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
How Can Natural Language, Images, and Creative Outputs Be Measured? A Structured Quality Space for High-Ambiguity Artifacts
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 08 / 10文件編號： EML-IPM-08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／跨模態品質計量方法論工程狀態： 無 MVP；本文建立高歧義成果的 typed quality-space 架構，供 Paper 07 的 IBQF／BRQM 進行後續測量
摘要
IPM Paper 06 已提出：
Objectifiable First, Human Residual Last . \boxed{
\text{Objectifiable First,\ Human Residual Last}.
} Objectifiable First, Human Residual Last . Paper 07 則進一步提出：
many low-load binary / pairwise judgments → latent quality reconstruction . \boxed{
\text{many low-load binary / pairwise judgments}
\rightarrow
\text{latent quality reconstruction}.
} many low-load binary / pairwise judgments → latent quality reconstruction . 但此時仍有一個更根本的問題：
我們究竟應該問哪些問題？ \boxed{
\textbf{
我們究竟應該問哪些問題？
}
} 我們究竟應該問哪些問題？ 如果「品質維度」本身定義錯誤，那麼再精密的 Bradley–Terry、IRT、Bayesian posterior 或 adaptive questionnaire，也只會更精確地測量錯的東西。
因此本文主張，高歧義成果不能直接被投影成：
Q ∈ [ 0 , 1 ] . Q\in[0,1]. Q ∈ [ 0 , 1 ] . 它們首先應被表示成一個 Typed Structured Quality Space ：
Q [ d , τ , c , a ] \boxed{
\mathcal Q[d,\tau,c,a]
} Q [ d , τ , c , a ] 其中：
d d d τ \tau τ c c c a a a
品質因此不是：
Q ( Y ) \boxed{
Q(Y)
} Q ( Y ) 而是：
Q ( Y ∣ d , τ , c , a ) . \boxed{
Q(
Y
\mid
d,\tau,c,a
).
} Q ( Y ∣ d , τ , c , a ) . 本文進一步把品質空間拆成三層：
Q = Q c o r e ⊕ Q d o m a i n ⊕ Q t a s k . \boxed{
\mathcal Q
=
\mathcal Q_{\mathrm{core}}
\oplus
\mathcal Q_{\mathrm{domain}}
\oplus
\mathcal Q_{\mathrm{task}}.
} Q = Q core ⊕ Q domain ⊕ Q task . 第一層 Cross-Domain Core Quality 包含可跨多模態共用的品質型別：
Q c o r e = ( F , C , K , R , U , V ) \boxed{
\mathbf Q_{\mathrm{core}}
=
(
F,
C,
K,
R,
U,
V
)
} Q core = ( F , C , K , R , U , V ) 其中：
F F F C C C K K K R R R U U U V V V
第二層為 Domain-Specific Quality 。例如：
自然語言
Q t e x t = ( F a c t u a l i t y , R e l e v a n c e , C o h e r e n c e , C o m p l e t e n e s s , C l a r i t y , P r a g m a t i c F i t , S t y l e F i t , E v i d e n c e A d e q u a c y ) . \boxed{
\mathbf Q_{\mathrm{text}}
=
(
Factuality,
Relevance,
Coherence,
Completeness,
Clarity,
PragmaticFit,
StyleFit,
EvidenceAdequacy
).
} Q text = ( F a c t u a l i t y , R e l e v an ce , C o h er e n ce , C o m pl e t e n ess , C l a r i t y , P r a g ma t i c F i t , S t y l e F i t , E v i d e n ce A d e q u a cy ) . 圖像
Q i m a g e = ( P r o m p t A l i g n m e n t , S t r u c t u r a l I n t e g r i t y , C o m p o s i t i o n , T e c h n i c a l Q u a l i t y , A e s t h e t i c F i t , S e m a n t i c L e g i b i l i t y , A r t i f a c t F r e e d o m , C o n t e x t F i t ) . \boxed{
\mathbf Q_{\mathrm{image}}
=
(
PromptAlignment,
StructuralIntegrity,
Composition,
TechnicalQuality,
AestheticFit,
SemanticLegibility,
ArtifactFreedom,
ContextFit
).
} Q image = ( P r o m pt A l i g nm e n t , S t r u c t u r a l I n t e g r i t y , C o m p os i t i o n , T ec hni c a l Q u a l i t y , A es t h e t i c F i t , S e man t i c L e g ibi l i t y , A r t i f a c tF r ee d o m , C o n t e x tF i t ) . 音樂
Q m u s i c = ( T e m p o r a l C o h e r e n c e , R h y t h m i c I n t e g r i t y , H a r m o n i c F i t , T i m b r e Q u a l i t y , E x p r e s s i v e n e s s , N o v e l t y , S t y l e F i t , F u n c t i o n a l F i t ) . \boxed{
\mathbf Q_{\mathrm{music}}
=
(
TemporalCoherence,
RhythmicIntegrity,
HarmonicFit,
TimbreQuality,
Expressiveness,
Novelty,
StyleFit,
FunctionalFit
).
} Q music = ( T e m p or a l C o h er e n ce , R h y t hmi c I n t e g r i t y , H a r m o ni c F i t , T imb r e Q u a l i t y , E x p r ess i v e n ess , N o v e l t y , S t y l e F i t , F u n c t i o na l F i t ) . 故事
Q s t o r y = ( P l o t C a u s a l i t y , C h a r a c t e r C o n s i s t e n c y , W o r l d C o n s i s t e n c y , P a c i n g , V o i c e , E m o t i o n a l I m p a c t , N o v e l t y , T h e m a t i c I n t e g r i t y ) . \boxed{
\mathbf Q_{\mathrm{story}}
=
(
PlotCausality,
CharacterConsistency,
WorldConsistency,
Pacing,
Voice,
EmotionalImpact,
Novelty,
ThematicIntegrity
).
} Q story = ( P l o tC a u s a l i t y , C ha r a c t er C o n s i s t e n cy , W or l d C o n s i s t e n cy , P a c in g , V o i ce , E m o t i o na l I m p a c t , N o v e l t y , T h e ma t i c I n t e g r i t y ) . 第三層是 Task-Specific Quality 。例如同一張圖：
作為廣告；
作為醫療示意圖；
作為遊戲概念圖；
作為純藝術作品；
其 success conditions 不同。
因此：
I m a g e Q u a l i t y ≠ U n i v e r s a l I m a g e B e a u t y . \boxed{
ImageQuality
\neq
UniversalImageBeauty.
} I ma g e Q u a l i t y = U ni v er s a l I ma g e B e a u t y . 本文特別提出 Quality Construct Graph（品質構念圖） ：
G Q = ( V Q , E Q ) \boxed{
G_Q
=
(
V_Q,E_Q
)
} G Q = ( V Q , E Q ) 其中 V Q V_Q V Q E Q E_Q E Q
例如：
F a c t u a l i t y → T r u s t w o r t h i n e s s , Factuality
\rightarrow
Trustworthiness, F a c t u a l i t y → T r u s tw or t hin ess , C o m p o s i t i o n → V i s u a l H i e r a r c h y , Composition
\rightarrow
VisualHierarchy, C o m p os i t i o n → V i s u a l H i er a r c h y , N o v e l t y ⇏ U s e f u l n e s s . Novelty
\not\Rightarrow
Usefulness. N o v e l t y ⇒ U se f u l n ess . 這使品質維度不再只是扁平 checklist。
本文再定義從抽象構念到可問問題的 Measurement Itemization Pipeline ：
Task → Quality Construct → Observable Indicator → Binary/Pairwise Item → Latent Estimate . \boxed{
\text{Task}
\rightarrow
\text{Quality Construct}
\rightarrow
\text{Observable Indicator}
\rightarrow
\text{Binary/Pairwise Item}
\rightarrow
\text{Latent Estimate}.
} Task → Quality Construct → Observable Indicator → Binary/Pairwise Item → Latent Estimate . 例如抽象構念：
C l a r i t y Clarity C l a r i t y 不能直接問：
清晰度幾分？
而應先拆成 observable indicators：
是否需要重讀？
是否能辨識主要結論？
是否知道下一步操作？
是否存在未定義關鍵詞？
再變成 Paper 07 的低負擔二元／成對問題。
因此：
C o n s t r u c t ≠ I t e m . \boxed{
Construct
\neq
Item.
} C o n s t r u c t = I t e m . 以及：
M e t r i c ≠ C o n s t r u c t . \boxed{
Metric
\neq
Construct.
} M e t r i c = C o n s t r u c t . 本文並提出 Construct Validity Gate ：
G C = G ( C o v e r a g e , D i s c r i m i n a n t V a l i d i t y , C o n v e r g e n t E v i d e n c e , C o n t e x t S t a b i l i t y ) . \boxed{
G_C
=
G(
Coverage,
DiscriminantValidity,
ConvergentEvidence,
ContextStability
).
} G C = G ( C o v er a g e , D i scr iminan t V a l i d i t y , C o n v er g e n tE v i d e n ce , C o n t e x tS t abi l i t y ) . 若一個 measurement dimension 並沒有真正對應任務所需品質，則即使測量 reliability 很高：
R e l ↑ Rel\uparrow R e l ↑ 仍可能：
V a l i d i t y ↓ . Validity\downarrow. V a l i d i t y ↓ . 因此：
R e l i a b i l i t y ≠ V a l i d i t y . \boxed{
Reliability
\neq
Validity.
} R e l iabi l i t y = V a l i d i t y . 高歧義成果還存在一個重要問題：品質空間本身可能是開放的。
若大量 residual errors、rater disagreement 或新型 failure 無法被現有維度解釋，系統不應硬塞進舊維度，而應允許：
Q t → Q t + 1 = Q t ∪ { new construct } . \boxed{
\mathcal Q_t
\rightarrow
\mathcal Q_{t+1}
=
\mathcal Q_t
\cup
\{\text{new construct}\}.
} Q t → Q t + 1 = Q t ∪ { new construct } . 本文稱此為 Open Quality Ontology 。
因此品質 schema 必須：
versioned；
extensible；
context-aware；
falsifiable。
本文對創造力特別提出：
N o v e l t y ≠ C r e a t i v i t y . \boxed{
Novelty
\neq
Creativity.
} N o v e l t y = C r e a t i v i t y . 創造性成果至少需要同時考慮：
N o v e l t y ⊕ A p p r o p r i a t e n e s s / U s e f u l n e s s . \boxed{
Novelty
\oplus
Appropriateness/Usefulness.
} N o v e l t y ⊕ A pp r o p r ia t e n ess / U se f u l n ess . 一個完全新奇但毫無用途、完全不符任務的答案，不應僅因「新」而獲得高創造力品質。
同理：
A e s t h e t i c P r e f e r e n c e ≠ T e c h n i c a l Q u a l i t y , \boxed{
AestheticPreference
\neq
TechnicalQuality,
} A es t h e t i c P r e f er e n ce = T ec hni c a l Q u a l i t y , F l u e n c y ≠ F a c t u a l i t y , \boxed{
Fluency
\neq
Factuality,
} F l u e n cy = F a c t u a l i t y , P r o m p t S i m i l a r i t y ≠ I m a g e Q u a l i t y . \boxed{
PromptSimilarity
\neq
ImageQuality.
} P r o m ptS imi l a r i t y = I ma g e Q u a l i t y . 因此任何單一 proxy metric 都只能是：
π j ( Q ) \boxed{
\pi_j(\mathcal Q)
} π j ( Q ) ——品質空間的一個投影，而不是品質本體。
本文最終建立 High-Ambiguity Quality Object ：
Q H A = ( Q s c h e m a , G Q , Q F , Q S , θ ^ H , Σ H , B Q , V e r s i o n Q ) . \boxed{
\mathfrak Q_{HA}
=
(
\mathcal Q_{\mathrm{schema}},
G_Q,
\mathbf Q_F,
\mathbf Q_S,
\widehat{\boldsymbol{\theta}}_H,
\Sigma_H,
B_Q,
Version_Q
).
} Q H A = ( Q schema , G Q , Q F , Q S , θ H , Σ H , B Q , V er s i o n Q ) . 其中：
Q s c h e m a \mathcal Q_{\mathrm{schema}} Q schema G Q G_Q G Q Q F \mathbf Q_F Q F Q S \mathbf Q_S Q S θ ^ H \widehat{\boldsymbol{\theta}}_H θ H Σ H \Sigma_H Σ H B Q B_Q B Q V e r s i o n Q Version_Q V er s i o n Q
如此，IPM 的品質端可以從數學／程式一路延伸到：
natural language；
image；
audio/music；
story；
interface/design；
multimodal artifacts；
而不需要假裝所有模態共享同一個「8.6/10」。
本文終端命題為：
高歧義不是不可測； 它只是不能在尚未建立品質空間之前， 被過早壓縮成一個數字。 \boxed{
\textbf{
高歧義不是不可測；
它只是不能在尚未建立品質空間之前，
被過早壓縮成一個數字。
}
} 高歧義不是不可測； 它只是不能在尚未建立品質空間之前， 被過早壓縮成一個數字。 1. 「主觀」不等於「沒有結構」
一篇小說是否感人，
一張圖是否協調，
一段文字是否自然，
確實包含主觀成分。
2. 但主觀不等於任意
如果大量讀者都能辨識：
角色前後矛盾；
圖中手指結構異常；
段落缺少主題；
音樂節拍突然斷裂；
表示其中很多品質仍具有可結構化部分。
3. 所以：
S u b j e c t i v e ≠ U n s t r u c t u r e d . \boxed{
Subjective
\neq
Unstructured.
} S u bj ec t i v e = U n s t r u c t u r e d . 4. 高歧義應先分解，再測量
Paper 07 解決的是：
怎麼問人？
Paper 08 解決：
問什麼？
5. 最危險的錯誤不是 measurement noise
而是：
construct misspecification . \boxed{
\text{construct misspecification}.
} construct misspecification . 也就是你測得很準，
但測的根本不是你想知道的品質。
6. Typed Quality Space
本文定義：
Q [ d , τ , c , a ] . \boxed{
\mathcal Q[d,\tau,c,a].
} Q [ d , τ , c , a ] . 品質至少受：
domain；
task；
context；
audience；
共同條件化。
7. 為什麼需要 domain？
因為文字的 grammar，
不是圖片的 composition。
8. 為什麼需要 task？
一篇摘要要求：
一篇小說則可以要求：
9. 為什麼需要 context？
同一 UI：
desktop；
mobile；
accessibility mode；
會產生不同使用品質。
10. 為什麼需要 audience？
專家眼中的：
C l a r i t y Clarity C l a r i t y 與 novice 眼中的：
C l a r i t y Clarity C l a r i t y 可以不同。
11. 因此：
Q u a l i t y = R e l a t i o n , n o t i n t r i n s i c d e c o r a t i o n . \boxed{
Quality
=
Relation,
\quad
not\ intrinsic\ decoration.
} Q u a l i t y = R e l a t i o n , n o t in t r in s i c d ecor a t i o n . 12. 三層品質空間
Q = Q c o r e ⊕ Q d o m a i n ⊕ Q t a s k . \boxed{
\mathcal Q
=
\mathcal Q_{\mathrm{core}}
\oplus
\mathcal Q_{\mathrm{domain}}
\oplus
\mathcal Q_{\mathrm{task}}.
} Q = Q core ⊕ Q domain ⊕ Q task . 13. Cross-Domain Core
本文暫定六個核心型別：
Q c o r e = ( F , C , K , R , U , V ) . \boxed{
\mathbf Q_{\mathrm{core}}
=
(
F,C,K,R,U,V
).
} Q core = ( F , C , K , R , U , V ) . 14. Fidelity / Alignment
F F F 問：
有沒有做使用者真正要求的事情？
15. Coherence
C C C 問：
輸出的部分彼此能否共存？
16. Completeness
K K K 問：
必要結構是否缺失？
17. Robustness
R R R 問：
合理的小擾動會不會讓成果崩潰？
18. Usefulness / Functional Effectiveness
U U U 問：
這個成果是否真的完成使用目的？
19. Verifiability / Traceability
V V V 問：
若需要核查，能否知道它為何成立／從何而來？
20. Core 不代表 universal weights
不同 task：
w F , w C , w K , w R , w U , w V w_F,w_C,w_K,w_R,w_U,w_V w F , w C , w K , w R , w U , w V 可以不同。
21. 甚至某些維度可以不適用
純藝術作品不一定需要：
E v i d e n c e A d e q u a c y . EvidenceAdequacy. E v i d e n ce A d e q u a cy . 22. 因此：
C o r e T y p e ≠ M a n d a t o r y E q u a l W e i g h t . \boxed{
CoreType
\neq
MandatoryEqualWeight.
} C or e T y p e = M an d a t or y E q u a l W e i g h t . 23. 自然語言品質空間
Q t e x t = ( F a c t u a l i t y , R e l e v a n c e , C o h e r e n c e , C o m p l e t e n e s s , C l a r i t y , P r a g m a t i c F i t , S t y l e F i t , E v i d e n c e A d e q u a c y ) . \boxed{
\mathbf Q_{\mathrm{text}}
=
(
Factuality,
Relevance,
Coherence,
Completeness,
Clarity,
PragmaticFit,
StyleFit,
EvidenceAdequacy
).
} Q text = ( F a c t u a l i t y , R e l e v an ce , C o h er e n ce , C o m pl e t e n ess , C l a r i t y , P r a g ma t i c F i t , S t y l e F i t , E v i d e n ce A d e q u a cy ) . 24. Factuality 與 Fluency 必須分開
一段話可以：
F l u e n c y ↑ Fluency\uparrow F l u e n cy ↑ 但：
F a c t u a l i t y ↓ . Factuality\downarrow. F a c t u a l i t y ↓ . 25. 所以：
F l u e n c y ≠ T r u t h . \boxed{
Fluency
\neq
Truth.
} F l u e n cy = T r u t h . 26. Relevance 與 Completeness 也不同
回答可以每句都相關，
但漏掉一半要求。
27. 因此：
R e l e v a n t ≠ C o m p l e t e . \boxed{
Relevant
\neq
Complete.
} R e l e v an t = C o m pl e t e . 28. Coherence 與 Correctness 也不同
錯誤理論可以極度自洽。
所以：
C o h e r e n c e ≠ C o r r e c t n e s s . \boxed{
Coherence
\neq
Correctness.
} C o h er e n ce = C or r ec t n ess . 29. Pragmatic Fit
同一句話對：
beginner；
expert；
emergency；
academic setting；
適切度不同。
30. 圖像品質空間
Q i m a g e = ( P r o m p t A l i g n m e n t , S t r u c t u r a l I n t e g r i t y , C o m p o s i t i o n , T e c h n i c a l Q u a l i t y , A e s t h e t i c F i t , S e m a n t i c L e g i b i l i t y , A r t i f a c t F r e e d o m , C o n t e x t F i t ) . \boxed{
\mathbf Q_{\mathrm{image}}
=
(
PromptAlignment,
StructuralIntegrity,
Composition,
TechnicalQuality,
AestheticFit,
SemanticLegibility,
ArtifactFreedom,
ContextFit
).
} Q image = ( P r o m pt A l i g nm e n t , S t r u c t u r a l I n t e g r i t y , C o m p os i t i o n , T ec hni c a l Q u a l i t y , A es t h e t i c F i t , S e man t i c L e g ibi l i t y , A r t i f a c tF r ee d o m , C o n t e x tF i t ) . 31. Prompt Alignment
圖像是否真的符合要求：
32. Structural Integrity
例如：
anatomy；
perspective；
object topology；
geometry。
33. Technical Quality
例如：
noise；
blur；
compression；
resolution；
rendering artifacts。
34. Aesthetic Fit
則是：
visual balance；
style harmony；
appeal；
intentionality。
35. Technical Quality 與 Aesthetic Quality 不同
一張極度清晰的圖，
仍可以：
A e s t h e t i c F i t ↓ . AestheticFit\downarrow. A es t h e t i c F i t ↓ . 36. 反過來
低解析、粗糙的藝術作品，
仍可能：
A e s t h e t i c I m p a c t ↑ . AestheticImpact\uparrow. A es t h e t i c I m p a c t ↑ . 37. 所以：
T e c h n i c a l Q u a l i t y ≠ A e s t h e t i c Q u a l i t y . \boxed{
TechnicalQuality
\neq
AestheticQuality.
} T ec hni c a l Q u a l i t y = A es t h e t i c Q u a l i t y . 38. NIMA 等 image-aesthetic work 的啟示
影像評估研究會刻意建模人類 rating distribution，而不只預測單一平均分。
這提醒我們：
A e s t h e t i c D i s t r i b u t i o n \boxed{
AestheticDistribution
} A es t h e t i cD i s t r ib u t i o n 本身就可能是 measurement object。
39. 圖像相似度也不是品質
若 generated image 與 prompt embedding 高相似：
S i m i l a r i t y ↑ Similarity\uparrow S imi l a r i t y ↑ 不表示：
anatomy 正確；
composition 好；
artifacts 少。
40. 所以：
P r o m p t S i m i l a r i t y ≠ I m a g e Q u a l i t y . \boxed{
PromptSimilarity
\neq
ImageQuality.
} P r o m ptS imi l a r i t y = I ma g e Q u a l i t y . 41. 音樂品質空間
Q m u s i c = ( T e m p o r a l C o h e r e n c e , R h y t h m i c I n t e g r i t y , H a r m o n i c F i t , T i m b r e Q u a l i t y , E x p r e s s i v e n e s s , N o v e l t y , S t y l e F i t , F u n c t i o n a l F i t ) . \boxed{
\mathbf Q_{\mathrm{music}}
=
(
TemporalCoherence,
RhythmicIntegrity,
HarmonicFit,
TimbreQuality,
Expressiveness,
Novelty,
StyleFit,
FunctionalFit
).
} Q music = ( T e m p or a l C o h er e n ce , R h y t hmi c I n t e g r i t y , H a r m o ni c F i t , T imb r e Q u a l i t y , E x p r ess i v e n ess , N o v e l t y , S t y l e F i t , F u n c t i o na l F i t ) . 42. 音樂不是只測 waveform quality
技術無雜訊：
A u d i o C l e a n = 1 AudioClean=1 A u d i o C l e an = 1 不代表：
M u s i c Q u a l i t y = 1. MusicQuality=1. M u s i c Q u a l i t y = 1. 43. Temporal Coherence
旋律／節奏是否形成可理解的時間結構。
44. Functional Fit
背景音樂、舞曲、電影配樂、實驗音樂的 success condition 不同。
45. 故事品質空間
Q s t o r y = ( P l o t C a u s a l i t y , C h a r a c t e r C o n s i s t e n c y , W o r l d C o n s i s t e n c y , P a c i n g , V o i c e , E m o t i o n a l I m p a c t , N o v e l t y , T h e m a t i c I n t e g r i t y ) . \boxed{
\mathbf Q_{\mathrm{story}}
=
(
PlotCausality,
CharacterConsistency,
WorldConsistency,
Pacing,
Voice,
EmotionalImpact,
Novelty,
ThematicIntegrity
).
} Q story = ( P l o tC a u s a l i t y , C ha r a c t er C o n s i s t e n cy , W or l d C o n s i s t e n cy , P a c in g , V o i ce , E m o t i o na l I m p a c t , N o v e l t y , T h e ma t i c I n t e g r i t y ) . 46. Plot Causality
事件不是只「接在一起」，
而應存在可理解關係。
47. Character Consistency
角色變化可以很大，
但需要：
motivated transition . \boxed{
\text{motivated transition}.
} motivated transition . 48. 所以 consistency 不等於不准變
真正測的是：
C h a n g e W i t h o u t S u f f i c i e n t C a u s e ? \boxed{
ChangeWithoutSufficientCause?
} C han g e W i t h o u tS u f f i c i e n tC a u se ? 49. UI / Design 品質空間
Q d e s i g n = ( T a s k S u c c e s s , A f f o r d a n c e , H i e r a r c h y , C o n s i s t e n c y , A c c e s s i b i l i t y , E r r o r T o l e r a n c e , V i s u a l C o h e r e n c e , A u d i e n c e F i t ) . \boxed{
\mathbf Q_{\mathrm{design}}
=
(
TaskSuccess,
Affordance,
Hierarchy,
Consistency,
Accessibility,
ErrorTolerance,
VisualCoherence,
AudienceFit
).
} Q design = ( T a s k S u ccess , A f f or d an ce , H i er a r c h y , C o n s i s t e n cy , A ccess ibi l i t y , E r r or T o l er an ce , V i s u a l C o h er e n ce , A u d i e n ce F i t ) . 50. 美觀不等於可用
A e s t h e t i c A p p e a l ≠ U s a b i l i t y . \boxed{
AestheticAppeal
\neq
Usability.
} A es t h e t i c A pp e a l = U s abi l i t y . 51. 可用也不等於適合所有人
所以：
A c c e s s i b i l i t y Accessibility A ccess ibi l i t y 必須單獨存在。
52. 創造力品質
創造力研究長期有一個常見核心：
N o v e l t y + U s e f u l n e s s / A p p r o p r i a t e n e s s . \boxed{
Novelty
+
Usefulness/Appropriateness.
} N o v e l t y + U se f u l n ess / A pp r o p r ia t e n ess . 53. Novelty alone 不夠
亂碼非常新。
但：
U s e f u l n e s s = 0. Usefulness=0. U se f u l n ess = 0. 54. 因此：
N o v e l t y ≠ C r e a t i v i t y . \boxed{
Novelty
\neq
Creativity.
} N o v e l t y = C r e a t i v i t y . 55. 反過來
非常有用但完全常規，
也可能：
N o v e l t y ≈ 0. Novelty\approx0. N o v e l t y ≈ 0. 56. 所以 creativity 更像一個多軸區域
C c r e a t i v e = ( N o v e l t y , A p p r o p r i a t e n e s s , V a l u e , S u r p r i s e , C o h e r e n c e ) . \boxed{
\mathcal C_{\mathrm{creative}}
=
(
Novelty,
Appropriateness,
Value,
Surprise,
Coherence
).
} C creative = ( N o v e l t y , A pp r o p r ia t e n ess , V a l u e , S u r p r i se , C o h er e n ce ) . 57. 不要過早寫成
C r e a t i v i t y = N o v e l t y × U s e f u l n e s s . Creativity
=
Novelty\times Usefulness. C r e a t i v i t y = N o v e l t y × U se f u l n ess . 除非研究場景明確需要這種 projection。
58. 因為 multiplicative scalar 會偷偷加入 trade-off 規則
59. Quality Construct Graph
扁平 vector 還不夠。
有些品質是依賴的。
60. 定義：
G Q = ( V Q , E Q ) . \boxed{
G_Q=(V_Q,E_Q).
} G Q = ( V Q , E Q ) . 61. 節點
是 construct：
factuality；
clarity；
composition；
novelty。
62. 邊
可以表示：
prerequisite；
causal support；
overlap；
conflict；
conditional dependency。
63. 例如
E v i d e n c e A d e q u a c y → F a c t u a l C o n f i d e n c e . EvidenceAdequacy
\rightarrow
FactualConfidence. E v i d e n ce A d e q u a cy → F a c t u a l C o n f i d e n ce . 64. 又例如
N o v e l t y ⇏ U s e f u l n e s s . Novelty
\not\Rightarrow
Usefulness. N o v e l t y ⇒ U se f u l n ess . 65. Visual hierarchy 可以影響：
R e a d a b i l i t y , T a s k N a v i g a t i o n . Readability,
TaskNavigation. R e a d abi l i t y , T a s k N a v i g a t i o n . 66. 這使品質 schema 變成結構
而不是 checklist。
67. Construct 與 Indicator 不同
例如：
C l a r i t y Clarity C l a r i t y 是 latent construct。
68. 不能直接把它當 item
應先尋找 observable indicator。
69. Clarity indicators 可能是
是否需要重讀？
能否指出主結論？
能否預測下一步？
是否存在未定義術語？
70. 所以：
C o n s t r u c t ≠ O b s e r v a b l e I n d i c a t o r . \boxed{
Construct
\neq
ObservableIndicator.
} C o n s t r u c t = O b ser v ab l e I n d i c a t or . 71. Indicator 再變成 Paper 07 item
例如：
你第一次讀完是否能指出作者的核心結論？
Y e s / N o . Yes/No. Y es / N o . 72. 或 pairwise
A 與 B 哪個更容易讓你找出核心結論？
A / B . A/B. A / B . 73. Measurement Itemization Pipeline
T a s k → C o n s t r u c t → I n d i c a t o r → I t e m → O b s e r v a t i o n → L a t e n t E s t i m a t e . \boxed{
Task
\rightarrow
Construct
\rightarrow
Indicator
\rightarrow
Item
\rightarrow
Observation
\rightarrow
LatentEstimate.
} T a s k → C o n s t r u c t → I n d i c a t or → I t e m → O b ser v a t i o n → L a t e n tE s t ima t e . 74. 這條鏈每一步都可能出錯
所以每一步都要能被檢查。
75. Metric 不等於 Construct
例如 BLEU、embedding similarity、CLIPScore、aesthetic model score 等，
都只是：
M e t r i c j = π j ( Q ) . \boxed{
Metric_j
=
\pi_j(
\mathcal Q
).
} M e t r i c j = π j ( Q ) . 76. 一個 metric 只能看 quality space 的某個投影
77. Metric Correlation 不等於 Construct Validity
如果 metric 與 human score 相關，
仍不代表：
它已經捕捉完整品質。
78. 因為 human score 本身也可能是錯的 projection
79. 所以需要 Construct Validity Gate
G C = G ( C o v e r a g e , D i s c r i m i n a n t V a l i d i t y , C o n v e r g e n t E v i d e n c e , C o n t e x t S t a b i l i t y ) . \boxed{
G_C
=
G(
Coverage,
DiscriminantValidity,
ConvergentEvidence,
ContextStability
).
} G C = G ( C o v er a g e , D i scr iminan t V a l i d i t y , C o n v er g e n tE v i d e n ce , C o n t e x tS t abi l i t y ) . 80. Coverage
這套 dimensions 是否漏掉重要品質？
81. Discriminant Validity
兩個宣稱不同的 dimensions 是否其實測同一件事？
82. Convergent Evidence
不同方法是否對同一 construct 有合理收斂？
83. Context Stability
換情境後，construct 是否仍保留原意？
84. Reliability 仍不等於 Validity
一個錯誤量尺可以每次都非常穩定。
所以：
R e l i a b i l i t y ≠ V a l i d i t y . \boxed{
Reliability
\neq
Validity.
} R e l iabi l i t y = V a l i d i t y . 85. Open Quality Ontology
品質空間不應被假定永遠固定。
86. 如果大量 failure 無法解釋
例如 AI 圖像出現一種新的 artifact，
現有 dimensions 沒有位置放。
87. 不應硬塞
而應允許：
Q t + 1 = Q t ∪ { q n e w } . \boxed{
\mathcal Q_{t+1}
=
\mathcal Q_t
\cup
\{q_{\mathrm{new}}\}.
} Q t + 1 = Q t ∪ { q new } . 88. Trigger
新 construct 的候選來源可以是：
residual error；
clustered rater comments；
unexplained disagreement；
adversarial failure；
new task class。
89. 這叫 Quality Ontology Expansion
90. 但不能每次看到一個怪例子就加一維
需要：
reproducibility；
discriminant value；
explanatory gain。
91. Quality Schema 必須 versioned
Q v 1 ≠ Q v 2 . \boxed{
\mathcal Q^{v_1}
\neq
\mathcal Q^{v_2}.
} Q v 1 = Q v 2 . 92. 否則跨時間 benchmark 會偷偷改量尺
93. Quality Schema Drift
如果 2026 和 2028 的「圖像品質」用不同 dimensions，
分數不可直接縱向比較。
94. 所以：
B e n c h m a r k V e r s i o n ⇒ Q u a l i t y O n t o l o g y V e r s i o n . \boxed{
BenchmarkVersion
\Rightarrow
QualityOntologyVersion.
} B e n c hma r k V er s i o n ⇒ Q u a l i t y O n t o l o g y V er s i o n . 95. Measurement Invariance
跨群體比較前，
要問：
這些 items 對不同群體是否仍在測同一 construct？
96. 例如 novice 的「清晰」
可能受背景知識影響。
97. 所以：
S a m e I t e m ≠ S a m e M e a s u r e m e n t F u n c t i o n \boxed{
SameItem
\neq
SameMeasurementFunction
} S am e I t e m = S am e M e a s u r e m e n tF u n c t i o n across populations。
98. 這延續 Paper 07 的 context/rater modeling
99. Multi-Modal Quality
一個 artifact 可能同時有：
text；
image；
audio；
interaction。
100. 不能只把各 modality score 平均
Q m u l t i ≠ Q T + Q I + Q A 3 . \boxed{
Q_{\mathrm{multi}}
\neq
\frac{Q_T+Q_I+Q_A}{3}.
} Q multi = 3 Q T + Q I + Q A . 101. 因為跨模態存在 coupling
例如：
文字說：
按紅色按鈕。
圖片卻只有藍色按鈕。
102. 各自單獨可能合法
但：
C r o s s M o d a l C o n s i s t e n c y = 0. \boxed{
CrossModalConsistency=0.
} C r oss M o d a l C o n s i s t e n cy = 0. 103. 所以 multimodal schema 需要 coupling dimensions
Q c o u p l e = ( C r o s s M o d a l C o n s i s t e n c y , R e f e r e n c e A l i g n m e n t , T e m p o r a l S y n c , R e d u n d a n c y , C o m p l e m e n t a r i t y ) . \boxed{
\mathbf Q_{\mathrm{couple}}
=
(
CrossModalConsistency,
ReferenceAlignment,
TemporalSync,
Redundancy,
Complementarity
).
} Q couple = ( C r oss M o d a l C o n s i s t e n cy , R e f er e n ce A l i g nm e n t , T e m p or a l S y n c , R e d u n d an cy , C o m pl e m e n t a r i t y ) . 104. Redundancy 不一定是壞事
Accessibility 可能故意讓 text + icon 重複。
105. 因此要看 task function
106. Complementarity
不同模態是否各自提供新的有用資訊。
107. Quality Fiber View
本文可更抽象表示：
對每個 task/context point：
x = ( d , τ , c , a ) , x=(d,\tau,c,a), x = ( d , τ , c , a ) , 都有一個 quality fiber：
Q x . \boxed{
\mathcal Q_x.
} Q x . 108. 整體不是單一固定向量空間
而是：
Q = ⋃ x Q x . \boxed{
\mathcal Q
=
\bigcup_x
\mathcal Q_x.
} Q = x ⋃ Q x . 109. 這比 universal score 更符合高歧義成果
110. Cross-Task Projection
如果要比較不同 task，
需建立：
Π x → y : Q x → Q y . \boxed{
\Pi_{x\rightarrow y}:
\mathcal Q_x
\rightarrow
\mathcal Q_y.
} Π x → y : Q x → Q y . 111. 但不是所有維度都可投影
例如：
P l o t C a u s a l i t y PlotCausality P l o tC a u s a l i t y 沒有直接對應到圖片 technical noise。
112. 所以跨模態比較應只比較 shared constructs
113. 這對 IPM 很重要
若比較：
文字模型和圖像模型誰更聰明？
不能直接拿兩種 domain score 相除。
114. 必須找到共同 task-level achievement
例如：
是否成功傳達指定空間關係？
115. 然後比較同一 task construct 下的：
P c o m p u t e → Q . \mathfrak P_{\mathrm{compute}}
\rightarrow
Q. P compute → Q . 116. 否則：
C r o s s D o m a i n S c o r e C o m p a r i s o n \boxed{
CrossDomainScoreComparison
} C r ossD o main S cor e C o m p a r i so n 沒有共同 measurement basis。
117. 這是跨基質與跨模態智能計量的一個大限制
118. 高歧義成果的三層測量流程
Stage 1 — Formal / Structural Extraction
先自動抽：
hard constraints；
detectable errors；
explicit requirements；
provenance。
119. Stage 2 — Quality Schema Mapping
選：
Q [ d , τ , c , a ] . \mathcal Q[d,\tau,c,a]. Q [ d , τ , c , a ] . 120. Stage 3 — Human Residual Itemization
把尚未解決的 constructs 轉成：
binary；
pairwise；
adaptive items。
121. Stage 4 — Latent Reconstruction
{ b i } → θ ^ . \{b_i\}
\rightarrow
\widehat{\boldsymbol{\theta}}. { b i } → θ . 122. Stage 5 — Residual Analysis
看：
unexplained disagreement；
residual errors；
new failure clusters。
123. Stage 6 — Ontology Revision
必要時：
Q v n → Q v n + 1 . \mathcal Q^{v_n}
\rightarrow
\mathcal Q^{v_{n+1}}. Q v n → Q v n + 1 . 124. 這使品質測量本身變成可學習系統
但：
M e a s u r e m e n t S y s t e m L e a r n i n g ≠ M o v i n g G o a l p o s t s W i t h o u t V e r s i o n i n g . \boxed{
MeasurementSystemLearning
\neq
MovingGoalpostsWithoutVersioning.
} M e a s u r e m e n tS y s t e m L e a r nin g = M o v in g G o a l p os t s W i t h o u t V er s i o nin g . 125. 必須保留 canonical historical versions
才能做 longitudinal comparison。
126. High-Ambiguity Quality Object
本文正式定義：
Q H A = ( Q s c h e m a , G Q , Q F , Q S , θ ^ H , Σ H , D R , B Q , V e r s i o n Q ) . \boxed{
\mathfrak Q_{HA}
=
(
\mathcal Q_{\mathrm{schema}},
G_Q,
\mathbf Q_F,
\mathbf Q_S,
\widehat{\boldsymbol{\theta}}_H,
\Sigma_H,
\mathcal D_R,
B_Q,
Version_Q
).
} Q H A = ( Q schema , G Q , Q F , Q S , θ H , Σ H , D R , B Q , V er s i o n Q ) . 127. Q s c h e m a \mathcal Q_{\mathrm{schema}} Q schema
目前採用哪些 constructs。
128. G Q G_Q G Q
construct 之間的關係。
129. Q F \mathbf Q_F Q F
formal/objective evidence。
130. Q S \mathbf Q_S Q S
structured semi-objective evidence。
131. θ ^ H \widehat{\boldsymbol{\theta}}_H θ H
Paper 07 產生的人類 latent residual。
132. Σ H \Sigma_H Σ H
不確定性。
133. D R \mathcal D_R D R
群體 disagreement structure。
134. B Q B_Q B Q
domain/task/context/audience boundary。
135. V e r s i o n Q Version_Q V er s i o n Q
quality ontology version。
136. Scalar 仍然只是 Projection
如果某 leaderboard 必須一個數字：
Q ∗ = Π ( Q H A ∣ P o l i c y ) . \boxed{
Q^*
=
\Pi(
\mathfrak Q_{HA}
\mid
Policy
).
} Q ∗ = Π ( Q H A ∣ P o l i cy ) . 137. Policy 要公開
例如：
correctness hard gate；
task alignment 40%；
usability 30%；
aesthetics 30%。
138. 但原始 quality object 必須保留
否則 leaderboard 抹掉 trade-off。
139. Pareto Quality Frontier
甚至品質本身也可能需要 Pareto。
一張圖：
A：
technical quality 高；
novelty 普通。
B：
technical defects 多；
creative impact 極高。
140. 若 task 沒指定 preference，
不應硬說誰「品質總體更高」。
141. 所以：
Q u a l i t y D o m i n a n c e \boxed{
QualityDominance
} Q u a l i t y D o minan ce 只有在所有 relevant dimensions 都不差時才自然成立。
142. 十八個 Canonical Invariants
Invariant 1
S u b j e c t i v e ≠ U n s t r u c t u r e d . \boxed{
Subjective
\neq
Unstructured.
} S u bj ec t i v e = U n s t r u c t u r e d . Invariant 2
H i g h A m b i g u i t y ≠ U n m e a s u r a b l e . \boxed{
HighAmbiguity
\neq
Unmeasurable.
} H i g h A mbi g u i t y = U nm e a s u r ab l e . Invariant 3
Q u a l i t y ≠ U n i v e r s a l S c a l a r . \boxed{
Quality
\neq
UniversalScalar.
} Q u a l i t y = U ni v er s a l S c a l a r . Invariant 4
C o n s t r u c t ≠ I n d i c a t o r . \boxed{
Construct
\neq
Indicator.
} C o n s t r u c t = I n d i c a t or . Invariant 5
I n d i c a t o r ≠ I t e m . \boxed{
Indicator
\neq
Item.
} I n d i c a t or = I t e m . Invariant 6
M e t r i c ≠ C o n s t r u c t . \boxed{
Metric
\neq
Construct.
} M e t r i c = C o n s t r u c t . Invariant 7
R e l i a b i l i t y ≠ V a l i d i t y . \boxed{
Reliability
\neq
Validity.
} R e l iabi l i t y = V a l i d i t y . Invariant 8
F l u e n c y ≠ F a c t u a l i t y . \boxed{
Fluency
\neq
Factuality.
} F l u e n cy = F a c t u a l i t y . Invariant 9
C o h e r e n c e ≠ C o r r e c t n e s s . \boxed{
Coherence
\neq
Correctness.
} C o h er e n ce = C or r ec t n ess . Invariant 10
T e c h n i c a l Q u a l i t y ≠ A e s t h e t i c Q u a l i t y . \boxed{
TechnicalQuality
\neq
AestheticQuality.
} T ec hni c a l Q u a l i t y = A es t h e t i c Q u a l i t y . Invariant 11
P r o m p t S i m i l a r i t y ≠ I m a g e Q u a l i t y . \boxed{
PromptSimilarity
\neq
ImageQuality.
} P r o m ptS imi l a r i t y = I ma g e Q u a l i t y . Invariant 12
N o v e l t y ≠ C r e a t i v i t y . \boxed{
Novelty
\neq
Creativity.
} N o v e l t y = C r e a t i v i t y . Invariant 13
A e s t h e t i c A p p e a l ≠ U s a b i l i t y . \boxed{
AestheticAppeal
\neq
Usability.
} A es t h e t i c A pp e a l = U s abi l i t y . Invariant 14
S a m e I t e m ≠ S a m e M e a s u r e m e n t F u n c t i o n \boxed{
SameItem
\neq
SameMeasurementFunction
} S am e I t e m = S am e M e a s u r e m e n tF u n c t i o n across populations without invariance evidence.
Invariant 15
M u l t i m o d a l Q u a l i t y ≠ M e a n ( M o d a l i t y S c o r e s ) . \boxed{
MultimodalQuality
\neq
Mean(ModalityScores).
} M u l t im o d a l Q u a l i t y = M e an ( M o d a l i t y S cor es ) . Invariant 16
C r o s s D o m a i n C o m p a r i s o n ⇒ S h a r e d C o n s t r u c t B a s i s . \boxed{
CrossDomainComparison
\Rightarrow
SharedConstructBasis.
} C r ossD o main C o m p a r i so n ⇒ S ha r e d C o n s t r u c tB a s i s . Invariant 17
O n t o l o g y R e v i s i o n ⇒ V e r s i o n i n g . \boxed{
OntologyRevision
\Rightarrow
Versioning.
} O n t o l o g y R e v i s i o n ⇒ V er s i o nin g . Invariant 18
P r e c i s e M e a s u r e m e n t ≠ C o r r e c t C o n s t r u c t S e l e c t i o n . \boxed{
PreciseMeasurement
\neq
CorrectConstructSelection.
} P r ec i se M e a s u r e m e n t = C or r ec tC o n s t r u c tS e l ec t i o n . 143. 對 IPM 品質端的完成
Paper 06 建立：
Q F ⊕ Q S . \mathfrak Q_F
\oplus
\mathfrak Q_S. Q F ⊕ Q S . 144. Paper 07 建立：
Q H I B Q F . \mathfrak Q_H^{IBQF}. Q H I B QF . 145. Paper 08 現在補上：
Q s c h e m a \boxed{
\mathcal Q_{\mathrm{schema}}
} Q schema ——也就是究竟有哪些品質需要被量。
146. 因此完整品質端
Q I P M = ( Q s c h e m a , Q F , Q S , Q H I B Q F , V e r s i o n Q ) . \boxed{
\mathfrak Q_{\mathrm{IPM}}
=
(
\mathcal Q_{\mathrm{schema}},
\mathfrak Q_F,
\mathfrak Q_S,
\mathfrak Q_H^{IBQF},
Version_Q
).
} Q IPM = ( Q schema , Q F , Q S , Q H I B QF , V er s i o n Q ) . 147. 這讓品質側真正閉合
不是：
先決定一個總分，再找方法算。
而是：
Task → Quality Ontology → Evidence → Latent Measurement → Optional Projection . \boxed{
\text{Task}
\rightarrow
\text{Quality Ontology}
\rightarrow
\text{Evidence}
\rightarrow
\text{Latent Measurement}
\rightarrow
\text{Optional Projection}.
} Task → Quality Ontology → Evidence → Latent Measurement → Optional Projection . 148. 結論：高歧義不是不能量，而是不能太早壓縮
自然語言、圖像、音樂、故事、設計與創意，
之所以難量，
不是因為它們完全沒有結構。
而是因為：
它們的品質本體本身就是多維、情境化、任務化， 而且部分維度仍需人類感知才能完成測量。 \boxed{
\textbf{
它們的品質本體本身就是多維、情境化、任務化，
而且部分維度仍需人類感知才能完成測量。
}
} 它們的品質本體本身就是多維、情境化、任務化， 而且部分維度仍需人類感知才能完成測量。 如果我們太早問：
這張圖 0–10 幾分？
其實做了兩次壓縮。
第一次：
Q [ d , τ , c , a ] → observer internal impression . \boxed{
\mathcal Q[d,\tau,c,a]
\rightarrow
\text{observer internal impression}.
} Q [ d , τ , c , a ] → observer internal impression . 第二次：
internal impression → 0 ∼ 10. \boxed{
\text{internal impression}
\rightarrow
0\sim10.
} internal impression → 0 ∼ 10. 大量資訊在過程中消失。
Paper 07 已經移除了第二次不必要壓縮：
local binary/pairwise → latent reconstruction . \boxed{
\text{local binary/pairwise}
\rightarrow
\text{latent reconstruction}.
} local binary/pairwise → latent reconstruction . Paper 08 則移除第一次概念混亂：
我們先明確建立：
Q s c h e m a \boxed{
\mathcal Q_{\mathrm{schema}}
} Q schema 再問：
哪些部分可形式驗證？
哪些可結構核查？
哪些真的只能靠人類感知？
人類感知又應拆成哪些局部 observables？
因此：
高歧義不是不可測； 它只是不能在尚未建立品質空間之前， 被過早壓縮成一個數字。 \boxed{
\textbf{
高歧義不是不可測；
它只是不能在尚未建立品質空間之前，
被過早壓縮成一個數字。
}
} 高歧義不是不可測； 它只是不能在尚未建立品質空間之前， 被過早壓縮成一個數字。 到這一步，IPM 的「分子側」基本完成。
我們現在已有：
Q I P M \boxed{
\mathfrak Q_{\mathrm{IPM}}
} Q IPM 作為成果品質，
以及：
P c o m p u t e \boxed{
\mathfrak P_{\mathrm{compute}}
} P compute 作為物理成本。
剩下最後兩篇要重新回到整個系列最初的問題。
Paper 09 將問：
如果把 tools、retry、verifier、best-of-N、 外部 LOOP 與大量隱藏鷹架一層層拿掉， 一個模型自己到底還剩多少智能？ \boxed{
\textbf{
如果把 tools、retry、verifier、best-of-N、
外部 LOOP 與大量隱藏鷹架一層層拿掉，
一個模型自己到底還剩多少智能？
}
} 如果把 tools 、 retry 、 verifier 、 best-of-N 、 外部 LOOP 與大量隱藏鷹架一層層拿掉， 一個模型自己到底還剩多少智能？ 也就是：
《拿掉 LOOP 還剩多少智能？：單次智能、鷹架依賴與隱藏計算成本》 。
文獻基礎
[1] Gatt, A., & Krahmer, E. (2018). Survey of the State of the Art in Natural Language Generation: Core Tasks, Applications and Evaluation. Journal of Artificial Intelligence Research , 61, 65–170. DOI: 10.1613/jair.5477.
[2] Liu, Y., Iter, D., Xu, Y., Wang, S., Xu, R., & Zhu, C. (2023). G-Eval: NLG Evaluation using GPT-4 with Better Human Alignment. EMNLP 2023 , 2511–2522.
[3] Hessel, J., Holtzman, A., Forbes, M., Le Bras, R., & Choi, Y. (2021). CLIPScore: A Reference-free Evaluation Metric for Image Captioning. EMNLP 2021 .
[4] Talebi, H., & Milanfar, P. (2018). NIMA: Neural Image Assessment. IEEE Transactions on Image Processing , 27(8), 3998–4011. DOI: 10.1109/TIP.2018.2831899.
[5] Brachmann, A., & Redies, C. (2017). Computational and Experimental Approaches to Visual Aesthetics. Frontiers in Computational Neuroscience , 11, 102. DOI: 10.3389/fncom.2017.00102.
[6] Silvia, P. J., Winterstein, B. P., Willse, J. T., et al. (2008). Assessing Creativity with Divergent Thinking Tasks: Exploring the Reliability and Validity of New Subjective Scoring Methods. Psychology of Aesthetics, Creativity, and the Arts , 2(2), 68–85.
[7] Said-Metwaly, S., Van den Noortgate, W., & Kyndt, E. (2017). Approaches to Measuring Creativity: A Systematic Literature Review. Creativity. Theories – Research – Applications , 4(2), 238–275.
[8] Harvey, S., & Berry, J. W. (2023). Toward a Meta-Theory of Creativity Forms: How Novelty and Usefulness Shape Creativity. Academy of Management Review .
[9] Beaty, R. E., & Johnson, D. R. (2021). Automating Creativity Assessment with SemDis: An Open Platform for Computing Semantic Distance. Behavior Research Methods , 53, 757–780. DOI: 10.3758/s13428-020-01453-w.
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