從發布知識到運行知識：AI-Native Research Object Runtime 與大型理論群的多載體迭代架構

From Publishing Knowledge to Operating Knowledge: An AI-Native Research Object Runtime for Large-Scale Theory Corpora

作者： Neo.K
機構： EveMissLab / 無界智庫研究體系
日期： 2026-09-17
版本： v0.1
文件類型： 方法論 / Research Stewardship / AI-Native Knowledge Infrastructure
定位： 大型理論群治理、研究物迭代、多載體表示、AI 維護與研究網站轉型之整合論文
狀態： Canonical Research Draft

公司： 一言諾科技有限公司

摘要

當研究體系累積至數千篇論文後，主要瓶頸會從「能否生成更多研究」轉變為「既有研究是否能被辨識、治理、迭代、驗證、轉譯與重新具體化」。傳統論文中心模型將知識主要視為文件；AI-native 研究環境則允許將論文重新理解為一個更高階研究狀態的眾多投影之一。

本文提出 AI-Native Research Object Runtime，AI 原生研究物運行時。其核心命題為：

\boxed{ \text{Text} = \text{one projection of research information} }

而不是：

\boxed{ \text{Research} = \text{Paper}. }

一個研究物的 canonical core 可形式化為：

\boxed{ \mathcal R^\ast = ( C, E, L, S, V, A, P ) }

其中：

$C$ ：Claims；
$E$ ：Evidence；
$L$ ：Lineage；
$S$ ：Research State；
$V$ ：Validation State；
$A$ ：Artifacts / Capabilities；
$P$ ：Policies / Representation Rules。

論文、英文版、TCF、ISQL、形式化表示、Claim Graph、Evidence Graph、3D 模型、Simulation、Interactive Web、MVP / MVD 等，均視為 $\mathcal R^\ast$ 的不同 representation projections：

\boxed{ \Phi_i: \mathcal R^\ast \rightarrow Representation_i. }

因此，大型研究群的維護目標不再是「讓每篇論文不停升版」，而是維持 canonical research state，並根據依賴關係選擇性重建受影響的表示。本文提出 Affected Representation Cone：

\boxed{ \Delta \mathcal R^\ast \rightarrow \mathcal C_{\mathrm{affected}} }

只有落入依賴錐中的 representations、artifacts 或衍生資料才需要重新生成。

本文進一步提出：

Research Corpus Operation：從 Paper Production 轉為 Corpus Governance；
Stable Paper + Living Evidence Layer：引用與證據可以演化，而正文不必反覆升版；
Representation Expansion：中文、英文、TCF、ISQL、形式化與視覺／空間表示並列；
Artifactification：理論可轉為 3D Model、Simulation、Interactive Demo、MVD 或 MVP；
Capability Extraction：理論可產生可操作能力，而不只產生文字；
Dependency-Driven Update：只更新被新研究狀態真正影響的節點；
Selective Revision：不是所有歷史論文都需要升版；
AI-Native Research Website：研究網站由預印本倉庫轉型為 Research Object Runtime。

本文特別區分「展示」與「驗證」：

\boxed{ \text{Demonstration} \neq \text{Validation}. }

3D、Simulation 或 MVP 可以提高理解、操作性與假說外化程度，但不能自動證明理論成立。同理，英文化、TCF 化或 ISQL 化是 representation transformation，而不是新的研究證據。

最終，本文主張大型研究體系的 AI 轉型，不應停留在「AI 幫忙管理 PDF」，而應從：

\boxed{ \text{Publishing Knowledge} }

轉向：

\boxed{ \text{Operating Knowledge}. }

1. 問題轉移：從生成瓶頸到治理瓶頸

研究規模較小時，核心問題通常是：

還能研究什麼？

當研究物累積至數千篇後，核心問題逐漸變成：

已經研究過什麼？

哪些仍有效？

哪些互相重複？

哪些已被後續研究吸收？

哪些應升版？

哪些需要新證據？

哪些可直接轉為模型、模擬或產品？

因此：

\boxed{ \text{Generation Capacity} > \text{Stewardship Capacity} }

會成為大型 AI-assisted corpus 的典型失衡。

2. 從 Paper Production 到 Research Corpus Operation

傳統流程：

\text{Idea} \rightarrow \text{Paper} \rightarrow \text{Publication}.

AI-native 研究則更接近：

\boxed{ \text{Research} \rightarrow \text{ResearchObject} \rightarrow \text{MultipleRepresentations} \rightarrow \text{Artifacts} \rightarrow \text{Validation} \rightarrow \text{Maintenance}. }

本文因此提出：

\boxed{ \text{Paper Production} \rightarrow \text{Research Corpus Operation}. }

其核心工作包括：

inventory；
deduplication；
identity；
lineage；
claim extraction；
evidence maintenance；
canonicalization；
representation management；
capability extraction；
artifact governance；
revision scheduling。

3. Research Object

本文定義：

\boxed{ RO = \text{Research Object}. }

Research Object 不等於某一個檔案。

它是一個持久研究身份。

因此：

\boxed{ \text{Identity} \neq \text{Version} \neq \text{Edition} \neq \text{Lineage}. }

例如：

Research Object: RO-EXO-002
Research Version: v0.1
Citation Edition: CE-3
Evidence Snapshot: ES-2026-10-001

描述的是不同維度。

4. Canonical Research State

本文提出：

\boxed{ \mathcal R^\ast = ( C, E, L, S, V, A, P ). }

其中：

$C$ ：Claims；
$E$ ：Evidence；
$L$ ：Lineage；
$S$ ：Research State；
$V$ ：Validation State；
$A$ ：Artifacts / Capabilities；
$P$ ：Policies。

真正需要持續維護的是：

\boxed{ \mathcal R^\ast }

而不是每一個輸出檔案各自獨立演化。

5. Text Is a Projection

本文固定：

\boxed{ \text{Paper} = \Phi_{\mathrm{text}}(\mathcal R^\ast). }

因此：

\boxed{ \text{Text} = \text{one projection of research information}. }

同一 Research Object 可以投影為：

\mathcal R^\ast \rightarrow \begin{cases} \text{Traditional Chinese}\\ \text{English}\\ \text{TCF}\\ \text{ISQL}\\ \text{Formal / Symbolic}\\ \text{Claim Graph}\\ \text{Evidence Graph}\\ \text{3D Model}\\ \text{Simulation}\\ \text{Interactive Web}\\ \text{MVD / MVP} \end{cases}

6. Representation 不等於新研究

例如：

\text{Chinese} \rightarrow \text{English}

通常是：

\boxed{ \text{RepresentationTransformation} }

而不是：

\boxed{ \text{NewResearch}. }

同理：

\text{Paper} \rightarrow 3DModel

並不自動產生新證據。

7. Representation State Vector

對 Research Object $R$ ：

\boxed{ \mathbf P_R = ( p_{zh}, p_{en}, p_{TCF}, p_{ISQL}, p_F, p_{3D}, p_S, p_D ). }

每個欄位可具有：

NONE
DRAFT
GENERATED
VALIDATED
CANONICAL
STALE

等狀態。

8. 不是所有研究都需要所有表示

不應要求：

\boxed{ \forall R,\forall P_i,\quad P_i(R)=\text{required}. }

有些理論適合 formalization；

有些適合 3D；

有些適合 Simulation；

有些只有文字與 Claim Graph 就足夠。

因此本文提出：

\boxed{ Suit(R,P_i) }

表示某種 representation 是否值得為該 Research Object 建立。

9. Representation Suitability

可依下列因素判斷：

spatiality；
dynamics；
formalizability；
interactivity；
public explainability；
engineering relevance；
validation potential。

10. 3D 不只屬於產品

3D 在研究中的角色可包括：

geometry；
spatial domains；
topology；
physical carrier；
fields；
anatomy；
molecular structure；
engineering structure。

因此：

\boxed{ 3D \not\subset \text{Product Only}. }

11. Spatial、Topological 與 Dynamic Representation

可以區分：

\boxed{ \text{Spatial Representation} }

用於幾何與位置關係；

\boxed{ \text{Topological Representation} }

用於 node、edge、containment、boundary；

以及：

\boxed{ 3D+Time = \text{Dynamic Representation}. }

若理論描述的是狀態演化，動態表示可能比靜態 3D 更適合。

12. Executable Visualization

本文提出：

\boxed{ EV = \text{Executable Visualization}. }

使用者可以：

拖曳參數；
改變初始條件；
觀察系統演化。

它不只是 Figure，而是：

\boxed{ \text{interactive theory surface}. }

13. MVR 與 MVD

本文提出：

\boxed{ MVR = \text{Minimum Viable Representation} }

以及：

\boxed{ MVD = \text{Minimum Viable Demonstration}. }

MVR 問：

讓人正確理解這個理論所需的最小非文字表示是什麼？

MVD 問：

讓抽象 Claim 第一次變成可操作 artifact 的最小實作是什麼？

14. MVP 不只服務商業產品

研究型 MVP 可以證明：

architecture 可具體化；
interaction 可執行；
algorithm 可運作；
representation 可實現。

但：

\boxed{ MVP \neq \text{ScientificValidation}. }

15. Demonstration–Validation Separation

本文固定：

\boxed{ \text{Demonstration} \neq \text{Validation}. }

3D Model、MVD、MVP 或 Simulation 可以增加：

understandability；
operability；
falsifiability；
engineering concreteness。

但不能自動把 hypothesis 變成 established fact。

16. Capability Extraction

理論不只產生命題。

它可能產生：

\boxed{ \text{Capability}. }

例如：

\boxed{ \text{Theory} \rightarrow \text{Capability} \rightarrow \text{Artifact} \rightarrow \text{ObservedBehavior}. }

某篇理論可能最終產生：

mapping algorithm；
simulator；
runtime；
API；
diagnostic tool；
interactive model。

17. Stable Paper + Living Evidence Layer

大型研究群不應因新引用不斷重寫全文。

因此：

\boxed{ \text{Stable Paper} + \text{Living Evidence Layer}. }

並區分：

\boxed{ \text{ResearchVersion} \neq \text{CitationEdition} \neq \text{EvidenceSnapshot}. }

新文獻可以先更新 Evidence Layer。

只有當 evidence 真正改變 Claim、scope、formula 或 conclusion 時，才需要升 Research Version。

18. 引用治理

本文沿用：

\boxed{ \text{Default Reference Target}\approx30, \qquad \text{Coverage governs, not Count}. }

約 30 篇是成熟論文的一般 soft target，而不是硬性 KPI。

真正應檢查：

direct evidence；
supporting evidence；
ancestor；
boundary；
contrary evidence；
literature saturation。

19. Corpus Governance

大型理論群應建立：

paper registry；
claim ledger；
lineage graph；
canonical nodes；
evidence graph；
capability graph；
revision queue。

20. Historical Corpus 與 Canonical Layer

\boxed{ \text{Historical Corpus} \neq \text{Canonical Layer}. }

歷史論文保存研究形成史。

Canonical Layer 表示：

當前應使用的理論狀態。

因此並不是所有舊論文都要升版。

21. Selective Revision

本文主張：

\boxed{ \text{Not every paper requires revision}. }

Research Object 可以被判定為：

PRESERVE
REVIEW
REVISE
SUPERSEDED
SYNTHESIS
OPERATIONALIZATION

等狀態。

22. Lineage Relations

典型關係包含：

R_i\xrightarrow{extends}R_j

R_i\xrightarrow{operationalizes}R_j

R_i\xrightarrow{superseded\ by}R_j

以及：

R_s = Synthesis(R_1,\ldots,R_n).

後篇不一定取代前篇。

23. TCF 與 ISQL

TCF 與 ISQL 應被視為：

\boxed{ \Phi_{TCF}(\mathcal R^\ast) }

與：

\boxed{ \Phi_{ISQL}(\mathcal R^\ast). }

也就是 Research Object 的 representation，而不是另外複製一套不受治理的理論。

本文不對 TCF 或 ISQL 的內部語法增加未定義假設。

24. Representation Synchronization

不同 representation 不應各自自由漂移。

因此：

\boxed{ \text{Canonical State} \rightarrow \text{Representation Sync}. }

可以定義：

\boxed{ D_i = d( Meaning(P_i), Meaning(\mathcal R^\ast) ) }

若：

D_i>\theta,

則該 representation 標記：

STALE

25. Dependency-Driven Update

當 canonical state 改變：

\mathcal R^\ast_t \rightarrow \mathcal R^\ast_{t+1},

不應重建所有 artifact。

26. Affected Representation Cone

本文提出：

\boxed{ \Delta \mathcal R^\ast \rightarrow \mathcal C_{\mathrm{affected}}. }

只更新依賴於該變動的 representations、artifacts 與 validations。

27. Example：只有 Evidence 更新

Chinese Paper: unchanged
English Paper: unchanged
TCF: unchanged
ISQL: unchanged
Evidence Layer: update
Citation Edition: optional

28. Example：Claim 改變

Chinese Paper: patch
English: regenerate affected section
TCF: update
ISQL: update
Claim Graph: update
Evidence Graph: update
3D: maybe unchanged
Simulation: maybe rerun

29. Example：Geometry 改變

Paper: patch
3D: regenerate
Simulation: rerun
MVD: patch

30. Minimum Global Disturbance

因此研究治理應遵循：

\boxed{ \text{Maximum Local Precision} + \text{Minimum Global Disturbance}. }

31. Research Dependency Graph

整個研究群可表示為：

\boxed{ G_R = (V_R,E_R). }

節點可包括：

Research Objects；
Claims；
Evidence；
Representations；
Capabilities；
Artifacts；
Validations。

關係可包括：

extends
supports
contradicts
implements
visualizes
translates
formalizes
depends_on
supersedes

32. AI Maintenance Runtime

本文提出：

\boxed{ AMR = \text{AI Maintenance Runtime}. }

AMR 的任務包括：

detect changes；
calculate dependency cone；
update evidence；
regenerate representations；
run validation；
create revision queue；
publish approved state changes。

33. AI 不應預設直接修改 Canonical Paper

預設：

\boxed{ AI \rightarrow \text{Proposal} }

而不是：

\boxed{ AI \rightarrow \text{UnboundedMutation}. }

要改 canonical paper 前，至少應提供：

reason
affected claims
semantic delta
new evidence
lineage impact
proposed version

34. Large-Corpus Scheduling

數千個 Research Objects 不可能一次全部升級。

因此可以建立：

\boxed{ Priority(R) = f( \text{Centrality}, \text{Debt}, \text{Usage}, \text{Risk}, \text{Value}, \text{UpdateCost} ). }

35. Centrality

被大量理論依賴者優先。

36. Debt

包括：

Governance Debt；
Evidence Debt；
Representation Debt；
Artifact Debt。

37. Usage

熱門、常被 AI 引用、下游依賴多的 Research Objects 可優先。

38. Risk

涉及高風險應用者需要更嚴格驗證。

39. Value

容易轉化為：

product；
platform；
tool；
public theory

者可提高優先度。

40. Update Cost

高成本、低中心度節點可以延後。

41. Research Maturity Matrix

可建立：

\boxed{ M_R = ( C, E, EN, TCF, ISQL, F, 3D, SIM, DEMO, VAL ). }

例如：

Theory        CANONICAL
Evidence      CLOSED
English       READY
TCF           DRAFT
ISQL          NONE
3D            READY
Simulation    C1
Experiment    X

42. Corpus Statistics 應改變

大型研究體系不應只統計：

有多少篇論文？

還可以統計：

Research Objects
Canonicalized
English-ready
TCF-complete
ISQL-complete
Interactive
Simulated
Executable Demonstrations
Validated Artifacts

因此：

\boxed{ \text{Corpus Quality} \neq N_{\mathrm{papers}}. }

43. AI-Native Research Website

研究網站不應只提供：

Title
Abstract
PDF

更完整的 Research Object Interface 可以是：

READ
- 中文
- English

FORMAL
- TCF
- ISQL
- Formal

EXPLORE
- Claim Graph
- Evidence Graph
- 3D Model

RUN
- Simulation
- Interactive Demo
- MVP / MVD

STATE
- Canonical
- Evidence
- Validation
- Lineage

44. Website as Research Runtime

因此：

\boxed{ \text{Research Website} \rightarrow \text{Research Object Runtime}. }

它至少可以分成：

Public Reading Layer；
AI-readable Layer；
Runtime Layer；
Governance Layer。

45. Repository 與 Runtime 的差異

\boxed{ \text{Repository} = \text{stores artifacts}. }

而：

\boxed{ \text{Runtime} = \text{maintains and operates research state}. }

46. Research Object Lifecycle

本文提出：

\boxed{ \text{DISCOVER} \rightarrow \text{INGEST} \rightarrow \text{IDENTIFY} \rightarrow \text{CANONICALIZE} \rightarrow \text{REPRESENT} \rightarrow \text{ARTIFACTIFY} \rightarrow \text{VALIDATE} \rightarrow \text{MAINTAIN}. }

47. ARTIFACTIFY

Artifactification 可以包括：

3D；
simulation；
interactive web；
MVD；
MVP；
reusable software。

48. Stop Writing as a Valid Research Action

在 corpus 過大時：

\boxed{ \text{Not Writing a New Paper} }

本身也可能是高價值研究行為。

因為治理可能發現：

duplicate；
hidden connection；
contradiction；
reusable capability；
missing validation。

49. New Paper Trigger

只有當：

\boxed{ \text{Unresolved Canonical Gap} }

無法被既有 Research Objects 吸收時，

才合理建立新論文。

可以形式化：

\boxed{ Gap(G_R) > \theta_G \Rightarrow \text{NewResearchObject}. }

如果只是：

補 evidence；
英文化；
TCF 化；
ISQL 化；
3D 化；

則：

\boxed{ NewPaper=\text{False}. }

50. Artifact Expansion Policy

3D 優先

適合：

geometry-heavy；
spatial-domain；
physical carrier；
topology；
field；
dynamics。

Interactive Demo 優先

適合：

parameterized theory；
algorithm；
causal model；
visualization-heavy theory。

MVP 優先

適合：

productizable capability；
runtime architecture；
interface；
computational method。

Formalization 優先

適合：

mathematical；
logical；
protocol；
invariant-heavy

研究。

51. English / TCF / ISQL Prioritization

English 可優先給：

高中心度；
公開性高；
國際交流價值高

的 Research Objects。

TCF / ISQL 則應依：

canonical stability；
reuse；
machine-operability

決定優先度。

52. Maintenance Debt

本文區分：

\boxed{ D_G = \text{Governance Debt} }

\boxed{ D_E = \text{Evidence Debt} }

\boxed{ D_P = \text{Representation Debt} }

\boxed{ D_A = \text{Artifact Debt}. }

總體可寫成：

\boxed{ D_R = w_GD_G + w_ED_E + w_PD_P + w_AD_A. }

AI 可以依此建立 maintenance queue。

53. Cross-Conversation Synchronization

大量 AI 對話並行時，只靠聊天上下文容易造成：

duplicate work；
drift；
inconsistent terminology；
conflicting versions。

因此：

\boxed{ \text{Conversation} \neq \text{Canonical State}. }

真正的共享錨點應是：

\boxed{ \mathcal R^\ast. }

54. Canonical State Externalization

真正狀態應存在：

repository；
database；
manifests；
graphs；
files。

不同 AI Agent 讀取：

\boxed{ Agent_i \rightarrow \text{SharedResearchState}. }

而不是各自從聊天歷史推測真實。

55. Public Layer 與 Internal Layer

公開網站不必暴露所有研究狀態。

可以：

\boxed{ \text{PublicProjection} \subset \text{InternalResearchState}. }

Internal Layer 可保存：

weak claims；
rejected ideas；
unresolved contradictions；
private notes。

Public Layer 則輸出：

stable canonical；
approved evidence；
selected artifacts。

56. Think Tank 的 AI 轉型

大型理論平台的轉型不應只是：

\boxed{ \text{Website} + \text{Chatbot}. }

而應是：

\boxed{ \text{Corpus} + \text{Governance} + \text{Representation Runtime} + \text{Artifact Runtime} + \text{AI Maintenance}. }

57. Preprint Repository → Knowledge Runtime

因此：

\boxed{ \text{Preprint Repository} \rightarrow \text{Knowledge Runtime}. }

研究輸出不再只有：

\boxed{ \text{Paper}. }

還包括：

canonical claim state；
evidence graph；
executable model；
reusable capability；
validated artifact。

58. Claim Boundary

$K$ ｜Established / Common Practice Ancestors

包括：

scientific papers already use diagrams, models, simulations, datasets and code as non-text research representations；
machine-readable artifacts can accompany scholarly publication；
versioning, provenance, dependency graphs and reproducible artifacts are established ideas across software engineering and computational research；
3D modeling and simulation are already normal tools in many scientific and engineering fields。

$E$ ｜Reasoned Methodological Extrapolation

包括：

Research Object Runtime；
Canonical Research State；
Affected Representation Cone；
Representation Suitability；
Artifact Debt；
cross-representation synchronization；
corpus-level selective revision；
AI-native research website architecture。

$S$ ｜Simulation / Prototype Required

包括：

dependency-driven regeneration efficiency；
automatic drift detection；
suitability scoring；
AI-generated 3D / MVD fidelity；
large-scale maintenance scheduler performance。

$X$ ｜Experiment / Deployment Required

包括：

whether AI agents can reliably maintain thousands of Research Objects；
whether Living Evidence improves long-term correctness；
whether interactive artifacts improve theory comprehension；
operational cost at 4,000+ Research Object scale。

$F$ ｜Future Extension

包括：

autonomous Research Object Runtime；
agent-managed formalization；
automatically generated simulation suites；
cross-theory executable knowledge graphs；
AI-native scholarly operating systems。

59. 核心命題集

P1｜Paper Is Not the Research Object

\boxed{ \text{Paper} \neq \text{ResearchObject}. }

P2｜Text Is a Projection

\boxed{ \text{Text} = \Phi_{\mathrm{text}}(\mathcal R^\ast). }

P3｜Research Can Have Multiple Valid Representations

\boxed{ \mathcal R^\ast \rightarrow \{P_1,\ldots,P_n\}. }

P4｜Not Every Representation Is Required

\boxed{ Suit(R,P_i) }

決定是否值得生成。

P5｜Demonstration Is Not Validation

\boxed{ \text{Demo} \neq \text{Proof}. }

P6｜3D Is a Research Representation

\boxed{ 3D \not\subset \text{ProductOnly}. }

P7｜Research Revision Should Be Selective

\boxed{ \text{Not every historical paper requires revision}. }

P8｜Evidence Can Evolve Without Paper Mutation

\boxed{ \text{StablePaper} + \text{LivingEvidence}. }

P9｜Updates Should Follow Dependency Cones

\boxed{ \Delta \mathcal R^\ast \rightarrow \mathcal C_{\mathrm{affected}}. }

P10｜Large Corpus Research Is an Operations Problem

\boxed{ \text{Research} \supset \text{CorpusOperation}. }

P11｜Knowledge Should Become Operable

研究不只應被：

\text{read},

也可以被：

\text{inspect},\ \text{run},\ \text{simulate},\ \text{transform}.

P12｜AI Transformation Means Operating Knowledge

\boxed{ \text{Publishing Knowledge} \rightarrow \text{Operating Knowledge}. }

60. Minimal Data Layout

最小系統可以包含：

research_object.json
claims.jsonl
evidence.jsonl
relations.jsonl
lineage.json
representations.json
artifacts.json
state.json

61. Repository Layout

/RO-XXXX/
    canonical/
        state.json
        claims.jsonl

    papers/
        zh.md
        en.md

    formal/
        tcf.*
        isql.*

    evidence/
        evidence.jsonl
        relations.jsonl
        snapshots/

    explore/
        claim_graph.json
        evidence_graph.json
        model_3d/

    run/
        simulation/
        demo/
        mvp/

    lineage/
        lineage.json

62. Minimal Runtime Algorithm

1. ingest change
2. identify affected claims
3. update canonical state
4. calculate dependency cone
5. update evidence if required
6. regenerate affected representations
7. rerun affected simulations
8. mark stale artifacts
9. create review queue
10. publish approved state

63. 大型研究群的階段轉換

當研究群已經接近數千篇規模時，新增論文的 priority 可以降低。

主工作轉為：

\boxed{ \text{Govern} + \text{Iterate} + \text{Translate} + \text{Formalize} + \text{Visualize} + \text{Simulate} + \text{Validate}. }

64. Success Metric Changes

以前：

\boxed{ \text{How many papers were published?} }

未來：

\boxed{ \text{How much of the corpus is alive, coherent, executable, and maintained?} }

65. 最終架構

本文將大型 AI-native research ecosystem 壓縮為：

\boxed{ \begin{aligned} Corpus &= \text{Historical Knowledge}\\ CanonicalState &= \text{Current Knowledge}\\ EvidenceLayer &= \text{Living Support}\\ RepresentationLayer &= \text{Multiple Projections}\\ ArtifactLayer &= \text{Executable / Spatial Forms}\\ MaintenanceRuntime &= \text{Continuous Governance} \end{aligned} }

66. 結論

當研究規模只有數十篇時，「繼續寫下一篇」通常是一個合理策略。

當研究規模累積至數千篇時，同一策略可能逐漸失效。

因為真正稀缺的已不再是：

\boxed{ \text{ability to generate another document}. }

而是：

\boxed{ \text{ability to keep the whole knowledge system coherent}. }

因此大型 AI-native 理論體系應從：

\boxed{ \text{Paper-Centric Research} }

轉向：

\boxed{ \text{Research-Object-Centric Operation}. }

論文仍然重要，但它不再是研究的全部。

文字只是研究狀態的一個投影。

同一理論還可以成為：

English；
TCF；
ISQL；
formal representation；
Claim Graph；
Evidence Graph；
3D Model；
Simulation；
Interactive Demo；
MVP / MVD。

真正需要被持續維持的是：

\boxed{ \mathcal R^\ast. }

只要 canonical state 被治理，AI 就能根據依賴關係決定：

哪些 representation 需要更新？

哪些 artifact 已經 stale？

哪些 evidence 需要補充？

哪些論文真的需要升版？

哪些理論適合長出 3D、Simulation 或 MVP？

最終，知識不再只是被存放與閱讀，而可以被：

\boxed{ \text{maintained} + \text{translated} + \text{formalized} + \text{visualized} + \text{executed} + \text{validated}. }

這就是本文所稱：

\boxed{ \text{From Publishing Knowledge to Operating Knowledge}. }

它也是大型 AI-native 研究體系真正從「論文網站」走向「知識運行系統」的分界。

與既有方法論之關係

本文可與以下研究治理方法併用：

研究物迭代／論文升版方法論；
Research Object Identity / Version / Edition / Lineage Separation；
Evidence–Claim Matching；
Living Evidence Layer；
Capability Extraction；
CorpusState Auditor；
TPEF；
TCF；
ISQL。

本文不取代上述方法，而是將它們收束到同一個 Research Object Runtime 架構中。

From Publishing Knowledge to Operating Knowledge / v0.1 / 2026-09-17
EveMissLab — Boundless Knowledge. One Promise Forward.

從發布知識到運行知識：AI-Native Research Object Runtime 與大型理論群的多載體迭代架構

從發布知識到運行知識：AI-Native Research Object Runtime 與大型理論群的多載體迭代架構

摘要

1. 問題轉移：從生成瓶頸到治理瓶頸

2. 從 Paper Production 到 Research Corpus Operation

3. Research Object

4. Canonical Research State

5. Text Is a Projection

6. Representation 不等於新研究

7. Representation State Vector

8. 不是所有研究都需要所有表示

9. Representation Suitability

10. 3D 不只屬於產品

11. Spatial、Topological 與 Dynamic Representation

12. Executable Visualization

13. MVR 與 MVD

14. MVP 不只服務商業產品

15. Demonstration–Validation Separation

16. Capability Extraction

17. Stable Paper + Living Evidence Layer

18. 引用治理

19. Corpus Governance

20. Historical Corpus 與 Canonical Layer

21. Selective Revision

22. Lineage Relations

23. TCF 與 ISQL

24. Representation Synchronization

25. Dependency-Driven Update

26. Affected Representation Cone

27. Example：只有 Evidence 更新

28. Example：Claim 改變

29. Example：Geometry 改變

30. Minimum Global Disturbance

31. Research Dependency Graph

32. AI Maintenance Runtime

33. AI 不應預設直接修改 Canonical Paper

34. Large-Corpus Scheduling

35. Centrality

36. Debt

37. Usage

38. Risk

39. Value

40. Update Cost

41. Research Maturity Matrix

42. Corpus Statistics 應改變

43. AI-Native Research Website

44. Website as Research Runtime

45. Repository 與 Runtime 的差異

46. Research Object Lifecycle

47. ARTIFACTIFY

48. Stop Writing as a Valid Research Action

49. New Paper Trigger

50. Artifact Expansion Policy

3D 優先

Interactive Demo 優先

MVP 優先

Formalization 優先

51. English / TCF / ISQL Prioritization

52. Maintenance Debt

53. Cross-Conversation Synchronization

54. Canonical State Externalization

55. Public Layer 與 Internal Layer

56. Think Tank 的 AI 轉型

57. Preprint Repository → Knowledge Runtime

58. Claim Boundary

KKK ｜Established / Common Practice Ancestors

EEE ｜Reasoned Methodological Extrapolation

SSS ｜Simulation / Prototype Required

XXX ｜Experiment / Deployment Required

FFF ｜Future Extension

59. 核心命題集

P1｜Paper Is Not the Research Object

P2｜Text Is a Projection

P3｜Research Can Have Multiple Valid Representations

P4｜Not Every Representation Is Required

P5｜Demonstration Is Not Validation

P6｜3D Is a Research Representation

P7｜Research Revision Should Be Selective

P8｜Evidence Can Evolve Without Paper Mutation

P9｜Updates Should Follow Dependency Cones

$K$ ｜Established / Common Practice Ancestors

$E$ ｜Reasoned Methodological Extrapolation

$S$ ｜Simulation / Prototype Required

$X$ ｜Experiment / Deployment Required

$F$ ｜Future Extension