ESC-EXP-23：Open-Support Recoverability / Unknown-Unknown Backing

系列： Extensional Structural Convergence — Experimental Phase
文件編號： ESC-EXP-23
版本： v0.1
日期： 2026-09-23
前置： ESC-00 ～ ESC-06、ESC-EXP-00 ～ ESC-EXP-22
狀態： Open-Support / Unknown-Unknown Recoverability Experiment

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

ESC-EXP-22 已經把：

\mu

提升成：

\mu\in\mathcal U_\tau,

因此 future probability model本身可以錯。

但是 EXP-22 仍保留一個很強的前提：

\boxed{ \operatorname{supp}\mu \text{ 已知且固定。} }

也就是：

我們可能不知道四個已知 future requirements 各自有多大機率，但仍假設未來一定只會落在這四種 requirement types 裡。

本輪把這最後一個封閉世界假設拿掉。

未來允許：

\boxed{ Q_{\mathrm{new}} \notin \operatorname{supp}\widehat\mu. }

也就是：

未來可能要求一個 nominal model 今天根本沒有列出的 partition distinction。

為了真正讓 open-support effect 顯現，本輪刻意做一個 support-ablation：

EXP-21/22 已知的 atomic 8-class future 被暫時從 nominal support 移除。

nominal known support只保留：

\boxed{ \mathcal K = \{ Q_{\mathrm{stable4}}, Q_{\mathrm{relaxed2}}, Q_{\mathrm{horizon2}} \}. }

並重新正規化 known probabilities：

\boxed{ \widehat\mu_{\mathcal K} = \left( \frac49, \frac39, \frac29 \right). }

在這個 nominal model 下：

\boxed{ M_{\mathcal K}^{\mathrm{rob}} = 6\text{-class backing}. }

如果只看已知 support，似乎有兩組 latent distinctions 可以永久丟掉。

但本輪得到一個非常強的 open-support result：

\boxed{ r_{\mathrm{nov}} = \frac1{28} }

也就是只允許距離 known support 一個 pairwise coassignment edit 的新 partition，

robust backing 就直接：

\boxed{ 6\rightarrow8. }

更驚人的是：

atomic 8-class requirement本身距離 known support：

\boxed{ \frac4{28} = \frac17. }

所以 full backing 並不是因為「最極端的 atomic future 已經被放進 support」。

實際上：

幾個非常局部、各自只差一個 pair relation 的新 future requirements，就能共同把所有殘餘 distinctions 逼回來。

本輪在最小 novelty radius：

1/28

找到：

4

個 unseen partitions。

其中只需要：

\boxed{ 2 }

個互補的新 requirements，就足以把 known-support 6-class backing 推到 universal 8-class backing。

所以：

\boxed{ \text{local novelty} \Longrightarrow \text{global backing closure} }

在本 finite domain 中確實發生。

本輪也建立第二種 open-support model：

\boxed{ \mu_{\nu,\xi} = (1-\nu) \widehat\mu_{\mathcal K} + \nu\xi, }

其中：

\operatorname{supp}\xi \subseteq \mathcal U\setminus\mathcal K.

也就是：

有 $\nu$ 比例的 future probability mass 可以落到任何 nominal model 未見過的新 partition。

在這個 contamination model 下，expected-cost backing形成：

\boxed{ 4\rightarrow5\rightarrow6\rightarrow8 }

phase family，

而 full-backing threshold具有非常乾淨的閉式：

\boxed{ \left(\frac{\rho}{\eta}\right)_{6\rightarrow8} = \frac1\nu. }

所以：

\nu=0.01 \Rightarrow100,

\nu=0.05 \Rightarrow20,

\nu=0.10 \Rightarrow10,

\nu=0.20 \Rightarrow5,

\nu=0.30 \Rightarrow3.3333.

即：

\boxed{ \text{unknown-support mass 越高， full backing 的經濟門檻越低。} }

1. Runtime

EXP-23 regression：

6 passed

測試包含：

truncated known support robust backing 為 6 classes；
novelty radius $1/28$ 已足以逼出 8-class backing；
atomic8 自己距離 known support 是 $4/28$ ；
兩個最近 novel requirements 可共同強迫 full backing；
$\nu=0.10$ 可校準回 EXP-21 nominal loss geometry；
full-backing threshold 精確滿足： $1/\nu.$

2. 為什麼要暫時移除 Atomic8？

如果 nominal support本身已經包含：

Q_{\mathrm{atomic8}},

那 worst-case known-support robust backing早已是：

8.

在同一個 8-state universe 裡，再加入任何 unseen partition都不能比 atomic partition要求更細。

因此：

\boxed{ \text{open-support robustness 會被已知 universal requirement 遮蔽。} }

所以本輪不是否定 EXP-21/22 的 atomic tail。

而是做一個：

\boxed{ \text{support-completeness ablation}. }

故意問：

如果模型漏掉了 universal future requirement，open support 會如何暴露這個錯誤？

3. Truncated Known Support

known support：

\mathcal K = \{ Q_4, Q_{2a}, Q_{2b} \}.

known probabilities：

\frac49, \frac39, \frac29.

目前 active partition：

\mathcal P_0

仍是 strict 4-class state。

4. Known-Support Robust Backing

只要求：

M \preceq \mathcal P_0

且：

M \preceq Q \quad \forall Q\in\mathcal K,

則：

\boxed{ M_{\mathcal K}^{\mathrm{rob}} = \mathcal P_0 \wedge \bigwedge_{Q\in\mathcal K} Q. }

實驗：

\boxed{ |M_{\mathcal K}^{\mathrm{rob}}| = 6. }

其 blocks：

\{ \varnothing,G \},

\{TD,TDG\},

加上：

D, T, DG, TG

四個 singleton。

所以 nominal model認為仍可安全 merge 的只剩兩組：

\boxed{ \varnothing\sim G }

以及：

\boxed{ TD\sim TDG. }

5. Open Requirement Universe

8 個 mechanism states 的所有 set partitions總數：

\boxed{ B_8 = 4140. }

known support只有：

3.

所以 unseen future requirement partitions：

\boxed{ 4137. }

本輪因此真的把：

Q_{\mathrm{new}}

放進一個完整 finite open-support universe。

6. Partition Novelty Distance

沿用 EXP-18 的 pairwise coassignment churn：

d_{\mathrm{part}}(P,Q) = \frac{ \#\text{pairwise same/different assignment changes} }{ \binom82 }.

因：

\binom82=28,

最小非零 distance：

\boxed{ \frac1{28} \approx 0.0357143. }

7. Distance to Known Support

對 novel requirement：

Q,

定義：

\boxed{ d_{\mathcal K}(Q) = \min_{K\in\mathcal K} d_{\mathrm{part}}(Q,K). }

所以：

一個 requirement 即使 nominal model沒見過，只要與某個 known requirement只差很小的 partition edit，就屬於 local novelty。

8. Support-Radius Expansion

定義：

\boxed{ \mathcal K_r = \mathcal K \cup \{ Q\notin\mathcal K: d_{\mathcal K}(Q)\le r \}. }

robust backing：

\boxed{ M^{\mathrm{rob}}(r) = \mathcal P_0 \wedge \bigwedge_{Q\in\mathcal K_r} Q. }

9. Radius Zero

r=0.

沒有 novel partitions。

所以：

\boxed{ |M^{\mathrm{rob}}(0)| = 6. }

hidden cost相對 active4：

2.

10. 第一個非零 Radius

只增加：

\boxed{ r=\frac1{28} }

就有：

4

個 unseen requirements進入 support。

結果：

\boxed{ |M^{\mathrm{rob}}(1/28)| = 8. }

hidden cost：

4.

也就是：

\boxed{ 6\rightarrow8 }

沒有經過 7-class robust phase。

11. Full-Backing Trigger Radius

因此定義：

\boxed{ r_{\mathrm{full}} = \inf \{ r: M^{\mathrm{rob}}(r) = \bot \}, }

其中：

\bot

是 discrete atomic partition。

本 finite benchmark：

\boxed{ r_{\mathrm{full}} = \frac1{28}. }

這可以視為：

\boxed{ \text{Novelty Fragility Radius}. }

越小表示 nominal support對局部 support expansion越脆弱。

12. Atomic8 其實還沒進 Support

atomic unknown requirement與 known support距離：

\boxed{ d_{\mathcal K} ( Q_{\mathrm{atomic8}} ) = \frac4{28} = \frac17 \approx0.142857. }

但 full backing早在：

1/28

就被強迫出現。

所以：

\boxed{ r_{\mathrm{full}} < d_{\mathcal K} ( Q_{\mathrm{atomic8}} ). }

這非常重要。

13. Full Backing 不需要單一 Extreme Future

一般直覺可能是：

要逼系統保存全部 distinctions，必須先出現一個要求全部 distinctions 的 future。

本輪反例：

\boxed{ \text{不需要。} }

多個局部 requirements可以在不同 directions 上各自要求一部分 distinctions。

它們的共同 refinement就可以變成 atomic backing。

14. 四個 Nearest Novel Requirements

距離：

1/28

共有：

4

個 unseen partitions。

它們都只是對 stable4 做一個 local pair split。

其中有兩個對 known robust meet沒有新增 distinction，因為該 distinction已被其它 known requirements逼出。

另外兩個則分別拆開 known robust backing剩下的兩組 latent merge。

15. Novel Requirement $Q_A$

第一個關鍵 local novelty：

把：

\{\varnothing,G\}

拆開。

單獨加入後：

\boxed{ 6\rightarrow7. }

16. Novel Requirement $Q_B$

另一個關鍵 local novelty：

把：

\{TD,TDG\}

拆開。

單獨加入後同樣：

\boxed{ 6\rightarrow7. }

17. Complementary Novelty Closure

同時加入：

Q_A, Q_B,

則：

\boxed{ 7+7 \text{ 的互補需求} \Longrightarrow 8\text{-class common refinement}. }

更精確：

\boxed{ \mathcal P_0 \wedge \mathcal K \wedge Q_A \wedge Q_B = \bot. }

本輪 exhaustive search確認：

\boxed{ \text{minimum forcing set size}=2. }

18. Local Novelty → Global Closure

因此可以提出：

\boxed{ \text{Local-Novelty Global-Closure Phenomenon}. }

多個：

d_{\mathcal K}(Q_i)

都很小的新 requirement，

如果它們沿不同 latent distinction axes互補，

共同 meet仍可能快速收斂到：

\boxed{ \text{universal backing}. }

19. Support Coverage 不能只看最大 Distance

本輪也說明：

只看：

\max d_{\mathcal K}(Q)

不夠。

因為即使每一個 novel requirement都只：

1/28,

它們的 direction diversity仍可能把 backing逼到最細。

所以 open-support robustness還需要考慮：

\boxed{ \text{novelty direction / complementarity}. }

20. Novelty Contamination

第二個模型不要求所有 unseen requirements robustly安全。

而是假設：

\nu

比例 future mass屬於 unknown support。

\boxed{ \mu_{\nu,\xi} = (1-\nu) \widehat\mu_{\mathcal K} + \nu\xi, }

其中：

\xi

可任意分布在 unseen partitions。

21. Known Expected Reacquisition

對四個 canonical backing levels：

4-Class

\boxed{ E_{\mathcal K}[R_4] = \frac89. }

5-Class

\boxed{ E_{\mathcal K}[R_5] = \frac13. }

6-Class

因為 6-class backing已覆蓋全部 known support：

\boxed{ E_{\mathcal K}[R_6] = 0. }

8-Class

0.

22. Worst Unseen Severity

因 atomic8 已被移出 nominal known support，所以它屬於 unseen universe。

因此對 $k$ -class canonical backing：

\boxed{ N_k = 8-k. }

實測：

N_4=4,

N_5=3,

N_6=2,

N_7=1,

N_8=0.

23. Open-Support Worst-Case Expected Reacquisition

所以：

\boxed{ \overline R_\nu(M) = (1-\nu) E_{\mathcal K}[R(M,Q)] + \nu N(M). }

canonical levels：

\boxed{ \overline R_4 = \frac89 + \frac{28}{9}\nu, }

\boxed{ \overline R_5 = \frac13 + \frac83\nu, }

\boxed{ \overline R_6 = 2\nu, }

\boxed{ \overline R_7 = \nu, }

\boxed{ \overline R_8 = 0. }

24. Novelty Mass 為零

\nu=0.

這退回 truncated closed-support model。

expected-cost：

C_k = (k-4) + r\overline R_k.

此時 6-class backing已完全 cover known future。

所以 8-class full backing永遠沒有必要：

\boxed{ r_{6\to8} = \infty. }

25. 任何正 Novelty Mass 都重新引入 Full-Backing Regime

若：

\nu>0,

6-class仍有：

2\nu

worst-case expected reacquisition。

full 8-class：

0.

所以：

2 + 2\nu r = 4

得到：

\boxed{ r_{6\to8} = \frac1\nu. }

這是本輪最乾淨的 open-support law。

26. Full-Backing Threshold Table

\nu=0.01 \Rightarrow r_{\mathrm{full}}=100,

\nu=0.02 \Rightarrow50,

\nu=0.05 \Rightarrow20,

\nu=0.10 \Rightarrow10,

\nu=0.20 \Rightarrow5,

\nu=0.30 \Rightarrow 3.3333.

因此：

\boxed{ r_{\mathrm{full}} \propto \nu^{-1}. }

27. 4-Class → 5-Class Boundary

解：

r\overline R_4 = 1+r\overline R_5.

得到：

\boxed{ r_{4\to5} = \frac9{ 5+4\nu }. }

例如：

\nu=0: 1.8,

\nu=0.10: 1.6667,

\nu=0.20: 1.5517,

\nu=0.30: 1.4516.

28. 5-Class → 6-Class Boundary

1+r\overline R_5 = 2+r\overline R_6.

得到：

\boxed{ r_{5\to6} = \frac3{ 1+2\nu }. }

例如：

\nu=0: 3,

\nu=0.10: 2.5,

\nu=0.20: 2.1429,

\nu=0.30: 1.875.

29. Open-Support Expected-Cost Phase Family

因此：

\nu>0

時形成：

\boxed{ 4 \rightarrow 5 \rightarrow 6 \rightarrow 8. }

所有 major transition thresholds都隨：

\nu\uparrow

下降。

所以：

\boxed{ \text{unknown-support uncertainty} }

與 EXP-22 的 distributional uncertainty一樣，都會把 policy推向更細 backing。

但機制不同。

30. $\nu=0.10$ Calibration

這是一個很漂亮的連接點。

known probabilities：

\left( \frac49, \frac39, \frac29 \right).

乘：

1-\nu = 0.9

得到：

0.4, 0.3, 0.2.

再把：

\nu=0.1

adversarial novelty集中到 atomic8，

得到：

\boxed{ (0.4,0.3,0.2,0.1). }

這正好就是 EXP-21 的 nominal distribution。

因此：

\boxed{ \nu=0.10 }

把「已知 10% atomic tail」重新解讀成：

nominal model漏掉了一個 10% unknown-support tail，而且最壞的新 requirement恰好是 atomic8。

所以 EXP-21 與 EXP-23 在這個 calibration point 精確接上。

31. Known Tail vs Unknown Tail

這兩種情況數值可以一致：

Known Tail

模型知道：

Q_{\mathrm{atomic}}

存在，且 probability：

0.10.

Unknown Tail

模型只知道：

\nu=0.10

future mass可能落到未知 requirement，

而 adversary選 atomic8。

兩者 loss envelope可以相同。

但 epistemic status完全不同。

所以：

\boxed{ \text{same risk number} \neq \text{same knowledge state}. }

32. Open-Support Chance Coverage

對非-atomic backing，

adversary總能把 novelty mass：

\nu

放到一個 backing無法直接實現的 unseen partition。

所以：

\boxed{ C_\nu(M) = (1-\nu) C_{\mathcal K}(M) }

對所有非-universal backing。

8-class backing則：

\boxed{ C_\nu(M_8)=1. }

33. Known Coverage Levels

known support下：

C_{\mathcal K}(M_4) = \frac49,

C_{\mathcal K}(M_5) = \frac69 = \frac23,

C_{\mathcal K}(M_6) = 1.

34. Open Chance Levels

因此：

\boxed{ C_\nu(M_4) = \frac49(1-\nu), }

\boxed{ C_\nu(M_5) = \frac23(1-\nu), }

\boxed{ C_\nu(M_6) = 1-\nu, }

\boxed{ C_\nu(M_8) = 1. }

7-class與6-class coverage相同，所以 chance minimization不會偏好更貴的 7-class。

35. Open Chance Staircase

要求：

C_\nu(M) \ge 1-\delta.

得到：

\boxed{ |M_{\nu,\delta}| = \begin{cases} 8, & \delta<\nu, \\ 6, & \nu \le \delta < \frac13 + \frac23\nu, \\ 5, & \frac13 + \frac23\nu \le \delta < \frac59 + \frac49\nu, \\ 4, & \delta \ge \frac59 + \frac49\nu. \end{cases} }

這是：

\boxed{ \text{novelty mass} \times \text{failure budget} }

的二維 chance phase diagram。

36. Unknown-Support Mass 直接吃掉 Failure Budget

最上層 boundary：

\delta<\nu \Rightarrow 8.

意思非常直接：

如果你允許的 failure probability比 unknown-support mass還小，那你不能假設未知 future會剛好落在可恢復區。

因此只能 universal backing。

所以：

\boxed{ \delta_{\mathrm{novelty}} \ge \nu }

是使用非-universal backing的必要條件。

37. 例： $\nu=0.05$

6-class worst-case coverage：

0.95.

所以：

\delta=0.05

仍可用 6-class。

若：

\delta<0.05,

則必須：

8.

38. 例： $\nu=0.10$

M_6

coverage：

0.90.

所以：

\delta=0.10

剛好合法。

\delta=0.05

則：

\boxed{ 8. }

這也與 EXP-21 nominal atomic 10% tail形成自然對應。

39. 例： $\nu=0.20$

6-class coverage：

0.80.

因此：

\delta=0.20

剛好合法。

但：

\delta=0.10

必須：

\boxed{ 8. }

40. Open-Support Uncertainty 比 Closed-Support Probability Error 更強在哪？

如果 closed support 已經包含：

Q_{\mathrm{atomic8}},

那 probability ambiguity只能重新調整已知 risk mass。

而 open support允許：

Q_{\mathrm{new}}

沿新的 partition directions出現。

本輪 support-radius實驗證明：

即使新 requirements都比 atomic8更接近已知 support，它們仍可從不同 directions聯手強迫 full backing。

這個現象不是單一「atomic tail probability上升」能完整描述的。

41. Support Geometry 本身成為 Risk Object

所以 open-world recoverability不能只保存：

p(Q).

還要保存：

\boxed{ \text{support geometry}. }

包括：

已知 requirements之間怎麼交；
哪些 latent distinctions仍未被任何 known requirement probe；
哪些 local support expansions會拆掉那些 merge；
多個 novelty directions如何共同 closure。

42. Distinction Exposure Map

對 known robust backing中的每個非trivial block：

B,

可以問：

最小需要多遠的 novel requirement，才能要求拆開 $B$ ？

本輪：

\{\varnothing,G\}

與：

\{TD,TDG\}

都只需要：

\boxed{ 1/28 }

的 local novelty。

所以這兩個 nominally merged distinctions其實是：

\boxed{ \text{fragile merges}. }

43. Robust Merge Margin

因此可定義某個 merge：

x\sim y

的 support robustness margin：

\boxed{ m_{\mathcal K}(x,y) = \inf \{ d_{\mathcal K}(Q): Q\text{ separates }x,y \}. }

margin越小，

表示這個 merge越不適合 destructive deletion。

本輪兩個殘餘 merges：

\boxed{ m_{\mathcal K} = 1/28. }

44. Unknown-Unknown Backing 不等於永遠 Full Backup

需要避免極端結論。

若要求：

\boxed{ \text{robust against every possible novel requirement}, }

那在 finite partition universe確實只能：

8.

但若採：

novelty mass budget $\nu$ ；
novelty radius $r$ ；
chance risk $\delta$ ；
reacquisition economics $r=\rho/\eta$ ；

就會得到中間：

4,5,6

等 backing policies。

所以 open-world不代表：

永遠保存一切。

而是：

\boxed{ \text{要明確聲明你對未知未來承諾到哪裡。} }

45. Universal Backing

如果 requirement space本身完全開放，

對固定 finite atomic state universe：

S,

能實現所有 partitions的唯一最粗 backing就是：

\boxed{ \bot_S }

discrete partition。

因為任意兩個不同 atomic states：

x\neq y

都存在某個 future partition要求把它們分開。

所以 universal recoverability要求：

\boxed{ \text{保留所有 atomic distinctions}. }

46. 但 Physical Universal Backing 不一定是 Full Active State

這與 EXP-20 一樣：

universal backing：

M=\bot

不代表 active representation也要：

\mathcal P=\bot.

active仍可以很粗：

4, 2, 1,

只要底層：

raw data；
provenance；
reversible residual；
external source；

足以恢復 atomic distinctions。

因此：

\boxed{ \text{universal backing} \neq \text{universal active representation}. }

47. Unknown-Unknown Insurance

這提示一個新的 representation primitive：

\boxed{ \text{Novelty Reserve}. }

不是把所有 distinctions永遠放在 active layer。

而是保留一個：

當 model遇到 support外 requirement 時，可以重新展開未預期 distinctions 的 fallback substrate。

這可以是：

raw observation archive；
provenance DAG；
reversible encoding；
external world pointer；
generative reconstruction state。

48. Distinction Insurance

更一般地，可以把 backing理解成：

\boxed{ \text{Distinction Insurance}. }

平常 active representation不支付完整 complexity。

但對未知 future保留某種 insurance reserve。

insurance premium：

\text{retention cost}.

claim cost：

\text{reconstruction cost}.

coverage：

\text{recoverable requirement family}.

49. Support Completeness 變成可測量性質

以前可能只說：

model support可能不完整。

本輪可以開始定量：

known support robust backing size；
novelty fragility radius；
nearest distinction-breaking requirements；
minimum forcing set size；
universal backing gap。

所以：

\boxed{ \text{support incompleteness} }

開始成為可實驗對象。

50. Known-Support Gap

本輪 known robust：

6.

universal backing：

8.

所以：

\boxed{ G_{\mathrm{support}} = 8-6 = 2. }

可以解讀成：

nominal future model仍然允許兩個 latent merge，但 open requirement universe中存在 futures會要求恢復它們。

51. Gap 不等於 Fragility Radius

這兩個量不同。

Support gap：

2

說明：

還缺幾個 backing distinctions。

Fragility radius：

1/28

說明：

多小的 local novelty就足以暴露 gap。

所以完整 open-support diagnosis至少需要：

\boxed{ ( G_{\mathrm{support}}, r_{\mathrm{fragile}} ). }

52. 本輪錨點

\boxed{ \textbf{ESC-EXP-23.A} \quad \text{known-support robust backing 可以因極小 support expansion 從 6 直接跳到 8。} }

\boxed{ \textbf{ESC-EXP-23.B} \quad r_{\mathrm{full}} = 1/28 < d_{\mathcal K}(Q_{\mathrm{atomic8}}) = 4/28. }

\boxed{ \textbf{ESC-EXP-23.C} \quad \text{兩個互補的 nearest novel requirements 已足以共同強迫 universal backing。} }

\boxed{ \textbf{ESC-EXP-23.D} \quad \left( \frac{\rho}{\eta} \right)_{6\to8} = 1/\nu. }

\boxed{ \textbf{ESC-EXP-23.E} \quad \text{open-support recoverability 必須同時描述 novelty mass、support geometry 與 future risk contract。} }

53. EXP-22 與 EXP-23 的差異

EXP-22：

\boxed{ \text{known support, unknown weights}. }

EXP-23：

\boxed{ \text{support itself can expand}. }

前者問：

已知 futures 的 probability估錯多少？

後者問：

我們是不是連 future requirement types 都沒列完整？

54. 更深的結論

這一路其實又回到 ESC 最原始的 Anti-Collapse Principle。

如果一個 distinction目前：

沒有 known target需要；
沒有 nominal future需要；
current probability model給它零 mass；

仍不能自動推出：

\boxed{ \text{它可以永久刪除。} }

因為：

\boxed{ \text{zero modeled future demand} \neq \text{zero open-world future value}. }

55. 下一輪：ESC-EXP-24

EXP-23 如果採完全 open-world robust semantics，答案很快會走向：

\boxed{ \text{保存 atomic backing}. }

這在理論上正確，但工程上太昂貴。

所以下一輪真正自然的問題不是再加更多 worst-case。

而是：

\boxed{ \text{Unknown-Unknown Insurance / Fallback Provenance}. }

也就是允許系統不在主 backing中永久保存全部 distinctions，而保留一個低頻、較昂貴的 fallback substrate。

可以正式比較：

Hot Backing

高頻、便宜、快速：

M_{\mathrm{hot}}.

Cold Provenance Reserve

低頻、較慢，但可以恢復更細 distinction：

M_{\mathrm{cold}}.

External Re-observation / Oracle

最昂貴：

O.

真正問題變成：

要怎麼把 recoverability 分層，才能不付 universal hot backing 的成本，又不把 unknown-unknown future 永久鎖死？

這會把 ESC 從：

\boxed{ \text{Should we preserve distinctions?} }

推進到：

\boxed{ \text{Where and at what temperature should distinctions be preserved?} }

也就是開始形成真正的：

\boxed{ \text{multi-tier recoverability architecture}. }

ESC-EXP-23：Open-Support Recoverability _ Unknown-Unknown Backing

ESC-EXP-23：Open-Support Recoverability / Unknown-Unknown Backing

摘要

1. Runtime

2. 為什麼要暫時移除 Atomic8？

3. Truncated Known Support

4. Known-Support Robust Backing

5. Open Requirement Universe

6. Partition Novelty Distance

7. Distance to Known Support

8. Support-Radius Expansion

9. Radius Zero

10. 第一個非零 Radius

11. Full-Backing Trigger Radius

12. Atomic8 其實還沒進 Support

13. Full Backing 不需要單一 Extreme Future

14. 四個 Nearest Novel Requirements

15. Novel Requirement QAQ_AQA​

16. Novel Requirement QBQ_BQB​

17. Complementary Novelty Closure

18. Local Novelty → Global Closure

19. Support Coverage 不能只看最大 Distance

20. Novelty Contamination

21. Known Expected Reacquisition

4-Class

5-Class

6-Class

8-Class

22. Worst Unseen Severity

23. Open-Support Worst-Case Expected Reacquisition

24. Novelty Mass 為零

25. 任何正 Novelty Mass 都重新引入 Full-Backing Regime

26. Full-Backing Threshold Table

27. 4-Class → 5-Class Boundary

28. 5-Class → 6-Class Boundary

29. Open-Support Expected-Cost Phase Family

30. ν=0.10\nu=0.10ν=0.10 Calibration

31. Known Tail vs Unknown Tail

Known Tail

Unknown Tail

32. Open-Support Chance Coverage

33. Known Coverage Levels

34. Open Chance Levels

35. Open Chance Staircase

36. Unknown-Support Mass 直接吃掉 Failure Budget

37. 例： ν=0.05\nu=0.05ν=0.05

38. 例： ν=0.10\nu=0.10ν=0.10

39. 例： ν=0.20\nu=0.20ν=0.20

40. Open-Support Uncertainty 比 Closed-Support Probability Error 更強在哪？

41. Support Geometry 本身成為 Risk Object

42. Distinction Exposure Map

43. Robust Merge Margin

44. Unknown-Unknown Backing 不等於永遠 Full Backup

45. Universal Backing

46. 但 Physical Universal Backing 不一定是 Full Active State

47. Unknown-Unknown Insurance

48. Distinction Insurance

49. Support Completeness 變成可測量性質

50. Known-Support Gap

51. Gap 不等於 Fragility Radius

52. 本輪錨點

53. EXP-22 與 EXP-23 的差異

54. 更深的結論

55. 下一輪：ESC-EXP-24

Hot Backing

Cold Provenance Reserve

External Re-observation / Oracle

15. Novel Requirement $Q_A$

16. Novel Requirement $Q_B$

30. $\nu=0.10$ Calibration

37. 例： $\nu=0.05$

38. 例： $\nu=0.10$

39. 例： $\nu=0.20$