成果品質到底怎麼量？：從形式化正確性到結構化智能品質
How Should Output Quality Be Measured? From Formal Correctness to Structured Intelligence Quality
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 06 / 10文件編號： EML-IPM-06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／智能品質計量方法論工程狀態： 無 MVP；本文建立品質分子側的客觀與結構化測量框架，主觀殘餘交由 Paper 07–08
摘要
IPM Paper 01–05 已逐步建立智能成果的「分母側」：
Physical Resources → Semantic Work → Q . \boxed{
\text{Physical Resources}
\rightarrow
\text{Semantic Work}
\rightarrow
Q.
} Physical Resources → Semantic Work → Q . 其中 Paper 05 已將物理成本展開為：
P c o m p u t e = ( C P , V C S T , Θ C S T , H p e a k , E , B o u n d a r y P , G M ) . \boxed{
\mathfrak P_{\mathrm{compute}}
=
(
\mathbf C_P,
\mathbf V_{CST},
\Theta_{CST},
H_{\mathrm{peak}},
\mathcal E,
Boundary_P,
\mathcal G_M
).
} P compute = ( C P , V C S T , Θ C S T , H peak , E , B o u n d a r y P , G M ) . 但所有智能效率公式都還存在一個尚未解決的分子：
Q . \boxed{
Q.
} Q . 若 Q Q Q
評審覺得這個答案有 8.7 分，
那麼前五篇再精確的 Joule、memory traffic、 μ I \mu_I μ I
因此本文首先提出：
Quality is not an intrinsic scalar of an artifact. \boxed{
\textbf{
Quality is not an intrinsic scalar of an artifact.
}
} Quality is not an intrinsic scalar of an artifact. 品質不是作品自身攜帶的一個絕對數值，而是輸出 Y Y Y X X X S \mathcal S S W W W B Q B_Q B Q
Q = Q ( Y ∣ X , S , W , B Q ) . \boxed{
Q
=
Q(
Y
\mid
X,\mathcal S,W,B_Q
).
} Q = Q ( Y ∣ X , S , W , B Q ) . 同一份程式、證明、計畫或文章，在不同目標下可以具有完全不同品質。
本文因此拒絕一開始定義：
Q ∈ [ 0 , 1 ] Q\in[0,1] Q ∈ [ 0 , 1 ] 的唯一總分，而先建立 Structured Quality Vector ：
Q S = ( Q C , Q A , Q K , Q R , Q B , Q V , Q P ) \boxed{
\mathbf Q_S
=
(
Q_C,
Q_A,
Q_K,
Q_R,
Q_B,
Q_V,
Q_P
)
} Q S = ( Q C , Q A , Q K , Q R , Q B , Q V , Q P ) 其中：
Q C Q_C Q C Q A Q_A Q A Q K Q_K Q K Q R Q_R Q R Q B Q_B Q B Q V Q_V Q V Q P Q_P Q P
不同領域可以增加或刪除 typed dimensions：
Q S [ d ] . \boxed{
\mathbf Q_S[d].
} Q S [ d ] . 本文將可測品質分成三個主要層級：
Q L = ( Q F , Q S , Q H ) \boxed{
\mathcal Q_L
=
(
Q_F,
Q_S,
Q_H
)
} Q L = ( Q F , Q S , Q H ) 其中：
Q F Q_F Q F Q S Q_S Q S Q H Q_H Q H
Paper 06 主要處理前兩者； Q H Q_H Q H
在程式領域，形式化程度可以從：
Parse → Type Check → Compile → Tests → Property Tests → Model Checking → Formal Proof \boxed{
\text{Parse}
\rightarrow
\text{Type Check}
\rightarrow
\text{Compile}
\rightarrow
\text{Tests}
\rightarrow
\text{Property Tests}
\rightarrow
\text{Model Checking}
\rightarrow
\text{Formal Proof}
} Parse → Type Check → Compile → Tests → Property Tests → Model Checking → Formal Proof 逐步提高。
然而：
C o m p i l e S u c c e s s ≠ C o r r e c t P r o g r a m . \boxed{
CompileSuccess
\neq
CorrectProgram.
} C o m p i l e S u ccess = C or r ec tP r o g r am . A l l T e s t s P a s s e d ≠ U n i v e r s a l C o r r e c t n e s s . \boxed{
AllTestsPassed
\neq
UniversalCorrectness.
} A l l T es t s P a sse d = U ni v er s a l C or r ec t n ess . H i g h C o v e r a g e ≠ C o m p l e t e S p e c i f i c a t i o n . \boxed{
HighCoverage
\neq
CompleteSpecification.
} H i g h C o v er a g e = C o m pl e t e S p ec i f i c a t i o n . F o r m a l P r o o f ≠ C o r r e c t R e a l W o r l d G o a l . \boxed{
FormalProof
\neq
CorrectRealWorldGoal.
} F or ma l P r oo f = C or r ec tR e a l W or l d G o a l . 形式證明通常能建立：
I m p l e m e n t a t i o n ⊨ F o r m a l S p e c i f i c a t i o n \boxed{
Implementation
\models
FormalSpecification
} I m pl e m e n t a t i o n ⊨ F or ma l S p ec i f i c a t i o n 但若 specification 本身漏掉重要世界條件，proof 並不會自動修復錯誤問題定義。
因此本文提出 Specification–Verification Separation ：
Q v e r i f i e d = Q v e r i f i c a t i o n ⊗ Q s p e c i f i c a t i o n . \boxed{
Q_{\mathrm{verified}}
=
Q_{\mathrm{verification}}
\otimes
Q_{\mathrm{specification}}.
} Q verified = Q verification ⊗ Q specification . 其中：
Q v e r i f i c a t i o n Q_{\mathrm{verification}} Q verification 問：
是否真的符合已寫出的規格？
而：
Q s p e c i f i c a t i o n Q_{\mathrm{specification}} Q specification 問：
這個規格是否真的代表我們想要的任務？
在數學領域，同樣必須區分：
Proof Validity ≠ Goal Equivalence . \boxed{
\text{Proof Validity}
\neq
\text{Goal Equivalence}.
} Proof Validity = Goal Equivalence . 一個完全形式正確的 theorem 可能只證明原問題的弱化版本、局部版本或不同命題。因此數學品質至少需同時量：
Q m a t h = ( Q w e l l f o r m e d , Q d e r i v a t i o n , Q g o a l , Q s c o p e , Q a x i o m , Q c o u n t e r e x a m p l e ) . \boxed{
\mathbf Q_{math}
=
(
Q_{\mathrm{wellformed}},
Q_{\mathrm{derivation}},
Q_{\mathrm{goal}},
Q_{\mathrm{scope}},
Q_{\mathrm{axiom}},
Q_{\mathrm{counterexample}}
).
} Q ma t h = ( Q wellformed , Q derivation , Q goal , Q scope , Q axiom , Q counterexample ) . 本文進一步提出 Hard Gate / Soft Quality Separation 。
令必要條件集合：
H = { h 1 , … , h m } , \mathcal H
=
\{h_1,\ldots,h_m\}, H = { h 1 , … , h m } , 軟品質集合：
O = { o 1 , … , o n } . \mathcal O
=
\{o_1,\ldots,o_n\}. O = { o 1 , … , o n } . Hard Gate：
G H ( Y ) = ⋀ i = 1 m h i ( Y ) . \boxed{
G_H(Y)
=
\bigwedge_{i=1}^{m}
h_i(Y).
} G H ( Y ) = i = 1 ⋀ m h i ( Y ) . 若任務要求「證明定理」而 proof invalid，
或要求「可執行程式」而程式無法 parse，
則：
G H = 0. \boxed{
G_H=0.
} G H = 0. 此時漂亮文風、短程式碼或優雅架構不能補償基本任務失敗。
因此：
F a t a l C o n s t r a i n t F a i l u r e ≁ S o f t Q u a l i t y T r a d e o f f . \boxed{
FatalConstraintFailure
\not\sim
SoftQualityTradeoff.
} F a t a l C o n s t r ain tF ai l u r e ∼ S o f tQ u a l i t y T r a d eo f f . 本文再提出 Coverage 不等於 Correctness 的三層拆分：
C o v e r a g e = ( C s p e c , C t e s t , C s t a t e ) \boxed{
Coverage
=
(
C_{\mathrm{spec}},
C_{\mathrm{test}},
C_{\mathrm{state}}
)
} C o v er a g e = ( C spec , C test , C state ) 其中：
C s p e c C_{\mathrm{spec}} C spec C t e s t C_{\mathrm{test}} C test C s t a t e C_{\mathrm{state}} C state
即使：
C t e s t = 1 C_{\mathrm{test}}=1 C test = 1 相對某個有限 test suite 成立，
仍可能：
C s p e c < 1 C_{\mathrm{spec}}<1 C spec < 1 或：
C s t a t e ≪ 1. C_{\mathrm{state}}\ll1. C state ≪ 1. 因此：
100 % T e s t P a s s ≠ 100 % T a s k T r u t h . \boxed{
100\%\ TestPass
\neq
100\%\ TaskTruth.
} 100% T es tP a ss = 100% T a s k T r u t h . 為了量 test suite 本身是否有辨識力，本文借入 mutation-testing 思想：故意引入小型錯誤變異體 M j M_j M j
可定義：
M S = N k i l l e d N n o n − e q u i v a l e n t m u t a n t s . \boxed{
MS
=
\frac{
N_{\mathrm{killed}}
}{
N_{\mathrm{non-equivalent\ mutants}}
}.
} M S = N non − equivalent mutants N killed . 這不使測試變成 proof，但能避免：
測試全部通過，因為測試根本沒測到東西。
本文接著提出 Quality Evidence Ladder ：
Q-Grade E — Surface Validity
格式正確、可 parse、可開啟。
Q-Grade D — Example Validity
通過有限範例／公開 benchmark cases。
Q-Grade C — Structured Verification
通過系統化 tests、property checks、constraint coverage 與 adversarial cases。
Q-Grade B — Independent Verification
存在獨立 verifier、第二實作、交叉工具或重現。
Q-Grade A — Formal Verification
相對形式規格存在 machine-checkable proof / exhaustive finite verification。
Q-Grade A+ — Formal + Goal Alignment
除形式驗證外，還有充分證據表明 formal specification 與原始任務目標對齊。
因此：
P r o o f G r a d e ≠ G o a l A l i g n m e n t G r a d e . \boxed{
ProofGrade
\neq
GoalAlignmentGrade.
} P r oo f G r a d e = G o a l A l i g nm e n tG r a d e . 本文亦主張，效率不應預先混入品質分數 。
若任務只是：
求出正確答案，
則：
Q Q Q 應先描述成果品質，
而時間、能源與計算時空保留在：
P c o m p u t e . \mathfrak P_{\mathrm{compute}}. P compute . 只有當任務規格本身明示：
必須在 100 ms 內完成，
那麼 latency 才成為：
S \mathcal S S 的一部分，進而成為 correctness/alignment constraint。
所以：
C o s t ≠ Q u a l i t y \boxed{
Cost
\neq
Quality
} C os t = Q u a l i t y 但：
C o s t C o n s t r a i n t ⊆ S p e c i f i c a t i o n ⇒ C o s t C o m p l i a n c e ⊆ Q u a l i t y . \boxed{
CostConstraint
\subseteq
Specification
\Rightarrow
CostCompliance
\subseteq
Quality.
} C os tC o n s t r ain t ⊆ S p ec i f i c a t i o n ⇒ C os tC o m pl ian ce ⊆ Q u a l i t y . 本文最後提出 IPM 品質測量的總結形式：
Q = ( Q S , G H , C Q , G r a d e Q , U Q , B o u n d a r y Q ) \boxed{
\mathfrak Q
=
(
\mathbf Q_S,
G_H,
\mathcal C_Q,
Grade_Q,
U_Q,
Boundary_Q
)
} Q = ( Q S , G H , C Q , G r a d e Q , U Q , B o u n d a r y Q ) 其中：
Q S \mathbf Q_S Q S G H G_H G H C Q \mathcal C_Q C Q G r a d e Q Grade_Q G r a d e Q U Q U_Q U Q B o u n d a r y Q Boundary_Q B o u n d a r y Q
這使 IPM 的完整鏈第一次變成：
P c o m p u t e → N μ → Q . \boxed{
\mathfrak P_{\mathrm{compute}}
\rightarrow
\mathbf N_{\mu}
\rightarrow
\mathfrak Q.
} P compute → N μ → Q . 而不是：
Compute → 一個隨手打的 8/10 . \boxed{
\text{Compute}
\rightarrow
\text{一個隨手打的 8/10}.
} Compute → 一個隨手打的 8/10 . 本文終端命題為：
能形式化的品質，先形式化； 能結構化的品質，先結構化； 只有無法被更客觀表示的殘餘， 才交給人類主觀判斷。 \boxed{
\textbf{
能形式化的品質，先形式化；
能結構化的品質，先結構化；
只有無法被更客觀表示的殘餘，
才交給人類主觀判斷。
}
} 能形式化的品質，先形式化； 能結構化的品質，先結構化； 只有無法被更客觀表示的殘餘， 才交給人類主觀判斷。 1. 品質不是作品自身的一顆數字
一個答案：
Y Y Y 沒有脫離任務的絕對品質。
2. 同一輸出在不同任務中品質不同
若任務 A 要：
寫一首詩。
任務 B 要：
證明一個定理。
同一段華麗文字可能：
Q A ↑ Q_A\uparrow Q A ↑ 但：
Q B = 0. Q_B=0. Q B = 0. 3. 所以品質是關係量
Q = Q ( Y ∣ X , S , W , B Q ) . \boxed{
Q
=
Q(Y\mid X,\mathcal S,W,B_Q).
} Q = Q ( Y ∣ X , S , W , B Q ) . 4. X X X
原始問題／目標。
5. S \mathcal S S
已被明確表示的：
requirements；
constraints；
success conditions。
6. W W W
例如：
compiler version；
theorem axioms；
operating system；
data distribution；
execution environment。
7. B Q B_Q B Q
例如：
只驗核心函數；
驗完整服務；
驗 deployment；
驗現實世界。
8. 同一 artifact 在不同 boundary 下可得不同結果
程式 unit tests 通過，
不代表：
Q d e p l o y m e n t = 1. Q_{\mathrm{deployment}}=1. Q deployment = 1. 9. 第一個品質型別：Formal Objective Quality
若可以建立 predicate：
P ( Y ) ∈ { 0 , 1 } , P(Y)\in\{0,1\}, P ( Y ) ∈ { 0 , 1 } , 則可以直接驗證。
10. 例如數學
P r o o f C h e c k e r ( π , ϕ ) = 1. ProofChecker(\pi,\phi)=1. P r oo f C h ec k er ( π , ϕ ) = 1. 11. 程式
C o m p i l e ( Y ) = 1. Compile(Y)=1. C o m p i l e ( Y ) = 1. 12. Schema
S c h e m a V a l i d ( Y ) = 1. SchemaValid(Y)=1. S c h e maV a l i d ( Y ) = 1. 13. Constraint Satisfaction
⋀ i c i ( Y ) = 1. \bigwedge_i c_i(Y)=1. i ⋀ c i ( Y ) = 1. 14. 這是最強的客觀性來源
因為 evaluator 不必回答：
我覺得它大概 8 分。
15. 但 formal objective 不是全部品質
一個程式 compile：
C o m p i l e = 1 Compile=1 C o m p i l e = 1 仍可以完全做錯事。
16. 所以：
S y n t a c t i c V a l i d i t y ≠ S e m a n t i c C o r r e c t n e s s . \boxed{
SyntacticValidity
\neq
SemanticCorrectness.
} S y n t a c t i c V a l i d i t y = S e man t i c C or r ec t n ess . 17. Parse / Type / Compile 是逐層門檻
可以建立：
V s u r f a c e = ( V p a r s e , V t y p e , V c o m p i l e ) . \boxed{
V_{\mathrm{surface}}
=
(
V_{parse},
V_{type},
V_{compile}
).
} V surface = ( V p a r se , V t y p e , V co m p i l e ) . 18. 每一層只能證明一部分
Parse 成功：
語法符合 grammar。
19. Type check 成功：
某些型別關係合法。
20. Compile 成功：
可以被某 compiler translation 接受。
21. 不能推出：
P r o g r a m M e e t s I n t e n t = 1. \boxed{
ProgramMeetsIntent=1.
} P r o g r am M ee t s I n t e n t = 1. 22. Test 是下一層
令 test suite：
T = { t 1 , … , t n } . \mathcal T=
\{t_1,\ldots,t_n\}. T = { t 1 , … , t n } . 23. Pass Rate
P T = ∑ i 1 [ t i ( Y ) = pass ] n . \boxed{
P_T
=
\frac{
\sum_i \mathbf 1[t_i(Y)=\text{pass}]
}{
n
}.
} P T = n ∑ i 1 [ t i ( Y ) = pass ] . 24. 若：
P T = 1 , P_T=1, P T = 1 , 只代表：
對這些 test，全通過。
25. 不代表未測輸入全正確
因此：
A l l T e s t s P a s s e d ≠ U n i v e r s a l C o r r e c t n e s s . \boxed{
AllTestsPassed
\neq
UniversalCorrectness.
} A l l T es t s P a sse d = U ni v er s a l C or r ec t n ess . 26. 測試本質上是 sampling / probing
它從巨大行為空間中取樣。
27. 若 state space：
∣ Ω ∣ ≫ n , |\Omega|\gg n, ∣Ω∣ ≫ n , 測試只看：
Ω T ⊂ Ω . \Omega_T\subset\Omega. Ω T ⊂ Ω. 28. Test Coverage 也不是只有 code coverage
常見 coverage 可能包括：
statement；
branch；
path；
condition。
29. 但執行過一行程式
不代表驗證了那一行的所有語意。
所以：
C o d e C o v e r a g e ≠ S e m a n t i c C o v e r a g e . \boxed{
CodeCoverage
\neq
SemanticCoverage.
} C o d e C o v er a g e = S e man t i c C o v er a g e . 30. 三層 Coverage
本文定義：
C Q = ( C s p e c , C t e s t , C s t a t e ) . \boxed{
\mathcal C_Q
=
(
C_{\mathrm{spec}},
C_{\mathrm{test}},
C_{\mathrm{state}}
).
} C Q = ( C spec , C test , C state ) . 31. Specification Coverage
C s p e c C_{\mathrm{spec}} C spec 問：
我們知道的重要需求，有多少真的被寫進可檢查規格？
32. Test Coverage
C t e s t C_{\mathrm{test}} C test 問：
已寫出的規格與行為，有多少真的被 test probing？
33. State Coverage
C s t a t e C_{\mathrm{state}} C state 問：
實際可能世界／輸入／狀態空間，有多少被探索？
34. 三者可以完全不同
例如：
C t e s t = 1 C_{\mathrm{test}}=1 C test = 1 相對一個小 test suite，
但：
C s t a t e ≪ 1. C_{\mathrm{state}}\ll1. C state ≪ 1. 35. 因此：
100 % T e s t P a s s ≠ 100 % T a s k T r u t h . \boxed{
100\%\ TestPass
\neq
100\%\ TaskTruth.
} 100% T es tP a ss = 100% T a s k T r u t h . 36. Mutation Testing 的意義
如果 test suite 太弱，
即使程式被故意改壞，也可能照樣全過。
37. 建立 mutants
M 1 , … , M k . M_1,\ldots,M_k. M 1 , … , M k . 每個包含小型 fault。
38. 若 tests 能 detect：
M j → k i l l e d . M_j\rightarrow \mathrm{killed}. M j → killed . 39. Mutation Score
M S = N k i l l e d N n o n − e q u i v a l e n t . \boxed{
MS
=
\frac{
N_{\mathrm{killed}}
}{
N_{\mathrm{non-equivalent}}
}.
} M S = N non − equivalent N killed . 40. Mutation Score 不是 proof
但它可以衡量：
test suite fault sensitivity . \boxed{
\text{test suite fault sensitivity}.
} test suite fault sensitivity . 41. Property-Based Testing
不是只寫：
input 1 應輸出 2。
而是寫 property：
P ( x ) P(x) P ( x ) 並在大量 generated inputs 上測。
42. 它提高 state probing
但仍不是 exhaustive proof，
除非 domain 有限且全部走過。
43. Model Checking
若系統 state space 可形式化且有限／可抽象，
可以驗證 temporal / safety properties。
44. 形式證明更進一步
目標是建立：
I m p l e m e n t a t i o n ⊨ S p e c i f i c a t i o n . \boxed{
Implementation\models Specification.
} I m pl e m e n t a t i o n ⊨ S p ec i f i c a t i o n . 45. Hoare-style reasoning
例如：
{ P } C { Q } . \boxed{
\{P\}\ C\ \{Q\}.
} { P } C { Q } . 若 precondition P P P
執行 command C C C
postcondition Q Q Q
46. 這是非常強的 correctness statement
但只相對：
P , Q P,Q P , Q 有效。
47. Specification Problem
若 postcondition 寫錯：
Q w r o n g , Q_{\mathrm{wrong}}, Q wrong , proof 可以完美證明：
C ⊨ Q w r o n g . C\models Q_{\mathrm{wrong}}. C ⊨ Q wrong . 48. 但真實需求仍然失敗
因此：
F o r m a l V e r i f i c a t i o n ≠ R e a l W o r l d G o a l C o r r e c t n e s s . \boxed{
FormalVerification
\neq
RealWorldGoalCorrectness.
} F or ma l V er i f i c a t i o n = R e a l W or l d G o a l C or r ec t n ess . 49. Specification–Verification Separation
本文定義兩軸：
Q v e r i f i c a t i o n \boxed{
Q_{\mathrm{verification}}
} Q verification 以及：
Q s p e c i f i c a t i o n . \boxed{
Q_{\mathrm{specification}}.
} Q specification . 50. 第一軸問
是否正確符合已寫出的規格？
51. 第二軸問
已寫出的規格是否捕捉真正想要的事情？
52. 兩者都高才真正強
Q v e r i f i e d = Q v e r i f i c a t i o n ⊗ Q s p e c i f i c a t i o n . \boxed{
Q_{\mathrm{verified}}
=
Q_{\mathrm{verification}}
\otimes
Q_{\mathrm{specification}}.
} Q verified = Q verification ⊗ Q specification . 53. 不宜直接乘法當唯一數字
⊗ \otimes ⊗
不是預設普通乘法。
54. 數學也有完全同構問題
Proof checker 可以驗：
π ⊢ ϕ . \pi\vdash\phi. π ⊢ ϕ . 55. 但原始目標可能是：
ψ . \psi. ψ . 56. 如果：
ϕ ≢ ψ , \phi\not\equiv\psi, ϕ ≡ ψ , 即使：
π ⊢ ϕ \pi\vdash\phi π ⊢ ϕ 完全正確，
也沒完成原任務。
57. 所以：
P r o o f V a l i d i t y ≠ G o a l E q u i v a l e n c e . \boxed{
ProofValidity
\neq
GoalEquivalence.
} P r oo f V a l i d i t y = G o a l E q u i v a l e n ce . 58. 數學品質向量
本文提出：
Q m a t h = ( Q W , Q D , Q G , Q S , Q A , Q X ) . \boxed{
\mathbf Q_{math}
=
(
Q_W,
Q_D,
Q_G,
Q_S,
Q_A,
Q_X
).
} Q ma t h = ( Q W , Q D , Q G , Q S , Q A , Q X ) . 59. Q W Q_W Q W
符號、定義、語法合法。
60. Q D Q_D Q D
推導每一步合法。
61. Q G Q_G Q G
最後 theorem 是否真的是原始目標。
62. Q S Q_S Q S
局部版本、特殊情況、弱化命題是否被誤寫成全域結果。
63. Q A Q_A Q A
用了哪些假設？
是否偷偷加入等價於結論的假設？
64. Q X Q_X Q X
對可能反例與 edge case 是否存活。
65. 這比只問「有 proof 嗎」更完整
因為：
P r o o f E x i s t s ≠ R e s e a r c h P r o b l e m S o l v e d . \boxed{
ProofExists
\neq
ResearchProblemSolved.
} P r oo f E x i s t s = R ese a r c h P r o b l e m S o l v e d . 66. Hard Gate / Soft Quality
有些品質維度不能互相補償。
67. 必要條件
H = { h 1 , … , h m } . \mathcal H
=
\{h_1,\ldots,h_m\}. H = { h 1 , … , h m } . 68. Hard Gate
G H ( Y ) = ⋀ i h i ( Y ) . \boxed{
G_H(Y)
=
\bigwedge_i h_i(Y).
} G H ( Y ) = i ⋀ h i ( Y ) . 69. 例如程式任務要求可執行
若：
C o m p i l e = 0 , Compile=0, C o m p i l e = 0 , 則：
G H = 0. G_H=0. G H = 0. 70. 即使 code 很優雅
也不能抵消：
not executable . \boxed{
\text{not executable}.
} not executable . 71. 數學 proof task
若存在 fatal invalid step：
P r o o f V a l i d = 0. ProofValid=0. P r oo f V a l i d = 0. 72. 文風漂亮不能補回 theorem validity
73. 所以：
F a t a l C o n s t r a i n t F a i l u r e ≁ S o f t Q u a l i t y T r a d e o f f . \boxed{
FatalConstraintFailure
\not\sim
SoftQualityTradeoff.
} F a t a l C o n s t r ain tF ai l u r e ∼ S o f tQ u a l i t y T r a d eo f f . 74. Soft Objectives
若 hard gate 通過，
才比較：
elegance；
brevity；
maintainability；
explanatory clarity。
75. 這形成 lexicographic quality
先：
G H . G_H. G H . 再：
Q s o f t . \mathbf Q_{soft}. Q so f t . 76. 不一定要硬乘成：
Q = G H × s c o r e . Q=G_H\times \mathrm{score}. Q = G H × score . 因為保留結構更安全。
77. Structured Quality Vector
跨領域先建立：
Q S = ( Q C , Q A , Q K , Q R , Q B , Q V , Q P ) . \boxed{
\mathbf Q_S
=
(
Q_C,
Q_A,
Q_K,
Q_R,
Q_B,
Q_V,
Q_P
).
} Q S = ( Q C , Q A , Q K , Q R , Q B , Q V , Q P ) . 78. Correctness Q C Q_C Q C
是否符合已知真值／形式條件。
79. Alignment Q A Q_A Q A
是否真正回答所問問題。
80. Completeness Q K Q_K Q K
是否漏掉關鍵需求、分支、條件。
81. Consistency Q R Q_R Q R
前後是否衝突。
82. Robustness Q B Q_B Q B
輸入稍微改變是否崩壞？
edge cases 是否存活？
83. Verifiability Q V Q_V Q V
第三方是否能重現、驗證。
84. Provenance / Evidence Q P Q_P Q P
需要外部事實時，證據是否充分。
85. 不同領域可以 typed
Q S [ d ] . \boxed{
\mathbf Q_S[d].
} Q S [ d ] . 86. Code Quality
可以：
Q c o d e = ( C o r r e c t n e s s , S p e c A l i g n m e n t , T e s t S t r e n g t h , R o b u s t n e s s , S e c u r i t y , R e p r o d u c i b i l i t y , M a i n t a i n a b i l i t y ) . \mathbf Q_{code}
=
(
Correctness,
SpecAlignment,
TestStrength,
Robustness,
Security,
Reproducibility,
Maintainability
). Q co d e = ( C or r ec t n ess , S p ec A l i g nm e n t , T es tS t r e n g t h , R o b u s t n ess , S ec u r i t y , R e p r o d u c ibi l i t y , M ain t ainabi l i t y ) . 87. 但 maintainability 是否屬核心品質取決於 task
如果題目只是一次性函數，
它可能權重低。
88. 所以沒有 universal fixed weights
W e i g h t s = W e i g h t s ( T a s k ) . \boxed{
Weights
=
Weights(Task).
} W e i g h t s = W e i g h t s ( T a s k ) . 89. Planning Quality
可以拆：
feasibility；
constraint satisfaction；
coverage；
ordering；
contingency；
goal reachability。
90. Structured Data Quality
可以拆：
schema validity；
missingness；
consistency；
referential integrity；
duplication；
provenance。
91. 科學回答
可以拆：
factual correctness；
evidence match；
uncertainty calibration；
citation adequacy；
causal restraint；
reproducibility。
92. 這些很多都能先結構化
不必先問人：
你覺得好不好？
93. Objective / Semi-Objective / Residual
本文因此分三層：
Q F \boxed{
Q_F
} Q F Formal Objective。
94. Q S Q_S Q S
Structured Objective / Semi-Objective。
95. Q H Q_H Q H
Human Residual。
96. Formal Objective 例子
proof checker；
compiler；
exact constraint solver；
schema validator。
97. Structured Objective
例如：
有沒有漏掉 prompt 明寫的 12 個要求？
這可以拆成 12 個 binary checks。
98. 或：
引用了不存在的文獻嗎？
也可以核查。
99. Human Residual
例如：
這個畫面美嗎？
這個比喻自然嗎？
這篇小說有感染力嗎？
100. Paper 07 的核心原則已經出現
不是立刻叫人打：
8.2 / 10. 8.2/10. 8.2/10. 而是把 Q H Q_H Q H
101. 但 Paper 06 先做最大客觀化
因此：
Q H = Q t o t a l − Q o b j e c t i f i a b l e \boxed{
Q_H
=
Q_{\mathrm{total}}
-
Q_{\mathrm{objectifiable}}
} Q H = Q total − Q objectifiable 只是概念式，
不是數值減法。
102. Evaluation Oracle
任何自動評估都依賴 oracle：
O ( Y ) . \mathcal O(Y). O ( Y ) . 103. Oracle 可能是
test；
proof checker；
judge model；
human；
environment outcome。
104. 但 oracle 自身也會錯
所以：
E v a l u a t o r C o r r e c t n e s s \boxed{
EvaluatorCorrectness
} E v a l u a t or C or r ec t n ess 也必須被考慮。
105. Weak Oracle Problem
如果 evaluator 很弱：
高品質輸出可能被判錯，
低品質也可能漏過。
106. 所以：
O b s e r v e d Q u a l i t y = F ( T r u e Q u a l i t y , E v a l u a t o r P o w e r , C o v e r a g e ) . \boxed{
ObservedQuality
=
F(
TrueQuality,
EvaluatorPower,
Coverage
).
} O b ser v e d Q u a l i t y = F ( T r u e Q u a l i t y , E v a l u a t or P o w er , C o v er a g e ) . 107. 這與 Paper 03 的 proxy epistemology 完全一致
評分器本身不是神。
108. Independent Verification
若兩個不同 verifier：
V 1 , V 2 V_1,V_2 V 1 , V 2 獨立實現，
且：
V 1 ( Y ) = V 2 ( Y ) , V_1(Y)=V_2(Y), V 1 ( Y ) = V 2 ( Y ) , 可信度增加。
109. 但兩者若共享同一 bug
仍可能一起錯。
所以：
A g r e e m e n t ≠ T r u t h . \boxed{
Agreement
\neq
Truth.
} A g r ee m e n t = T r u t h . 110. Diversity of Verification
更強的是不同方法：
execution；
proof；
static analysis；
independent implementation。
111. Evidence Triangulation for Quality
本文提出：
E Q = ( E F , E T , E P , E I , E H ) \boxed{
\mathcal E_Q
=
(
E_F,
E_T,
E_P,
E_I,
E_H
)
} E Q = ( E F , E T , E P , E I , E H ) 其中：
E F E_F E F E T E_T E T E P E_P E P E I E_I E I E H E_H E H
112. Quality Confidence
C o n f Q = F ( E Q , C o v e r a g e , O r a c l e Q u a l i t y ) . \boxed{
Conf_Q
=
F(
\mathcal E_Q,
Coverage,
OracleQuality
).
} C o n f Q = F ( E Q , C o v er a g e , O r a c l e Q u a l i t y ) . 113. Quality Evidence Grade
Q-Grade E — Surface Validity
格式／語法層。
114. Q-Grade D — Example Validity
有限 benchmark examples。
115. Q-Grade C — Structured Verification
系統化 tests、properties、adversarial cases。
116. Q-Grade B — Independent Verification
獨立 verifier / reimplementation / cross-tool。
117. Q-Grade A — Formal Verification
machine-checkable proof 或 exhaustive finite verification。
118. Q-Grade A+ — Formal + Goal Alignment
形式證明之外，
有強證據 formal spec 真的是原始任務。
119. 所以：
P r o o f G r a d e ≠ G o a l A l i g n m e n t G r a d e . \boxed{
ProofGrade
\neq
GoalAlignmentGrade.
} P r oo f G r a d e = G o a l A l i g nm e n tG r a d e . 120. Reproducibility
一個結果如果只能：
這次剛好成功，
品質可信度不同。
121. 所以要區分：
Q e p i s o d e \boxed{
Q_{\mathrm{episode}}
} Q episode 與：
Q d i s t r i b u t i o n . \boxed{
Q_{\mathrm{distribution}}.
} Q distribution . 122. Single-pass 研究尤其重要
某次一次答對：
Q e p i s o d e = 1. Q_{\mathrm{episode}}=1. Q episode = 1. 123. 但重跑 100 次只對 20 次
可靠度低。
所以：
P e a k E p i s o d e ≠ R e l i a b l e Q u a l i t y . \boxed{
PeakEpisode
\neq
ReliableQuality.
} P e ak E p i so d e = R e l iab l e Q u a l i t y . 124. 因此品質也有 distribution
Q ∼ P ( Q ∣ T a s k , M o d e l , C o n f i g ) . \boxed{
Q
\sim
P(Q\mid Task,Model,Config).
} Q ∼ P ( Q ∣ T a s k , M o d e l , C o n f i g ) . 125. Paper 09 會把這與 Pass@1 / scaffolding 重新接起來
126. Robustness 不是額外裝飾
如果輸入做微小語意保持變換：
x → x ′ , x\rightarrow x', x → x ′ , 理想輸出品質不應崩潰。
127. 定義 robustness sensitivity
S R = Δ Q d ( x , x ′ ) . \boxed{
S_R
=
\frac{
\Delta Q
}{
d(x,x')
}.
} S R = d ( x , x ′ ) Δ Q . 128. 若 d d d Δ Q \Delta Q Δ Q
表示 brittle。
129. Metamorphic-style evaluation
有時不知道 exact answer，
但知道變換後輸出應保持某 relation。
130. 例如排序函數
若輸入 permutation 改變，
排序後結果應一致。
131. 這提供沒有完整 oracle 時的 structured verification
132. Completeness 也不能只看篇幅
長答案：
L e n g t h ↑ Length\uparrow L e n g t h ↑ 不代表：
C o m p l e t e n e s s ↑ . Completeness\uparrow. C o m pl e t e n ess ↑ . 133. 更合理是 requirement coverage
若需求集合：
R = { r 1 , … , r n } , \mathcal R=
\{r_1,\ldots,r_n\}, R = { r 1 , … , r n } , 則：
C R = ∣ { r i : s a t i s f i e d } ∣ n . \boxed{
C_R
=
\frac{
|\{r_i:\ \mathrm{satisfied}\}|
}{
n
}.
} C R = n ∣ { r i : satisfied } ∣ . 134. 但 requirement importance 不一定相同
因此可以 typed：
135. Weighted coverage 只有在權重來源透明時才能使用
否則又回到任意打分。
136. Consistency
可以建立 contradiction graph。
若答案內命題集合：
Φ = { ϕ 1 , … , ϕ n } , \Phi=\{\phi_1,\ldots,\phi_n\}, Φ = { ϕ 1 , … , ϕ n } , 找：
ϕ i ∧ ϕ j ⇒ ⊥ . \phi_i\land\phi_j\Rightarrow\bot. ϕ i ∧ ϕ j ⇒ ⊥. 137. 這比問：
你覺得前後一致嗎？
更可結構化。
138. Evidence adequacy
若 output 含可外部核查 claims：
c 1 , … , c m , c_1,\ldots,c_m, c 1 , … , c m , 可以測：
cited？
source exists？
source supports claim？
source freshness？
source authority？
139. 因此：
Q P Q_P Q P 也能大量結構化。
140. Efficiency 不要先塞進品質
這點必須再次固定。
如果 A、B 都：
Q = 1 , Q=1, Q = 1 , 但 A 花 1 J，
B 花 1000 J，
這是 efficiency 差異，
不是成果 correctness 差異。
141. 所以：
C o s t ≠ Q u a l i t y . \boxed{
Cost
\neq
Quality.
} C os t = Q u a l i t y . 142. 但如果規格說：
必須在 100 ms 內回答，
那：
T ≤ 100 m s T\le100ms T ≤ 100 m s 就是 hard requirement。
143. 因此：
C o s t C o n s t r a i n t ⊆ S p e c i f i c a t i o n ⇒ C o s t C o m p l i a n c e ⊆ Q u a l i t y . \boxed{
CostConstraint
\subseteq
Specification
\Rightarrow
CostCompliance
\subseteq
Quality.
} C os tC o n s t r ain t ⊆ S p ec i f i c a t i o n ⇒ C os tC o m pl ian ce ⊆ Q u a l i t y . 144. 這避免 double counting
否則 latency 一次算品質，
又一次算效率，
會重複計分。
145. Quality Boundary
像能源 boundary 一樣，
品質也要寫：
B o u n d a r y Q . \boxed{
Boundary_Q.
} B o u n d a r y Q . 146. 例如 code
function；
module；
service；
production deployment。
147. function 正確
不代表 service 正確。
148. service 正確
不代表 socio-technical deployment 正確。
149. 所以：
Q u a l i t y C o m p a r i s o n ⇒ S a m e B o u n d a r y Q . \boxed{
QualityComparison
\Rightarrow
SameBoundary_Q.
} Q u a l i t y C o m p a r i so n ⇒ S am e B o u n d a r y Q . 150. Measurement Uncertainty
即使 Formal predicate 可精確，
其 coverage 與 specification mapping 仍可能不確定。
151. 所以品質報告應含：
U Q . \boxed{
U_Q.
} U Q . 152. U Q U_Q U Q
unknown requirements；
incomplete oracle；
judge disagreement；
environmental uncertainty。
153. 最終品質物件
本文定義：
Q = ( Q S , G H , C Q , E Q , G r a d e Q , C o n f Q , U Q , B o u n d a r y Q ) . \boxed{
\mathfrak Q
=
(
\mathbf Q_S,
G_H,
\mathcal C_Q,
\mathcal E_Q,
Grade_Q,
Conf_Q,
U_Q,
Boundary_Q
).
} Q = ( Q S , G H , C Q , E Q , G r a d e Q , C o n f Q , U Q , B o u n d a r y Q ) . 154. 這不是一個 score
而是一個品質測量物件。
155. 若應用真的需要 scalar
可在明示：
T a s k , W e i g h t s , G a t e s , B o u n d a r y Task,\ Weights,\ Gates,\ Boundary T a s k , W e i g h t s , G a t es , B o u n d a r y 後投影：
Q ∗ = Π Q ( Q ) . \boxed{
Q^*
=
\Pi_Q(\mathfrak Q).
} Q ∗ = Π Q ( Q ) . 156. 所以：
Q ∗ = Q ∗ ( T a s k , P r o j e c t i o n R u l e ) . \boxed{
Q^*
=
Q^*(Task,ProjectionRule).
} Q ∗ = Q ∗ ( T a s k , P r o j ec t i o n R u l e ) . 157. 不存在無條件 universal quality scalar
158. 對 IPM 的完整接合
現在：
P c o m p u t e → N μ → Q . \boxed{
\mathfrak P_{\mathrm{compute}}
\rightarrow
\mathbf N_{\mu}
\rightarrow
\mathfrak Q.
} P compute → N μ → Q . 159. 若需要效率比較
可以使用：
η Q / E = Π Q ( Q ) E m a r g \boxed{
\eta_{Q/E}
=
\frac{
\Pi_Q(\mathfrak Q)
}{
E_{\mathrm{marg}}
}
} η Q / E = E marg Π Q ( Q ) 160. 但 projection rule 必須公開
否則：
η Q / E \eta_{Q/E} η Q / E 不可重現。
161. 更推薦 Pareto 表示
直接比較：
( Q , P c o m p u t e ) . \boxed{
(
\mathfrak Q,
\mathfrak P_{\mathrm{compute}}
).
} ( Q , P compute ) . 162. 直到決策場景確實需要 scalar 才投影
163. 十六個 Canonical Invariants
Invariant 1
Q u a l i t y ≠ I n t r i n s i c S c a l a r . \boxed{
Quality
\neq
IntrinsicScalar.
} Q u a l i t y = I n t r in s i c S c a l a r . Invariant 2
S y n t a c t i c V a l i d i t y ≠ S e m a n t i c C o r r e c t n e s s . \boxed{
SyntacticValidity
\neq
SemanticCorrectness.
} S y n t a c t i c V a l i d i t y = S e man t i c C or r ec t n ess . Invariant 3
C o m p i l e S u c c e s s ≠ C o r r e c t P r o g r a m . \boxed{
CompileSuccess
\neq
CorrectProgram.
} C o m p i l e S u ccess = C or r ec tP r o g r am . Invariant 4
A l l T e s t s P a s s e d ≠ U n i v e r s a l C o r r e c t n e s s . \boxed{
AllTestsPassed
\neq
UniversalCorrectness.
} A l l T es t s P a sse d = U ni v er s a l C or r ec t n ess . Invariant 5
C o d e C o v e r a g e ≠ S e m a n t i c C o v e r a g e . \boxed{
CodeCoverage
\neq
SemanticCoverage.
} C o d e C o v er a g e = S e man t i c C o v er a g e . Invariant 6
F o r m a l V e r i f i c a t i o n ≠ R e a l W o r l d G o a l C o r r e c t n e s s . \boxed{
FormalVerification
\neq
RealWorldGoalCorrectness.
} F or ma l V er i f i c a t i o n = R e a l W or l d G o a l C or r ec t n ess . Invariant 7
P r o o f V a l i d i t y ≠ G o a l E q u i v a l e n c e . \boxed{
ProofValidity
\neq
GoalEquivalence.
} P r oo f V a l i d i t y = G o a l E q u i v a l e n ce . Invariant 8
F a t a l C o n s t r a i n t F a i l u r e ≁ S o f t Q u a l i t y T r a d e o f f . \boxed{
FatalConstraintFailure
\not\sim
SoftQualityTradeoff.
} F a t a l C o n s t r ain tF ai l u r e ∼ S o f tQ u a l i t y T r a d eo f f . Invariant 9
E v a l u a t o r A g r e e m e n t ≠ T r u t h . \boxed{
EvaluatorAgreement
\neq
Truth.
} E v a l u a t or A g r ee m e n t = T r u t h . Invariant 10
P e a k E p i s o d e ≠ R e l i a b l e Q u a l i t y . \boxed{
PeakEpisode
\neq
ReliableQuality.
} P e ak E p i so d e = R e l iab l e Q u a l i t y . Invariant 11
L e n g t h ≠ C o m p l e t e n e s s . \boxed{
Length
\neq
Completeness.
} L e n g t h = C o m pl e t e n ess . Invariant 12
C o s t ≠ Q u a l i t y . \boxed{
Cost
\neq
Quality.
} C os t = Q u a l i t y . Invariant 13
Q u a l i t y C o m p a r i s o n ⇒ S a m e B o u n d a r y Q . \boxed{
QualityComparison
\Rightarrow
SameBoundary_Q.
} Q u a l i t y C o m p a r i so n ⇒ S am e B o u n d a r y Q . Invariant 14
S c a l a r Q u a l i t y ⇒ D e c l a r e d P r o j e c t i o n R u l e . \boxed{
ScalarQuality
\Rightarrow
DeclaredProjectionRule.
} S c a l a r Q u a l i t y ⇒ D ec l a r e d P r o j ec t i o n R u l e . Invariant 15
P r o o f G r a d e ≠ G o a l A l i g n m e n t G r a d e . \boxed{
ProofGrade
\neq
GoalAlignmentGrade.
} P r oo f G r a d e = G o a l A l i g nm e n tG r a d e . Invariant 16
O b j e c t i f i a b l e F i r s t , H u m a n R e s i d u a l L a s t . \boxed{
ObjectifiableFirst,
HumanResidualLast.
} O bj ec t i f iab l e F i r s t , H u man R es i d u a l L a s t . 164. 結論：品質測量應先把「可以不用問人」的部分拿掉
如果一個 theorem proof 可以用 proof assistant 驗，
就不應先問：
你覺得這個 proof 有幾分？
如果程式能跑 tests、properties、model checker，
就不應把所有 correctness 壓給人工評審。
如果 prompt 有 20 個明確要求，
就應先逐項核查：
r i ∈ { s a t i s f i e d , u n s a t i s f i e d } . r_i\in\{\mathrm{satisfied},\mathrm{unsatisfied}\}. r i ∈ { satisfied , unsatisfied } . 而不是直接問：
整體來說你給幾分？
因此本文的核心順序是：
Formalize what can be formalized \boxed{
\text{Formalize what can be formalized}
} Formalize what can be formalized ↓ \boxed{
\downarrow
} ↓ Structure what can be structured \boxed{
\text{Structure what can be structured}
} Structure what can be structured ↓ \boxed{
\downarrow
} ↓ Leave only genuine residual ambiguity to humans . \boxed{
\text{Leave only genuine residual ambiguity to humans}.
} Leave only genuine residual ambiguity to humans . 這樣做不是因為人類主觀判斷沒有價值。
恰恰相反。
是因為人的注意力與認知資源非常昂貴。
如果機器可以客觀確認：
程式 compile 失敗，
就沒有理由叫 100 個人評：
這個程式看起來是否可用？
如果 proof checker 已經找到 invalid derivation，
也沒有理由讓評審用文風補回 correctness。
所以：
人類評審應該被保留給機器真正無法可靠決定的品質維度。 \boxed{
\textbf{
人類評審應該被保留給機器真正無法可靠決定的品質維度。
}
} 人類評審應該被保留給機器真正無法可靠決定的品質維度。 而且即使需要人類，
下一步也不應立刻使用：
0 ∼ 10 0\sim10 0 ∼ 10 的 arbitrary rating。
我們已經在 FDCS／IBQF 中有另一條路：
many low-load binary judgments → latent quality reconstruction . \boxed{
\text{many low-load binary judgments}
\rightarrow
\text{latent quality reconstruction}.
} many low-load binary judgments → latent quality reconstruction . 這就是 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》 。
到那一篇，我們會把這次對「成果品質」剩下的主觀殘餘正式接回：
{ 0 , 1 } n → Q ^ H . \{0,1\}^{n}
\rightarrow
\widehat{\mathbf Q}_H. { 0 , 1 } n → Q H . 如此，IPM 的品質端才真正完整。
文獻基礎
[1] Hoare, C. A. R. (1969). An Axiomatic Basis for Computer Programming. Communications of the ACM , 12(10), 576–580. DOI: 10.1145/363235.363259.
[2] Dijkstra, E. W. (1972). The Humble Programmer. Communications of the ACM , 15(10), 859–866. DOI: 10.1145/355604.361591.
[3] DeMillo, R. A., Lipton, R. J., & Sayward, F. G. (1978). Hints on Test Data Selection: Help for the Practicing Programmer. Computer , 11(4), 34–41. DOI: 10.1109/C-M.1978.218136.
[4] Jia, Y., & Harman, M. (2011). An Analysis and Survey of the Development of Mutation Testing. IEEE Transactions on Software Engineering , 37(5), 649–678. DOI: 10.1109/TSE.2010.62.
[5] Claessen, K., & Hughes, J. (2000). QuickCheck: A Lightweight Tool for Random Testing of Haskell Programs. ICFP 2000 , 268–279. DOI: 10.1145/351240.351266.
[6] Clarke, E. M., Emerson, E. A., & Sistla, A. P. (1986). Automatic Verification of Finite-State Concurrent Systems Using Temporal Logic Specifications. ACM Transactions on Programming Languages and Systems , 8(2), 244–263. DOI: 10.1145/5397.5399.
[7] Avizienis, A., Laprie, J.-C., Randell, B., & Landwehr, C. (2004). Basic Concepts and Taxonomy of Dependable and Secure Computing. IEEE Transactions on Dependable and Secure Computing , 1(1), 11–33. DOI: 10.1109/TDSC.2004.2.
[8] Weyuker, E. J. (1982). On Testing Non-Testable Programs. The Computer Journal , 25(4), 465–470. DOI: 10.1093/comjnl/25.4.465.
系列路徑
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 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 Paper 03｜從認知到神經元：人腦如何跨層測量智能計算 Paper 04｜從神經元到焦耳：智能計算的能量、熱力學與物理下界 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 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 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 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 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 Paper 10｜一個答案值多少物理世界？：智能產率的統一計量框架