ESC-EXP-28：Automatic Semantic Residual Factor Discovery / Provenance Factor Compiler

系列： Extensional Structural Convergence — Experimental Phase
文件編號： ESC-EXP-28
版本： v0.1
日期： 2026-09-23
前置： ESC-00 ～ ESC-06、ESC-EXP-00 ～ ESC-EXP-27
狀態： Automatic Residual Factor Discovery / Provenance Compiler Experiment

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

ESC-EXP-27 已經證明：

如果多個 future tasks 共用同一批 latent distinctions，provenance code 應沿 shared latent dependency 分解，而不應只沿 task/API boundary 重複保存。

但是 EXP-27 的：

Z_{A\text{-only}}, \quad Z_{\mathrm{shared}}, \quad Z_{B\text{-only}}

仍然是人工指定。

本輪拿掉這個人工 factor design。

runtime 只收到：

Hot representation： $H;$
primitive residual atoms；
future task family： $$ \mathcal J
{J_1,\dots,J_m}; $$
query workload；
每個 factor 的 metadata/index cost： $\kappa.$

然後自動編譯 provenance factors。

本輪首先定義每個 primitive residual atom：

r

的 task-incidence signature：

\boxed{ \sigma(r) = ( \mathbf 1[r\in J_1], \dots, \mathbf 1[r\in J_m] ). }

再定義：

\boxed{ r_i \sim_{\mathrm{task}} r_j \iff \sigma(r_i) = \sigma(r_j). }

其 quotient：

\boxed{ \mathcal Z_{\mathrm{inc}} = \mathcal R / \sim_{\mathrm{task}} }

就是：

所有被完全相同 task subset 使用的 primitive residual atoms 自動合併成同一 shared factor。

在 EXP-27 的 A/B task family 中，compiler沒有任何人工提示就自動找回：

\boxed{ \{R_{00}\}, \quad \{R_{01},R_{10}\}, \quad \{R_{11}\}. }

也就是：

\boxed{ A\text{-only}, \quad \text{Shared}, \quad B\text{-only}. }

更重要的是：

在完整 4-atom Bell partition space中共有：

\boxed{ B_4 = 15 }

種 factorization。

對 A/B family：

zero-overread factorizations共有： $2;$
最少 factor count： $\boxed{ 3; }$
唯一 canonical 3-factor minimum正是 task-incidence quotient。

因此本 finite separable residual model中：

\boxed{ \text{Task-Incidence Quotient} = \text{coarsest zero-overread factorization}. }

加入第三個 task：

C

後，原本：

R_{01}

與：

R_{10}

不再具有同一 incidence signature。

所以 compiler自動把原本 shared factor拆開：

\boxed{ 3 \rightarrow 4\text{ factors}. }

這表示：

\boxed{ \text{factorization is task-family-relative}. }

同一 latent state structure，在 task family改變後，最佳 factor boundaries也會改變。

本輪第二條主線則加入 factor metadata cost：

\boxed{ C_\kappa(\mathcal Z) = \mathbb E[ \text{read bits} ] + \kappa |\mathcal Z|. }

當：

\kappa=0,

compiler偏好 zero-overread factorization。

當：

\kappa

升高，runtime會接受部分 semantic over-read，以換取更少 factors。

因此 factor compiler本身出現 phase transitions。

A/B Uniform

3 \rightarrow 1

在：

\boxed{ \kappa=0.1125 }

發生。

2-factor states只在 breakpoint tie，不具有正寬度最優區間。

A/B Skewed

則真正出現：

\boxed{ 3 \rightarrow 2 \rightarrow 1. }

breakpoints：

\boxed{ 0.073299438193, \quad 0.166378089866. }

A/B/C Uniform

由於完全對稱：

\boxed{ 4 \rightarrow 1 }

並在：

\boxed{ \kappa=0.0625 }

出現 4 / 3 / 2 / 1 factor 多重 tie。

A/B/C Skewed

對稱性被 prior 打破後，完整 sequence變成：

\boxed{ 4 \rightarrow 3 \rightarrow 2 \rightarrow 1. }

breakpoints：

\boxed{ 0.040721910107, }

\boxed{ 0.042014669158, }

\boxed{ 0.092432272148. }

所以：

\boxed{ \text{nonuniform information mass can resolve factorization degeneracy and create genuine intermediate compiler regimes}. }

這是 EXP-28 的主要結果。

1. Runtime

EXP-28 regression：

6 passed

測試包括：

4 primitive residual atoms共有 15 種 set partitions；
A/B compiler自動找回 EXP-27 三因素結構；
incidence quotient確實為 coarsest zero-overread factorization；
A/B/C family自動碎裂成 4 factors；
任意正 metadata cost會讓 A/B 選 3-factor incidence quotient而非 4 primitive factors；
sufficiently large metadata cost最終使 compiler選 monolithic single factor。

2. Primitive Residual Atoms

H4 的四個 Hot regions：

00, \quad 01, \quad 10, \quad 11.

每區都有一個 hidden：

G

distinction。

因此 primitive residual atoms：

\boxed{ \mathcal R = \{ R_{00}, R_{01}, R_{10}, R_{11} \}. }

3. Uniform Atom Information

Uniform prior：

\boxed{ I(R_{00}) = I(R_{01}) = I(R_{10}) = I(R_{11}) = 0.25\text{ bit}. }

所以 total universal residual：

1\text{ bit}.

4. Skewed Atom Information

Skewed：

\boxed{ I(R_{00}) = 0.369729088590, }

\boxed{ I(R_{01}) = 0.168058676632, }

\boxed{ I(R_{10}) = 0.110602718809, }

\boxed{ I(R_{11}) = 0.162887640428. }

總和：

\boxed{ 0.811278124459. }

與 EXP-25：

H(S\mid H4)

完全一致。

5. A/B Task Family

Task A：

\boxed{ \{R_{00},R_{01},R_{10}\}. }

Task B：

\boxed{ \{R_{01},R_{10},R_{11}\}. }

所以 incidence signatures：

\sigma(R_{00}) = (1,0),

\sigma(R_{01}) = (1,1),

\sigma(R_{10}) = (1,1),

\sigma(R_{11}) = (0,1).

因此：

\boxed{ R_{01} \sim_{\mathrm{task}} R_{10}. }

其它 atoms皆不同類。

6. Automatic A/B Factorization

compiler得到：

\boxed{ Z_1 = \{R_{00}\}, }

\boxed{ Z_2 = \{R_{01},R_{10}\}, }

\boxed{ Z_3 = \{R_{11}\}. }

沒有任何：

A-only；
Shared；
B-only；

語義標籤被硬寫進 compiler。

這些語義完全由：

\boxed{ \sigma(r) }

自動產生。

7. 自動重建 EXP-27

因此 EXP-27 的人工 factorization：

A\text{-only}, \text{Shared}, B\text{-only}

在 EXP-28 被重新導出為：

\boxed{ \text{task-incidence equivalence classes}. }

這表示 shared semantic layer不是任意 human design。

至少在目前 separable finite domain中，它具有 canonical combinatorial construction。

8. Coarsest Zero-Overread Theorem — Finite Model

定義 factorization：

\mathcal Z

為 zero-overread，若每個 task只讀它真正需要的 residual atoms：

\boxed{ E_{\mathrm{overread}}(\mathcal Z)=0. }

若同一 factor中含有：

r_i, r_j

而：

\sigma(r_i) \neq \sigma(r_j),

必存在某個 task：

需要其中一個；
不需要另一個。

該 task一旦讀此 factor，就必 over-read。

因此 zero-overread要求：

\boxed{ \text{每個 factor只能包含同一 incidence signature 的 atoms。} }

所以最粗的 zero-overread factorization就是 incidence quotient。

9. A/B Exhaustive Verification

4 atoms所有 set partitions：

15.

A/B zero-overread：

\boxed{ 2. }

分別是：

Fully Atomic

4\text{ factors}.

Incidence Quotient

3\text{ factors}.

而 minimum：

\boxed{ 3. }

與 compiler quotient完全一致。

10. 為什麼 4-Factor 也 Zero-Overread？

因把：

R_{01}

與：

R_{10}

分開存當然仍可精確 selective read。

只是它多付一個：

\boxed{ \text{factor metadata / index boundary}. }

所以只要：

\kappa>0,

且不產生其它差異，

3-factor quotient嚴格優於 4-factor primitive representation。

11. Task-Incidence Quotient Principle

因此可以提出：

\boxed{ \text{Task-Incidence Quotient Principle}. }

在 primitive residual atoms可分離、task dependency已知、且要求 zero-overread時：

把所有具有相同 task-incidence signature 的 residual atoms合併，得到 coarsest zero-overread semantic factorization。

12. A/B Storage Compression

Uniform：

naive task-wise storage：

1.5.

compiler factor storage：

1.

下降：

\boxed{ 33.33\%. }

Skewed：

1.089939519900 \rightarrow 0.811278124459.

下降：

\boxed{ 25.57\%. }

精確重現 EXP-27。

13. A/B Expected Selective Read

workload仍沿用：

P(A)=0.45,

P(B)=0.45,

P(AB)=0.10.

incidence quotient沒有 over-read。

Uniform：

\boxed{ 0.775\text{ bits/query}. }

Skewed：

\boxed{ 0.571600596401. }

14. 加入第三個 Task C

定義：

C = \{ R_{00}, R_{10}, R_{11} \}.

此時 signatures：

R_{00}: (1,0,1),

R_{01}: (1,1,0),

R_{10}: (1,1,1),

R_{11}: (0,1,1).

四個全部不同。

15. Shared Factor 被 Task Family 拆開

A/B 時：

R_{01} \sim R_{10}.

加入 C 後：

\sigma(R_{01}) = (1,1,0),

\sigma(R_{10}) = (1,1,1).

所以：

\boxed{ R_{01} \not\sim R_{10}. }

原本 shared factor：

\{R_{01},R_{10}\}

被自動拆成兩個。

因此：

\boxed{ 3 \rightarrow 4\text{ factors}. }

16. Factorization 不是 Latent Space 的固定真相

這是一個重要概念：

同一 underlying residual：

\mathcal R

在不同 task family：

\mathcal J

下具有不同 canonical factorization。

因此應寫：

\boxed{ \mathcal Z^\ast = \mathcal Z^\ast( \mathcal R, \mathcal J ). }

而不是：

\mathcal Z^\ast( \mathcal R )

而已。

17. 三 Task Storage 去重

A/B/C 三個 tasks如果各存完整 task-specific residual：

Uniform：

\boxed{ 2.25\text{ bits}. }

factorized universal residual仍只：

1.

下降：

\boxed{ 55.56\%. }

Skewed：

1.733158967727 \rightarrow 0.811278124459.

下降：

\boxed{ 53.19\%. }

18. 更多 Tasks 可以提高 Storage Duplication Tax

增加 task count並不增加 underlying universal residual資訊：

H(S\mid H)

本身。

但 naive task-wise coding會隨 task overlap反覆複製相同 residual atoms。

所以：

\boxed{ \text{task count} \uparrow \not\Rightarrow \text{true latent information} \uparrow, }

但：

\boxed{ \text{naive task-boundary storage} }

可能快速膨脹。

19. Factor Metadata Cost

真正 runtime每個 factor都不是免費的。

可能需要：

ID；
offset；
checksum；
index entry；
routing metadata；
access-control tag；
compression header；
dependency metadata。

所以定義：

\boxed{ \kappa = \text{per-factor overhead}. }

20. Compiler Objective

本輪：

\boxed{ C_\kappa(\mathcal Z) = E[ L_{\mathrm{read}} ] + \kappa |\mathcal Z|. }

其中 storage information本身在完整 universal residual factorization間保持不變，

所以本輪專注：

\boxed{ \text{selective read} \leftrightarrow \text{factor count}. }

21. Factor Merge 會造成 Over-Read

假設把：

A\text{-only}

與：

\text{Shared}

合併。

B task需要 Shared，但不需要 A-only。

現在讀 merged factor時：

\boxed{ B \text{ 必須 over-read A-only bits}. }

所以 factor reduction不是免費。

22. Compiler Trade-Off

因此：

細 Factorization

優點：

selective read精確；
over-read低。

缺點：

metadata多；
index多；
routing複雜。

粗 Factorization

優點：

factor count少；
metadata低。

缺點：

query over-fetch。

23. A/B Uniform Phase

Uniform：

incidence quotient：

3\text{ factors},

read：

0.775.

monolithic：

1\text{ factor},

read：

1.

差：

0.225.

少兩個 factors。

所以 break-even：

0.775+3\kappa = 1+1\kappa.

得到：

\boxed{ \kappa = 0.1125. }

24. A/B Uniform Degeneracy

在：

\boxed{ \kappa=0.1125 }

3-factor、某些 2-factor、以及 1-factor方案全部同 cost。

但 2-factor沒有正寬度 optimal interval。

所以：

\boxed{ 3 \rightarrow 1 }

是實際 regime transition。

25. A/B Skewed：真正三階 Phase

Skewed：

3-Factor

E[L] = 0.571600596401.

2-Factor

compiler自動選：

\boxed{ \{R_{00}\}, \quad \{R_{01},R_{10},R_{11}\}. }

read：

0.644900034594.

over-read：

\boxed{ 0.073299438193. }

26. 為什麼 Skewed 先 Merge B-Only？

因：

R_{11}

information mass：

0.162887640428

而與 shared factor合併後，主要讓不需要它的 query多讀這部分。

相較其它 merge candidates，這在目前：

atom information；
query frequencies；

組合下 penalty最低。

所以 compiler不是在數 atoms。

它在做：

\boxed{ \text{information-weighted workload optimization}. }

27. A/B Skewed Breakpoint 1

3-factor與2-factor：

0.571600596401 + 3\kappa

與：

0.644900034594 + 2\kappa.

交點：

\boxed{ \kappa = 0.073299438193. }

28. A/B Skewed Breakpoint 2

2-factor與monolithic：

0.644900034594 + 2\kappa

與：

0.811278124459 + \kappa.

得到：

\boxed{ \kappa = 0.166378089866. }

29. A/B Skewed Phase Sequence

因此：

\boxed{ \kappa < 0.0732994: \quad 3, }

\boxed{ 0.0732994 < \kappa < 0.1663781: \quad 2, }

\boxed{ \kappa > 0.1663781: \quad 1. }

即：

\boxed{ 3 \rightarrow 2 \rightarrow 1. }

30. Prior 會改變 Compiler Topology

Uniform：

3\rightarrow1.

Skewed：

3\rightarrow2\rightarrow1.

同一 tasks、同一 latent atoms、同一 metadata model，

只改 probability prior，

factorization phase geometry就改變。

所以：

\boxed{ \text{factor topology is prior-sensitive}. }

31. A/B/C Uniform

三 task下 zero-overread必須：

4\text{ factors}.

expected exact read：

0.8125.

monolithic：

1.

差：

0.1875.

少：

3

個 factors。

因此：

\frac{ 0.1875 }{ 3 } = \boxed{ 0.0625. }

32. Symmetry-Induced Multiway Tie

Uniform A/B/C在：

\boxed{ \kappa=0.0625 }

出現：

4, 3, 2, 1

factor方案的多重 lower-envelope tie。

所以沒有正寬度 intermediate regimes。

這是一種：

\boxed{ \text{symmetry degeneracy}. }

33. A/B/C Skewed 解除 Degeneracy

Skewed atom bits不等。

結果完整：

\boxed{ 4 \rightarrow 3 \rightarrow 2 \rightarrow 1. }

breakpoints：

\boxed{ 0.040721910107, }

\boxed{ 0.042014669158, }

\boxed{ 0.092432272148. }

34. 第一個 3-Factor Merge

compiler先選：

\boxed{ \{R_{10},R_{11}\} }

合併。

這兩者 task signatures：

(1,1,1),

與：

(0,1,1).

差異只在 Task A。

所以只有需要：

R_{10}

但不需要：

R_{11}

的 A-side queries會 over-read。

35. 第一個 Over-Read Penalty

4-factor exact：

0.636109273047.

3-factor：

0.676831183154.

所以：

\boxed{ \Delta_{\mathrm{read}} = 0.040721910107. }

正好等於第一個：

\kappa

breakpoint。

36. 第二個 2-Factor State

再把：

R_{01}

併入：

R_{10},R_{11},

得到：

\boxed{ \{R_{00}\}, \quad \{R_{01},R_{10},R_{11}\}. }

expected read：

0.718845852312.

over-read：

\boxed{ 0.082736579265. }

37. Final Monolithic State

全部 residual atoms：

\boxed{ \{R_{00},R_{01},R_{10},R_{11}\} }

變成單 factor。

任何 nontrivial task都讀完整 residual：

0.811278124459.

expected over-read：

\boxed{ 0.175168851413. }

但 metadata只剩一份。

38. Automatic Compiler 已經做了什麼？

本輪 runtime已自動完成：

primitive residual extraction；
task-incidence signature；
zero-overread quotient；
exhaustive factorization enumeration；
expected read evaluation；
semantic over-read measurement；
metadata/read trade-off；
lower-envelope breakpoint search；
prior-conditioned phase selection。

這已經是第一個非常小型的：

\boxed{ \text{Provenance Factor Compiler}. }

39. Compiler Input / Output

輸入：

\boxed{ ( H, \mathcal R, \mathcal J, \pi_{\mathrm{query}}, p_S, \kappa ). }

輸出：

\boxed{ \mathcal Z^\ast = \{ Z_1,\dots,Z_k \}. }

以及每個 task/query應讀哪些 factors。

40. Zero-Overread Mode

若：

\kappa

很低，

或 application要求 strict semantic isolation，

compiler可使用：

\boxed{ \mathcal Z_{\mathrm{inc}} }

task-incidence quotient。

這是：

\boxed{ \text{exact selective decode mode}. }

41. Metadata-Constrained Mode

若：

factor index很昂貴；
storage object count有限；
random-access descriptors太重；

則：

\kappa

上升。

compiler可以選：

\boxed{ \text{controlled over-read} }

以換取更少 factors。

42. Over-Read 是新的 Rate

定義：

\boxed{ O(\mathcal Z) = E[ L_{\mathcal Z} ] - E[ L_{\mathrm{exact}} ]. }

所以 compiler不再只看：

\text{stored bits}.

還要看：

\boxed{ \text{unnecessary fetched bits}. }

43. Storage、Read、Metadata 三軸

更完整 cost：

\boxed{ \mathbf C = ( C_{\mathrm{store}}, C_{\mathrm{read}}, C_{\mathrm{meta}} ). }

EXP-28目前 universal residual storage固定，

所以主要研究：

(C_{\mathrm{read}},C_{\mathrm{meta}}).

未來若允許 factor-specific compression，三軸都會變。

44. Factor Count 不是越少越好

Monolithic residual：

k=1

metadata最少。

但 selective read最差。

Primitive：

k=4

read最精細。

但 metadata可能浪費。

所以：

\boxed{ \text{optimal factor granularity} }

是一個 resource-dependent quantity。

45. Task Family 增加可能使 Factorization 變細

A/B：

3\text{ zero-overread factors}.

A/B/C：

4.

原因不是 underlying state更複雜。

而是新的 task讓原本兩個 atoms的 incidence signatures分離。

所以：

\boxed{ \text{more semantic obligations can increase required factor resolution}. }

46. Task Removal 則可以重新 Merge

反過來，如果 Task C消失：

R_{01}

與：

R_{10}

signature再次相同。

compiler可重新 merge。

因此 factor architecture可隨 workload/task family動態演化。

這直接接回 EXP-19：

\boxed{ \text{Dynamic Abstraction Control}. }

47. Compiler Churn 問題重新出現

如果 tasks持續進出，

factorization：

\mathcal Z_t

也會改變。

這會產生：

factor migration；
code rewrite；
index rebuild；
provenance remap。

所以未來 dynamic compiler也應加入：

\boxed{ \operatorname{Churn} ( \mathcal Z_t, \mathcal Z_{t+1} ). }

48. ESC 的閉環越來越完整

EXP-18：

\text{partition canonicalization}.

EXP-19：

\text{dynamic partition control}.

EXP-24：

\text{tier placement}.

EXP-25：

\text{bit-level provenance cost}.

EXP-26：

\text{task-selective read}.

EXP-27：

\text{shared latent factors}.

EXP-28：

\boxed{ \text{automatic factor compilation}. }

這些已經開始形成完整 representation compiler stack。

49. Incidence Quotient 與 Contextual Equivalence

primitive atoms：

r_i, r_j

若對所有目前 tasks具有完全相同的使用 signature：

\sigma(r_i)=\sigma(r_j),

則在：

\boxed{ \text{current task context family} }

下，它們對 factor-routing行為不可區分。

這其實是一種新的 contextual equivalence。

50. Future Task 可以打破 Factor Equivalence

A/B 時：

R_{01} \equiv_{\mathrm{task}} R_{10}.

加入 C：

R_{01} \not\equiv_{\mathrm{task}} R_{10}.

所以：

\boxed{ \text{current factor equivalence} \neq \text{future factor equivalence}. }

這又直接呼應 EXP-15：

\boxed{ \text{current zero distinction} \neq \text{future zero capability difference}. }

51. Factor Compression 也需要 Future Obligation

如果未來 task family未知，

過早 merge factors可能讓新的 task產生 over-read或必須重構 factor store。

因此 provenance factorization同樣有：

\boxed{ \text{future obligation price}. }

整條 ESC 線又重新接在一起。

52. 本輪錨點

\boxed{ \textbf{ESC-EXP-28.A} \quad r_i\sim_{\mathrm{task}}r_j \iff \sigma(r_i)=\sigma(r_j) }

在本 finite separable model中生成 coarsest zero-overread factorization。

\boxed{ \textbf{ESC-EXP-28.B} \quad \text{compiler無人工 factor 標籤即可重建 EXP-27 的 A-only / Shared / B-only。} }

\boxed{ \textbf{ESC-EXP-28.C} \quad \text{加入新 task 可打破既有 factor equivalence 並使 zero-overread factorization 變細。} }

\boxed{ \textbf{ESC-EXP-28.D} \quad C_\kappa = E[L_{\mathrm{read}}] + \kappa|\mathcal Z| }

產生 factor-granularity phase transitions。

\boxed{ \textbf{ESC-EXP-28.E} \quad \text{skewed prior可解除 uniform symmetry degeneracy，產生真正的 intermediate factor regimes。} }

53. 下一輪：ESC-EXP-29

EXP-28 已經會：

已知 primitive residual atoms後，自動決定怎麼 grouping。

但它仍假設：

\boxed{ \text{primitive residual atoms本身已知。} }

也就是我們已經知道：

R_{00}, R_{01}, R_{10}, R_{11}

是底層可分解單位。

真正更難的一步是：

\boxed{ \text{Automatic Residual Atom Discovery}. }

只給 runtime：

underlying state observations；
Hot projection；
future task outputs；

不告訴它：

hidden residual究竟由哪些 primitive distinctions構成。

讓它自己找最小 residual basis：

\boxed{ \mathcal R^\ast = \{ r_1,\dots,r_k \} }

再做 EXP-28 的 factor compiler。

也就是從：

\boxed{ \text{Factor Discovery Given Atoms} }

推進成：

\boxed{ \text{Atom Discovery + Factor Compilation}. }

這會開始碰到真正的：

minimal sufficient latent basis；
residual dictionary learning；
Boolean / information factorization；
task-conditioned latent decomposition；
provenance compiler front-end。

也就是 ESC 第一個真正「從 observations 自己長出 representation primitives」的實驗。

ESC-EXP-28：Automatic Semantic Residual Factor Discovery _ Provenance Factor Compiler

ESC-EXP-28：Automatic Semantic Residual Factor Discovery / Provenance Factor Compiler

摘要

future task family： $$ \mathcal J

A/B Uniform

A/B Skewed

A/B/C Uniform

A/B/C Skewed

1. Runtime

2. Primitive Residual Atoms

3. Uniform Atom Information

4. Skewed Atom Information

5. A/B Task Family

6. Automatic A/B Factorization

7. 自動重建 EXP-27

8. Coarsest Zero-Overread Theorem — Finite Model

9. A/B Exhaustive Verification

Fully Atomic

Incidence Quotient

10. 為什麼 4-Factor 也 Zero-Overread？

11. Task-Incidence Quotient Principle

12. A/B Storage Compression

13. A/B Expected Selective Read

14. 加入第三個 Task C

15. Shared Factor 被 Task Family 拆開

16. Factorization 不是 Latent Space 的固定真相

17. 三 Task Storage 去重

18. 更多 Tasks 可以提高 Storage Duplication Tax

19. Factor Metadata Cost

20. Compiler Objective

21. Factor Merge 會造成 Over-Read

22. Compiler Trade-Off

細 Factorization

粗 Factorization

23. A/B Uniform Phase

24. A/B Uniform Degeneracy

25. A/B Skewed：真正三階 Phase

3-Factor

2-Factor

26. 為什麼 Skewed 先 Merge B-Only？

27. A/B Skewed Breakpoint 1

28. A/B Skewed Breakpoint 2

29. A/B Skewed Phase Sequence

30. Prior 會改變 Compiler Topology

31. A/B/C Uniform

32. Symmetry-Induced Multiway Tie

33. A/B/C Skewed 解除 Degeneracy

34. 第一個 3-Factor Merge

35. 第一個 Over-Read Penalty

36. 第二個 2-Factor State

37. Final Monolithic State

38. Automatic Compiler 已經做了什麼？

39. Compiler Input / Output

40. Zero-Overread Mode

41. Metadata-Constrained Mode

42. Over-Read 是新的 Rate

43. Storage、Read、Metadata 三軸

44. Factor Count 不是越少越好

45. Task Family 增加可能使 Factorization 變細

46. Task Removal 則可以重新 Merge

47. Compiler Churn 問題重新出現

48. ESC 的閉環越來越完整

49. Incidence Quotient 與 Contextual Equivalence

50. Future Task 可以打破 Factor Equivalence

51. Factor Compression 也需要 Future Obligation

52. 本輪錨點

53. 下一輪：ESC-EXP-29