox execution。

54. 明確排除

UGER v0.1 不做：

external payment；
account privilege；
production mutation；
irreversible external write；
multiplayer cheating；
remote exploit。

55. Cost Ledger

CostRecord：

CostRecord
- cost_id
- run_id
- event_id
- wall_time_ms
- cpu_time_ms
- gpu_time_ms
- memory_peak
- io_bytes
- state_transfer_bytes
- model_calls
- tool_calls
- model_input_units
- model_output_units
- verification_cost
- maintenance_cost
- rollback_cost
- failure_cost

56. 系統總成本

\boxed{ C_T = C_{\mathrm{reason}} + C_{\mathrm{route}} + C_{\mathrm{execute}} + C_{\mathrm{verify}} + C_{\mathrm{compile}} + C_{\mathrm{select}} + C_{\mathrm{memory}} + C_{\mathrm{maintain}} + C_{\mathrm{failure}}. }

57. Token 只是部分成本

不能：

\text{token reduction} \Rightarrow \text{UNPNP success}.

58. Wall Clock

T_{\mathrm{wall}}

必須單獨報告。

59. Tail Latency

Real-time 階段至少：

p50,p95,p99.

60. Reasoning Ratio

R_{\mathrm{reason}} = \frac{ N_{\mathrm{deep-reasoned}} }{ N_{\mathrm{transition}} }.

61. Corridor Hit Ratio

H_{\mathrm{corridor}} = \frac{ N_{\mathrm{verified-corridor-hit}} }{ N_{\mathrm{transition}} }.

62. Crystal Hit Ratio

H_K = \frac{ N_{\mathrm{crystal-hit}} }{ N_{\mathrm{transition}} }.

63. Crystal Invalid Rate

I_K = \frac{ N_{\mathrm{invalid-crystal}} }{ N_{\mathrm{crystal-use}} }.

64. Failure Rate

F_R = \frac{ N_{\mathrm{fail}} }{ N_{\mathrm{transition}} }.

65. Rollback Rate

R_B = \frac{ N_{\mathrm{rollback}} }{ N_{\mathrm{transition}} }.

66. Maintenance Cost

C_M.

67. Selection Cost

C_S.

68. Crystal Growth

|\mathcal K_t|.

必須監控。

69. Crystal Utility

U_L(\kappa) = N\Delta C_{\mathrm{net}} - C_{\mathrm{build}} - C_{\mathrm{maintain}} - C_{\mathrm{risk}}.

70. Break-Even

N^\* = \left\lceil \frac{ C_{\mathrm{fixed}} }{ \Delta C_{\mathrm{net}} } \right\rceil.

71. Experiment Controller

負責：

baseline config；
seeds；
model lock；
hardware lock；
run schedule；
receipts。

72. ExperimentReceipt Schema

ExperimentReceipt
- experiment_id
- phase
- baseline_type
- game_id
- game_version
- model_id
- model_version
- hardware_profile
- config_digest
- random_seeds[]
- start_time
- end_time
- aggregate_metrics
- crystal_manifest
- failure_summary
- reproducibility_status

73. Baseline A

B_A = \text{Traditional / Naive}.

特徵：

no persistent corridor；
no crystal；
ordinary planner / scripted logic。

74. Baseline B

B_B = \text{Adaptive without Crystallization}.

允許：

reasoning；
search；
local adaptive routing。

不允許：

persistent crystal reuse。

75. Experimental C

E_C = \text{Adaptive + Crystallization}.

允許完整：

corridor；
EHPE；
path compiler；
crystal；
fast path；
invalidation。

76. Optional Baseline D

可加入：

B_D = \text{ordinary cache / memoization}.

77. 為什麼需要 Cache Baseline？

避免最後只證明：

cache 有用。

78. Frozen-Model Protocol

固定：

\theta_{\mathrm{model}}.

79. Model Config Lock

保存：

model ID；
version；
temperature；
sampling；
prompt template；
tool set。

80. 只有外部結構可變

允許：

\mathcal K_t, \mathcal R_t, \mathcal I_t, \mathcal S_t.

81. Frozen-Model Success

若：

C_{\mathrm{avg}}(t)\downarrow

且：

R_{\mathrm{reason}}(t)\downarrow,

則支持：

\boxed{ \text{structural learning}. }

82. Phase 0：Synthetic World

最小世界可包含：

grid；
object store；
inventory；
task queue；
deterministic transitions。

83. Phase 0 研究目標

只驗證：

schema；
replay；
path compilation；
crystal lifecycle；
invalidation；
cost ledger。

84. Phase 0 Success Gate

至少：

C_C<C_A

在 repeated workload。

85. Phase 0 Failure Gate

如果：

C_{\mathrm{crystal-overhead}} > C_{\mathrm{saved}},

停止擴張。

86. Phase 1：Turn-Based Game

候選類型：

tactics；
turn-based RPG；
board-like strategy。

87. Phase 1 優點

低 timing noise。

88. Phase 1 主要測

semantic family；
guard；
negative crystal；
multi-step action；
replay。

89. Phase 2：Simulation / Management

候選：

colony；
economy；
management；
world simulation。

90. Phase 2 主要測

long-running state；
maintenance；
stale crystal；
higher-order crystal；
dynamic working set。

91. Phase 3：Real-Time Single Player

候選：

RTS；
action simulation；
real-time management。

92. Phase 3 主要測

latency；
p95 / p99；
variance；
fast-path utility；
deoptimization speed。

93. Phase 4：Controlled Legacy Program

不是 production。

94. Phase 4 Target

例如：

parser；
local query engine；
simulation；
test runner；
build pipeline；
deterministic data transform。

95. Legacy Adapter

提供：

observe_call()
trace_call_graph()
capture_io()
shadow_execute(candidate)
compare_outputs()
rollback()

96. Shadow Recompilation

\Gamma_{\mathrm{legacy}} \parallel \widehat{\Gamma}_{\mathrm{shadow}}.

97. Phase 4 不直接替換

新 path 先只：

shadow；
benchmark；
verify。

98. Promotion to Active Overlay

只有：

V_{\mathrm{equiv}}\ge\theta_V,

U_L>0,

R\le\theta_R.

99. Legacy Crystal Overlay

\boxed{ P_t = P_{\mathrm{legacy}} \oplus \mathcal K_t. }

100. Source Rewrite 是後續研究

不是 TW-02 v0.1 必做。

101. Replay Harness

所有 phase 都要求 deterministic replay 優先。

102. Replay Input

保存：

start snapshot；
random seed；
config；
version；
model config。

103. Replay Output

比較：

end state；
cost；
errors；
path；
crystal usage。

104. Differential Verification

同 input：

\Gamma_{\mathrm{old}}(x)

與：

\widehat{\Gamma}(x).

105. Exact Equivalence

適用 deterministic domain。

106. Semantic Equivalence

適用：

\Gamma \simeq_{\mathcal T} \widehat{\Gamma}.

107. Statistical Equivalence

stochastic domain 使用：

D( P_{\Gamma}, P_{\widehat{\Gamma}} ) \le \epsilon.

108. A/B/C Protocol

同一組 seeds：

\{s_1,\ldots,s_n\}.

分別跑：

B_A, B_B, E_C.

109. Sample Size

初期不硬定全域樣本數。

由 variance 決定。

110. 最低要求

不能單 seed、單 run 就下結論。

111. Distribution Split

至少：

observed；
validation；
shifted。

112. Observed

允許形成 crystal。

113. Validation

不新增或限制新增 crystal。

測泛化。

114. Shifted

故意變：

rules；
map；
items；
difficulty；
entities。

115. Shift Success

舊 crystal 應：

\text{hot} \rightarrow \text{warm / stale}.

116. Invalidation Accuracy

測：

Acc_I = \frac{ TP_I+TN_I }{ N_I }.

117. Guard Precision

P_G = \frac{ TP }{ TP+FP }.

118. Guard Recall

R_G = \frac{ TP }{ TP+FN }.

119. 高 Precision 優先

因 fast path false positive 風險高。

120. Negative Crystal Experiment

故意提供：

\Gamma_{\mathrm{bad}}.

121. 觀察

系統是否：

\text{repeat bad exploration} \downarrow.

122. Negative Crystal Reopen

環境改後：

\Gamma_{\mathrm{bad}}

變 valid。

測是否 reopen。

123. Higher-Order Crystal Experiment

先得到：

\kappa_1,\kappa_2,\kappa_3.

再：

K^{(2)} ( \kappa_1,\kappa_2,\kappa_3 ).

124. Higher-Order Success

要求：

C(\kappa^{(2)}) < C(\kappa_1\rightarrow\kappa_2\rightarrow\kappa_3).

125. Cache-Control Experiment

加入普通 memoization baseline。

126. 如果 Crystal 只在 identical input 贏

那只是 cache-like。

127. Semantic Family Experiment

讓 raw state 不同，

但 task contract 相同。

128. Procedure-Level Reuse

成功要求：

s_a\neq s_b

仍能命中：

\kappa_{\mathcal D}.

129. Ablation 1：No Revealing

關掉：

\Pi_\xi.

130. Ablation 2：No Corridor Store

不保存 path memory。

131. Ablation 3：No EHPE

所有 candidate 都 compile。

132. Ablation 4：No Negative Crystal

失敗 path 不記錄。

133. Ablation 5：No Invalidation

crystal 永不 stale。

134. Ablation 6：Deep Verify Only

沒有 fast verifier。

135. Ablation 7：Fast Verify Only

沒有 deep escalation。

136. Ablation 8：No Path Compilation

只 cache result。

137. Ablation 9：No Higher-Order Crystal

只允許一階。

138. Ablation 10：No Selection Pruning

保留所有 crystal。

139. Ablation 的目標

測每個模組是否真的貢獻：

\Delta U>0.

140. Success Gate 1：完整成本

要求：

\boxed{ C_T^{E_C} < C_T^{B_A}. }

141. Success Gate 2：Reasoning

R_{\mathrm{reason}}^{E_C} < R_{\mathrm{reason}}^{B_B}.

142. Success Gate 3：錯誤

F_R^{E_C} \le F_R^{B_A} + \epsilon.

143. Success Gate 4：維護

C_M

不能吞掉 runtime saving。

144. Success Gate 5：Selection

C_S

不能隨 crystal count 爆炸。

145. Success Gate 6：Shift

crystal invalidation 正常。

146. Success Gate 7：Replay

結果可重現。

147. Failure Gate 1

C_{\mathrm{compile}} + C_M > C_{\mathrm{saved}}.

148. Failure Gate 2

R_{\mathrm{reason}}

不下降。

149. Failure Gate 3

|\mathcal K|\uparrow

但：

H_K

不升。

150. Failure Gate 4

錯誤率惡化。

151. Failure Gate 5

Guard cost 高於 saved cost。

152. Failure Gate 6

Distribution shift 下 crystal 仍盲目 hot。

153. Failure Gate 7

Memory / selection overhead 超線性爆炸。

154. 研究負結果的價值

若某 workload：

Q_K\approx0,

也應記錄。

155. Non-Crystallizable Workload Class

可以形成：

\boxed{ \mathcal D_{\mathrm{NC}}. }

156. Workload Taxonomy

第一版分類：

high-repetition stable
high-repetition dynamic
low-repetition stable
one-shot
stochastic
adversarial-like
high-verification-burden

157. Crystallizability Score

Q_K(\mathcal D) = f( F, S, C, V, M, R ).

158. Long-Term Research Output

最重要的不只是：

UNPNP 成功。

而是建立：

\boxed{ \text{Which workloads are crystallizable?} }

159. Model Transfer Experiment

當 v0.1 穩定後，

固定：

\mathcal K.

換模型：

M_A\rightarrow M_B.

160. 測什麼？

crystal reuse；
guard interpretation；
validator consistency；
routing variance。

161. Cross-Agent Experiment

Agent A 建 crystal。

Agent B 使用。

162. 需要 Provenance

不能只共享 executable blob。

163. Crystal Package

crystal
guard
contract
validator
provenance
version
capability requirements
benchmark evidence

164. Hardware Transfer

同一 crystal：

H_A\rightarrow H_B.

165. Hardware-Aware Version

必要時：

\kappa^{CPU}, \kappa^{GPU}.

166. Security Test 1

Capability mismatch。

167. 預期

\text{deny}.

168. Security Test 2

Stale capability。

169. 預期

hot crystal 立即降級。

170. Security Test 3

Untrusted external input。

171. 預期

不能自動變 privileged instruction。

172. Security Test 4

Irreversible action request。

173. 預期

UGER v0.1：

\text{deny / out-of-scope}.

174. Research Storage

第一版可用：

SQLite / DuckDB；
JSONL；
local object store；
SEDB prototype。

175. 不要先建大型分散式架構

因為會污染實驗。

176. Recommended Directory

/runtime/
  adapter/
  observer/
  router/
  compiler/
  crystal/
  validator/
  safety/

/data/
  snapshots/
  traces/
  crystals/
  receipts/
  benchmarks/

/experiments/
  phase0/
  phase1/
  phase2/
  phase3/
  phase4/

177. Configuration

model.yaml
game.yaml
runtime.yaml
safety.yaml
benchmark.yaml

178. Crystal Store

至少支援：

lookup；
insert；
promote；
demote；
invalidate；
retire；
stats。

179. Crystal Index

第一版可以：

exact state class；
semantic family；
goal class；
dependency fingerprint。

180. 不需要一開始上 Vector DB

先證明 primitive routing。

181. 如果需要 Semantic Family

再加 embedding / semantic index。

182. Runtime Loop

observe
→ reveal
→ detect novelty
→ lookup crystal
→ if hit: validate guard and execute
→ else: adaptive route / deep reason
→ validate result
→ log receipt
→ update statistics
→ EHPE candidate
→ optional compile
→ optional crystallize

183. Pseudocode

while not done:
    state = observe()
    active = reveal(state, goal)

    crystal = crystal_store.match(active, goal)

    if crystal and crystal.guard(active):
        result = execute(crystal)
        if fast_validate(result):
            log(result)
            update(crystal)
            continue
        else:
            demote(crystal)

    corridor = adaptive_route(active, goal)

    if corridor is uncertain:
        corridor = deep_reason(active, goal)

    result = execute(corridor)
    verified = deep_validate(result)

    log(result, verified)

    if verified:
        candidate = ehpe(trace_window)
        if candidate.utility > threshold:
            compiled = compile(candidate)
            if differential_verify(compiled):
                crystal_store.insert(compiled)

184. Research Reproducibility

每次 release：

source commit；
config；
game version；
model version；
hardware；
seeds；
manifest。

185. Benchmark Artifact

每輪輸出：

metrics.json
crystal_manifest.json
failure_report.md
cost_ledger.csv
replay_receipt.json

186. Release Gate

UGER v0.1 release 至少要求：

deterministic Phase 0 pass；
reproducible benchmark；
no unsafe external action；
cost ledger complete；
crystal invalidation demonstrated。

187. Phase 1 Gate

Turn-based：

C_T^{E_C} < C_T^{B_A}

至少在部分 workload 顯著成立。

188. Phase 2 Gate

Simulation：

maintenance cost 仍受控。

189. Phase 3 Gate

Real-time：

p95 / p99 improvement 或 variance reduction 成立。

190. Phase 4 Gate

Legacy shadow path：

equivalence + lifecycle utility 成立。

191. Future Legacy Recompilation Interface

若 Phase 4 成功，

下一代可加入：

Source Mapper
IR Builder
Semantic Path Profiler
Candidate Rewriter
Patch Generator
Formal / Property Verifier
Source Patch Gate

192. 但不在 TW-02 v0.1 實作

這只是 future interface。

193. AI Recompilation 的三階段

\boxed{ \text{Runtime Overlay} \rightarrow \text{Shadow Replacement} \rightarrow \text{Source Rewrite}. }

194. 第一階段最安全

Runtime overlay 不改 canonical source。

195. 第二階段

Shadow replacement 只比較。

196. 第三階段

只有成熟後回寫 source。

197. 這避免一次性 AI Rewrite

降低：

regression；
hallucinated refactor；
hidden behavior loss。

198. 與 SEDB 的關係

SEDB 可保存：

event；
crystal；
receipt；
cost；
dependency。

199. 與 Omphalos 的關係

Omphalos 可作為：

route search；
method selection；
counter-evidence；
alternative path discovery。

200. 與 CSG 的關係

TW-01 CSG 可以保存：

系統知道什麼。

TW-02 crystal store 保存：

系統知道怎麼更快做。

201. 未來雙圖

\boxed{ \mathcal G_{\mathrm{semantic}} \leftrightarrow \mathcal G_{\mathrm{computational}}. }

202. 第一版仍分離

避免 action / memory 混淆。

203. 核心命題一

\boxed{ \textbf{ 單機遊戲不是 UNPNP 的最終應用，而是最適合第一個驗證「計算世界能否被逐步重新編譯」的受控實驗生態。 } }

204. 核心命題二

\boxed{ \textbf{ Frozen-model protocol 是 UGER 的核心控制實驗，因為它可以把模型能力提升與結晶化架構收益分離。 } }

205. 核心命題三

\boxed{ \textbf{ 任何 UNPNP 加速都必須以完整成本帳本衡量；把成本移到編譯、驗證、記憶或維護後不能假裝它消失。 } }

206. 核心命題四

\boxed{ \textbf{ 如果 crystal 不能在 distribution shift 下正確失效、降級與重建，那麼 fast path 不是學習，而是技術債。 } }

207. 核心命題五

\boxed{ \textbf{ 未來一般程式 AI 再編譯應由 runtime evidence 驅動，先做 selective overlay，再做 shadow replacement，最後才考慮 source rewrite。 } }

208. 最終實驗總式

Baseline：

C_B(N) = \sum_{i=1}^{N} C_{\mathrm{base}}(x_i).

UGER：

\boxed{ C_U(N) = C_{\mathrm{build}} + C_{\mathrm{compile}} + C_{\mathrm{verify}} + C_{\mathrm{select}} + C_{\mathrm{maintain}} + C_{\mathrm{failure}} + \sum_{i=1}^{N} C_{\mathrm{run}}^{K}(x_i). }

成功：

\boxed{ C_U(N) < C_B(N). }

209. 加入錯誤與風險

C_U^\* = C_U + \lambda_F C_{\mathrm{error}} + \lambda_R C_{\mathrm{risk}}.

最終仍要求：

\boxed{ C_U^\* < C_B^\*. }

210. 結論

UGER 的任務不是證明：

AI 能把所有程式變快。

也不是證明：

P=NP.

它只需要先回答一個更小、但足夠重要的問題：

在一個複雜、可重複、可測量、可回滾的世界裡，AI 是否能把反覆走過的計算路徑逐步轉化為已驗證、可重用、低成本的計算原語？

如果答案是否定的，

那麼 UNPNP 的 path compilation / crystallization 假說需要修正。

如果答案是肯定的，

並且我們真的觀察到：

R_{\mathrm{reason}}\downarrow,

H_{\mathrm{corridor}}\uparrow,

H_K\uparrow,

C_{\mathrm{avg}}\downarrow,

同時：

F_R

不失控，

C_M

不吞掉收益，

那麼就出現一個很重要的工程事實：

\boxed{ \textbf{ 模型權重沒有變， 但系統因為重新組織自己的計算圖而變得更有效率。 } }

這就是：

\boxed{ \text{World-to-Corridor Compilation}. }

而從那一刻開始，

下一個研究問題才真正有意義：

這個方法能不能離開遊戲，進入一般 legacy software？

因此 TW-02 的最後接口不是 production deployment，

而是：

\boxed{ \text{Controlled Legacy Program} \rightarrow \text{Shadow Recompilation} \rightarrow \text{Selective Crystal Overlay}. }

如果這一步也成立，

未來才有資格進一步研究：

\boxed{ \text{AI-Native General Program Recompilation}. }

所以整個研究路線可以最終壓成：

\boxed{ \text{先讓 AI 在遊戲中學會「長路」， 再讓它去學會重新編譯真正的程式世界。 } }

後續研究接口

本白皮書完成後，下一個尚未正式啟動的未來工程主題為：

AI-Native Legacy Program Recompilation

其正式啟動條件應至少包括：

UGER Phase 0–2 通過；
Frozen-model 結構學習效應可重現；
Crystal lifecycle 可控；
EHPE 能抑制 over-crystallization；
Invalidation / deoptimization 可重現；
完整 cost ledger 顯示正向 lifecycle utility；
Controlled Legacy Program shadow experiment 通過。

在此之前，UGER 應保持為研究 runtime，而不是自動修改一般 production software 的系統。

Technical Whitepaper 02 — UNPNP Game Experimental Runtime：以單機遊戲驗證自適應超連結與計算結晶化