title: World Evolution Laboratory：第三類世界演化實驗——事實錨定反事實重建、觀察算子鎖與 AI 存在擾動
english_title: World Evolution Laboratory: A Third Experimental Regime for Factual-Anchored Counterfactual Worlds, Observation-Locked Agents, and Constraint Discovery
series: World Evolution Laboratory / WEL
document_id: WEL-00
version: 0.1
date: 2026-09-20
language: zh-TW
status: Integrated Research Draft
source_format: UTF-8 Markdown
proposed_repository: world-evolution-lab

World Evolution Laboratory：第三類世界演化實驗——事實錨定反事實重建、觀察算子鎖與 AI 存在擾動

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-09-20
版本： 0.1

摘要

現代科學對狀態演化的研究主要依賴兩類方法。第一類是直接物理實驗：研究者準備或觀察真實系統，施加可控干預，量測後續狀態。第二類是模型與合成實驗：研究者先指定或學習一套 simulator / world model，再從該模型產生 trajectory、synthetic data 或 imagined rollout。

當研究問題轉向以下命題時，兩類方法都會遇到限制：

在同一世界規則下，不同「存在」究竟還有多少可自由展開的方向？
哪些軌跡差異來自 agent，哪些來自觀察限制，哪些由世界硬約束決定？
一個 factual history 若只修改一個因果變量，真正受影響的 causal cone 有多大？
哪些 constraint operator family 在大量不同 agent 與 observation operator 下始終不被跨越？
某一狀態量在世界允許的條件下，其演化速率存在什麼上下界？
若不能任意複製真實宇宙，是否能建立一種仍具有 factual anchor、causal intervention 與可重複分叉的計算實驗？

本文提出 World Evolution Laboratory（WEL），並將其核心方法稱為「第三類世界演化實驗」。這不是物理實驗的替代品，也不是把普通 simulation 重新命名；它是一種研究性實驗制度：先由真實歷史、已知世界資料或明確 World Seed 建立可稽核的世界狀態，鎖定世界生成規則、約束、因果關係與觀察接口，再從同一世界節點反覆 fork，注入不同 AI agent、不同 observation operator、不同 body/action interface 或最小因果干預，產生大量內生演化軌跡資料。

其核心流程為：

\boxed{ H_{\mathrm{actual}} \xrightarrow{\mathrm{Abduction}} \widehat W_t \xrightarrow{\mathrm{World\ Lock}} \widehat W_t^\ast \xrightarrow{do(I)} \widehat W_t^{(I)} \xrightarrow{\mathrm{Agent\ Ensemble}} \{\Gamma_i\}_{i=1}^{N} \xrightarrow{\mathrm{Analysis}} \mathcal C,\mathcal R,\mathcal V,\mathcal K }

其中：

$H_{\mathrm{actual}}$ ：實際歷史或 factual evidence；
$\widehat W_t$ ：由 factual evidence 重建的世界狀態；
$do(I)$ ：最小因果干預；
$\Gamma_i$ ：不同 agent / observer 條件下產生的演化軌跡；
$\mathcal C$ ：跨軌跡 constraint / invariant family；
$\mathcal R$ ：reachable state region；
$\mathcal V$ ：state-evolution rate bounds；
$\mathcal K$ ：empirical causal cones / dependency structures。

本文主張：AI 在這套系統中的科學價值，不是「完美模仿原歷史人物」，而是作為 非腳本化、內生、具有記憶與策略的存在擾動子。不同模型與不同策略產生的軌跡差異不是必然要消除的 noise；在世界規則與 factual anchor 被鎖定後，它們正是用來探測自由展開域、約束邊界與因果敏感度的實驗訊號。

本文同時提出 Observation Operator Lock。與其用 prompt 要求 AI「想像自己是一隻蒼蠅、一顆粒子或一束光」，不如直接限制 agent 可取得的信息：

o_t^{(i)} = O_i(W_t).

AI 不需要被告知「自己是什麼」，而是被放置在某一個可操作的認識位置中。由此可將 perception、body、memory、policy 與 world law 拆成不同實驗變量。

WEL 的第一個工程版本不需要重新發明世界執行核心。既有 EveMissLab 專案已提供大量可回收零件：CompilableWorld Runtime 的 World Kernel、StateIR、ActionIR、EventIR、Snapshot、Replay 與 ScenarioIR；CTCL-ITR 的 causal DAG 與 temporal ledger；SEDB 的動態狀態字段與演化式 schema；AI Player Agent 的可插拔 agent/game adapter；MRMIC/PNCW 的 projection 與 observation infrastructure；MACR、ANDO、PMW Fabric 的 heterogeneous agent runtime；MNEME 的 memory-state layer；以及 MSSP Game Computer Runtime 的外部世界 observation/action loop。

因此，新專案的正確邊界不是「又一個 world engine」，而是：

\boxed{ \text{World Forking} + \text{Observation Lock} + \text{Causal Intervention} + \text{Agent Ensemble} + \text{Trajectory Analysis} }

本文最後將此方法與 MGCP–USE 系列接合：WEL 不直接證明真實宇宙存在某個最小完備生成物或通用狀態演化，但它提供一個可反覆運行的中介實驗層，使原本只能依賴哲學推演與稀少真實物理事件的命題，能先轉化為可控制、可分叉、可記錄、可反駁的世界演化實驗。

1. 問題：MGCP–USE 最難實驗的是什麼？

MGCP–USE 關心的核心不是單一粒子，而是：

\text{state} \rightarrow \text{state}

之間到底存在什麼最低生成規則、約束、不變量與演化速率。

形式上可以寫：

S_{t+1} = F(S_t,C_t,A_t),

其中：

$S_t$ ：世界狀態；
$C_t$ ：世界約束；
$A_t$ ：agent / intervention；
$F$ ：世界 transition mechanism。

真正困難在於：真實宇宙無法任意複製。

我們不能要求：

W_t \rightarrow \begin{cases} W_{t+1}^{(1)}\\ W_{t+1}^{(2)}\\ \vdots\\ W_{t+1}^{(N)} \end{cases}

並保證每條 branch 在 $t$ 之前共享完全相同歷史。

但許多最重要的問題恰恰需要這種能力。

例如：

若同一世界狀態給不同決策者，未來可以分多遠？

若觀察者只能取得世界的一小部分，它會形成什麼行動與內部模型？

若只修改一個 causal node，其他差異究竟何時、何處開始出現？

哪些世界邊界是不同 agent 無論如何都無法跨越的？

這些問題在真實宇宙中通常只能被間接觀察。

WEL 的目標是建立一個新的中介實驗層。

2. 三類實驗

2.1 第一類：Physical Experiment

研究者直接操作物理世界：

do(X=x) \rightarrow Y.

優點：

factual physical grounding；
真實因果干預；
可直接檢驗物理模型。

限制：

高成本；
許多條件不可重設；
大尺度歷史不可複製；
某些宇宙條件根本不可干預。

2.2 第二類：Synthetic / Model-Generated Experiment

研究者先指定或訓練：

F_{\mathrm{sim}},

再生成：

S_0 \rightarrow S_1 \rightarrow \cdots.

優點：

可大量生成；
可完全控制；
可取得 ground truth；
可快速掃描參數。

限制：

\boxed{ \text{simulator assumptions} \rightarrow \text{generated data}. }

若真正要研究的是 $F$ 本身，就容易出現 circularity。

2.3 第三類：Factual-Anchored Reconstructed Counterfactual World Experiment

WEL 提出：

H_{\mathrm{actual}} \rightarrow \widehat W_t \rightarrow do(I) \rightarrow \{\Gamma_i\}.

其關鍵不是「生成一個合理的其他世界」，而是：

factual evidence 先限制世界；
重建一個與 factual continuation 相容的世界狀態；
鎖定未被干預的世界機制；
只修改指定 causal intervention；
讓不同 agent 在這個被鎖定的世界中自行行動；
比較大量 trajectories。

因此第三類實驗的資料不是研究者逐筆設計的 label，也不是單純從固定 simulator 抽樣的普通 synthetic dataset。

更精確的名稱是：

\boxed{ \text{endogenous experimental trajectory data}. }

在廣義統計分類中，它仍由 computational world 產生；但在方法上，它和「先指定答案再合成資料」不同。軌跡內容由 agent–world coupling 在運行期間內生產生。

3. 為什麼普通 World Model Counterfactual 還不夠？

Google DeepMind 的 Genie 3 已能由 prompt 建立 real-time interactive world，並支援 promptable world events，例如改變天氣、加入物件或人物；其公開說明也將這些能力連到 counterfactual scenarios。

但這種能力主要回答：

P(Y\mid H,a')

也就是：

給定 shared history $H$ 與 alternative action $a'$ ，生成一個合理未來。

2026 年 Zhang 等人的 driving world model 研究指出，真正的 counterfactual 問題更強。若已經看過 factual continuation：

F^+,

就需要先用：

P(w\mid H,F^+)

對「這一個真的發生過的世界」做 abduction，再施加 alternative action。

因此真正問題是：

\boxed{ P(Y_{a'}\mid H,F^+) }

而不是：

\boxed{ P(Y\mid H,a'). }

前者問：

在這一個已知發生過的世界裡，如果只改那個 action，會怎樣？

後者更像：

在所有與 shared past 相容的世界中，換這個 action 可能生成什麼？

WEL 採用前者。

4. Factual Anchoring：先重建「這個世界」

設真實歷史：

H_{\mathrm{actual}} = (S_0,S_1,\ldots,S_t,\ldots,S_T).

WEL 不直接在：

S_t

上自由續寫。

而先重建：

\widehat W_t = ( \widehat S_t, \widehat Z_t, \widehat C_t, \widehat F_t, \widehat B_t ).

其中：

$\widehat S_t$ ：可觀測 state；
$\widehat Z_t$ ：由 factual history 約束出的 latent state；
$\widehat C_t$ ：causal / constraint structure；
$\widehat F_t$ ：world transition rules；
$\widehat B_t$ ：background / boundary conditions。

這是：

\boxed{ \text{Abduction} }

階段。

5. 不需要重建整個宇宙

若反事實 query 是：

Q: do(X=x') \Rightarrow Y?

不需要重建宇宙中所有細節。

只需要找到對 $Q$ 因果充分的子世界：

W_Q \subseteq W.

要求：

P(Y_{x'}\mid W_Q)

在加入其餘被忽略細節後保持穩定。

本文稱之為：

\boxed{ \text{Query-Relative Causal Sufficiency}. }

這使 WEL 不依賴「完整世界模型」才能開始。

6. World Lock

完成 factual reconstruction 後，需要鎖定：

\widehat W_t^\ast.

World Lock 至少包含：

WorldLock:
  state_anchor
  causal_constraints
  transition_rules
  invariants
  background_conditions
  resource_rules
  temporal_rules
  hidden_state_posterior
  allowed_interventions
  forbidden_mutations
  provenance

最重要原則：

\boxed{ \text{除了 intervention causal cone 中允許改變的東西， 世界不能為了讓故事合理而任意重寫。} }

7. 最小干預與 Causal Cone

定義 intervention：

I = do(X=x').

理想上只替換：

X=x

為：

X=x'.

其餘 factual state：

U=u^\ast

保持同一 realized world 的 latent realization，除非後續 causal propagation 合法改變它們。

干預後可能受影響的節點集合：

\mathcal K(X) = \{ Y: Y\in\operatorname{Descendants}(X) \}.

實驗上可近似：

\widehat{\mathcal K}(X) = \{ Y: P(Y\mid do(X=x')) \neq P(Y\mid do(X=x)) \}.

8. 世界、觀察者與觀察算子必須分離

完整世界：

W_t.

某個存在 $i$ 實際取得：

o_t^{(i)} = O_i(W_t).

因此：

\boxed{ W \neq O \neq \pi. }

其中：

$W$ ：世界；
$O$ ：observation operator；
$\pi$ ：agent policy。

9. Observation Operator Lock

與其 prompt：

你是一隻蒼蠅。

不如直接限制：

O_{\mathrm{fly}}(W_t).

例如只提供：

compound-eye-like visual channels；
olfactory channels；
proprioception；
local contact；
internal state。

agent 根本收不到 global world state。

因此：

\boxed{ \text{不要叫 AI 扮演觀察者； 建立觀察者。} }

Observation Operator 不等於 camera。一般形式：

O_i: W \rightarrow \mathcal O_i.

它可以是 vision、sound、smell、local field、contact、graph neighborhood、causal neighborhood 或 abstract instrument measurement。

10. 存在視角而非人格扮演

如果研究某類局部物理存在，agent 可以只取得：

O_p(W_t) = ( \text{local field}, \text{interaction channel}, \text{local invariants}, \text{accessible causal relations} ).

不用 prompt：

你看到旁邊有一顆質子。

也不用要求它產生人類式感覺。

WEL 研究的是：

\boxed{ \text{某 observation geometry 能形成什麼可行 world model 與 action trajectory？} }

對 photon 也不宣稱存在 ordinary rest frame，而可沿 null worldline：

\gamma(\lambda)

定義：

o_\lambda = O_\gamma(W,\gamma(\lambda)).

11. Body / Action Operator

存在不只由 observation 決定。

定義 embodiment：

E_i = ( O_i, A_i, D_i ),

其中：

$O_i$ ：perception operator；
$A_i$ ：action operator；
$D_i$ ：world coupling / body dynamics。

同一 controller：

\pi

可以被放進不同 $E_i$ 比較。

12. 果蠅研究提供的現代技術先例

2024 年 FlyWire 系列研究完成約 $139{,}255$ neurons 的 adult Drosophila whole-brain connectome；2024 年 NeuroMechFly v2 加入 vision、olfaction、ascending motor feedback 與複雜地形；2025 年 whole-body physics simulation 進一步建立可 walking 與 flight 的 anatomically detailed fly body。

其方法論訊息不是「已經重建蒼蠅主觀世界」，而是：

\boxed{ \text{brain} + \text{body} + \text{sensorium} + \text{environment} }

可以逐步拆成可模擬閉環。

13. AI 不必忠實模仿原存在

WEL 不要求：

\pi_{\mathrm{AI}} = \pi_{\mathrm{historical}}.

如果要求完全重播原行為，得到的是：

\boxed{ \text{historical reenactment}. }

真正需要：

\pi_i \neq \pi_j

但：

F_W^{(i)} = F_W^{(j)}.

也就是：

\boxed{ \text{Agent 可以不同，世界不能偷換。} }

14. AI 作為「存在擾動子」

本文將 AI 的實驗角色稱為：

\boxed{ \text{Endogenous Agent Perturbator}. }

它不是 random noise，也不是研究者每一步手動指定。

其 action：

a_t^{(i)} \sim \pi_i( a \mid o_{\le t}^{(i)}, m_t^{(i)}, g_i ).

AI 是否具有哲學意義上的自由意志，不是 WEL 前提。WEL 只要求：

\boxed{ \text{non-scripted endogenous decision source}. }

15. 異質 Agent 是實驗訊號

固定：

W_0^\ast, O, E.

替換：

\pi_1,\pi_2,\ldots,\pi_N.

得到：

\Gamma_1,\Gamma_2,\ldots,\Gamma_N.

不同 trajectories：

\Gamma_i\neq\Gamma_j

是：

\boxed{ \text{agent-induced experimental variance}. }

2026 年 Emergence World 在相同初始角色與環境設定下，讓不同 LLM model family 長期運行，得到顯著不同的宏觀結果。這提供了 heterogeneous agents 產生 divergent trajectories 的現代先例。

16. Forkable World State

某個世界節點：

W_t^\ast

需要可被 snapshot。

然後：

\operatorname{Fork}(W_t^\ast,N) = \{ W_t^{(1)}, \ldots, W_t^{(N)} \}.

要求各 branch 在 intervention 前語義等價。

真正 fork 必須保存：

state；
event history；
causal lineage；
scheduler state；
hidden-state posterior；
RNG / exogenous policy；
observation contracts；
rule versions；
resource state。

17. Exogenous Noise Strategy

17.1 Shared Exogenous Noise

不同 branch 共用：

U=u^\ast.

只改 intervention，適合 minimal-change counterfactual。

17.2 Resampled Exogenous Noise

每個 branch：

U_i\sim P(U).

適合研究 outcome distribution。

2026 年 Twin Rollouts 提出 factual/counterfactual branches 共享 prefix 與 future exogenous noise sequence，只在 intervention 後分歧；WEL 將這種思路擴展到多 agent、observation operator、body/action interface、factual reconstruction 與 long-horizon analysis。

18. 實驗因子分解

WEL 的 experiment tensor：

\boxed{ \mathcal E = W \times O \times B \times M \times \pi \times I \times U }

其中：

$W$ ：world rules / world seed；
$O$ ：observation operator；
$B$ ：body / action interface；
$M$ ：memory model；
$\pi$ ：agent policy/model；
$I$ ：causal intervention；
$U$ ：exogenous realization。

19. 核心實驗族

19.1 Same World, Different Agents

固定其他變量，只換：

\pi_i.

研究：

\frac{\partial\Gamma}{\partial\pi}.

19.2 Same Agent, Different Observation

只換：

O_i.

研究：

\frac{\partial\Gamma}{\partial O}.

19.3 Same Observer, Different Body

只換：

B_i.

研究：

\frac{\partial\Gamma}{\partial B}.

19.4 Memory Ablation

只換：

M_i.

研究：

\frac{\partial\Gamma}{\partial M}.

19.5 True Counterfactual Fork

同一：

W_t^\ast

做：

do(X=x')

並運行 agent ensemble，得到：

\boxed{ P( \Gamma \mid H_{\mathrm{actual}}, do(X=x') ) }.

20. Invariant Skeleton

對 trajectories：

\Gamma_1,\ldots,\Gamma_N

求：

\mathcal I^\ast = \bigcap_i \operatorname{Structure}(\Gamma_i).

可能代表：

world constraint；
invariant；
stable attractor；
causal order；
resource law。

21. Reachable State Region 與 Freedom Manifold

定義：

\mathcal R_T(W_0) = \bigcup_i \operatorname{States} ( \Gamma_i[0:T] ).

這是有限時間內被探索到的 reachable region。

若硬約束排除集合為：

\mathcal C(W_0),

則可操作地研究：

\mathcal F_{\mathrm{free}} = \mathcal A \setminus \mathcal C.

這不是自由意志的哲學證明，而是固定世界規則下的 trajectory degrees of freedom。

22. Constraint Boundary 與 Constraint Operator Family

若大量 agent 嘗試進入：

X

但：

X\notin\mathcal R,

則：

\partial\mathcal R

可能揭示世界硬邊界。

進一步尋找：

\mathfrak C = \{ C_1,C_2,\ldots,C_k \}

使：

C_j(\Gamma_i)=\text{true}

對大量 agent、observer 與 intervention 成立。

23. Evolution-Rate Bounds

對 observable：

x(W_t),

計算：

v_i = \frac{ x(W_{t+\Delta t}^{(i)}) - x(W_t) }{ \Delta t }.

大量 trajectories 後估：

v_{\min}(S,C) \le v \le v_{\max}(S,C).

這提供：

\boxed{ \text{state evolution rate envelope}. }

序參數也可不是時間，例如 scale、energy、causal depth、event count 或 computational work。

24. Empirical Causal Cone

對 intervention：

do(X=x')

分析：

Y_j.

若：

P(Y_j\mid do(X=x')) \neq P(Y_j\mid do(X=x)),

則將 $Y_j$ 加入：

\widehat{\mathcal K}(X).

多次 intervention 後可重建 causal cone。

25. Branch Entropy 與 Sensitivity

定義研究性 branch entropy：

H_{\mathrm{branch}} = - \sum_\Gamma P(\Gamma) \log P(\Gamma).

它量測 experiment family 下的 trajectory diversity，不是自由意志量。

Observer sensitivity：

\chi_O = D( P(\Gamma\mid O_a), P(\Gamma\mid O_b) ).

Agent sensitivity：

\chi_\pi = D( P(\Gamma\mid\pi_a), P(\Gamma\mid\pi_b) ).

26. 何時 constraint 比較像 world-level？

一個候選 $C$ 若對：

\pi,O,B,M

大量變化仍成立：

C(\Gamma)=1,

但在修改 world rule：

W\rightarrow W'

後失效，則 $C$ 具有較強 world-level evidence。

27. Experiment-Generated Data 的證據地位

WEL 產生資料應標：

data_origin:
  physical_observation
  factual_history
  reconstructed_world_state
  counterfactual_world_trace
  pure_synthetic_control

WEL 結果不是 direct physical-universe evidence。

其用途是檢驗：

\boxed{ \text{若某類 world law 成立， 其允許 trajectories 是否真的具有推導出的結構？} }

再把抽出的 prediction 帶回 physical observation。

28. WEL 與 MGCP–USE

MGCP–USE 提供：

\text{候選演化原語}.

WEL 提供：

\text{可重複世界演化資料}.

形成：

\boxed{ \text{Theory} \rightarrow \text{Executable World} \rightarrow \text{Trajectory Data} \rightarrow \text{Constraint Extraction} \rightarrow \text{Theory Update}. }

29. 現有 EveMissLab GitHub 零件

29.1 CompilableWorld Runtime

kakon77777-commits/compilableworld-runtime-mvp

已具備 World Kernel、Action IR、StateDelta、EventIR、Snapshot、Replay、ScenarioIR、FunctionIR、scoped StateIR 與 bounded action behaviors。

定位：

\boxed{ \text{WEL world substrate}. }

29.2 CompilableWorld Evennia Prototype

kakon77777-commits/CompilableWorld-Evennia-Prototype

提供 World IR、World Seed Package、provenance、hierarchical FSM 與 compiler lineage。

29.3 CTCL-ITR

kakon77777-commits/CTCL-ITR

提供 append-only temporal events、multi-parent causal edges、branch/join、Run/Attempt/Loop identity、causal DAG 與 integrity chain。

定位：

\boxed{ \text{world-line lineage ledger}. }

29.4 SEDB

kakon77777-commits/SEDB

可動態 propose / register / evaluate / converge / split / merge field。

定位：

\boxed{ \text{實驗中新發現的狀態變量與分析維度資料層}. }

29.5 AI Player Agent

kakon77777-commits/ai-player-agent

已有 GameAdapter、Observation、ActionResult、Persona、Report 與真實外部 MUD 遊玩。

定位：

\boxed{ \text{Agent Perturbation Adapter}. }

29.6 MRMIC / PNCW

kakon77777-commits/MRMIC_NVCL
kakon77777-commits/PNCW

提供 projection、Canvas、observation governance、runtime presence 與 projection lifecycle。

定位：

\boxed{ \text{observation / projection infrastructure}. }

29.7 MSSP Game Computer Runtime

kakon77777-commits/mssp-game-computer-runtime-mvp

已有：

\text{Frame} \rightarrow \text{Temporal Diff} \rightarrow \text{Observation} \rightarrow \text{Action} \rightarrow \text{Verified Change}.

定位：

\boxed{ \text{external-world observation/action adapter}. }

29.8 MACR / ANDO / PMW Fabric

kakon77777-commits/MACR
kakon77777-commits/ANDO-Runtime
kakon77777-commits/EveMissLab-PMW-Fabric

提供 provider-neutral agent execution、replaceable agents、durable shared state、heterogeneous AI workers 與 multi-agent coordination。

定位：

\boxed{ \text{agent ensemble runtime}. }

29.9 MNEME

kakon77777-commits/MNEME

可作為 memory control variable：

M.

29.10 PHOSPHOR Spacetime

kakon77777-commits/phosphor-spacetime

提供 Observe→Project→Govern→Authorize→Actuate→Verify，並分離：

\text{Time} \neq \text{Compute}.

30. 新 repo 不應再做 World Engine

新專案：

\boxed{ \text{World Evolution Laboratory} }

的工程邊界是：

World Evolution Laboratory
├── experiment protocol
├── factual reconstruction interface
├── world anchor / fork controller
├── causal intervention engine
├── observation-operator registry
├── body/action operator registry
├── agent ensemble runner
├── memory-condition controller
├── trajectory recorder
├── constraint extractor
├── reachable-region analyzer
├── evolution-rate analyzer
├── causal-cone analyzer
├── benchmark suites
└── adapters
    ├── CompilableWorld
    ├── CTCL-ITR
    ├── SEDB
    ├── AI Player Agent
    ├── MACR / ANDO / PMW
    ├── MRMIC / PNCW
    ├── MNEME
    └── MSSP Game Computer Runtime

31. Proposed Repository

建議 GitHub repository：

world-evolution-lab

正式名稱：

World Evolution Laboratory

縮寫：

WEL

若未來需要獨立 runtime package，可使用：

wel-runtime

repo 本身不建議直接叫 *-runtime，因為還會包含 papers、experiment specs、datasets、benchmarks、adapters 與 analysis。

32. 第一版核心契約

32.1 WorldExperiment

WorldExperiment:
  experiment_id
  world_source
  factual_anchor
  world_lock
  intervention
  observation_operator
  body_operator
  memory_profile
  agent_profile
  exogenous_policy
  fork_count
  horizon
  metrics
  provenance

32.2 WorldLine

WorldLine:
  worldline_id
  parent_worldline_id
  branch_point
  factual_or_counterfactual
  intervention_id
  agent_id
  observation_operator_id
  body_operator_id
  memory_profile_id
  exogenous_seed
  event_ledger_ref
  final_state_ref

32.3 ObservationOperator

ObservationOperator:
  operator_id
  input_world_scope
  visible_fields
  hidden_fields
  spatial_range
  temporal_range
  causal_range
  precision
  noise_model
  latency
  bandwidth
  derived_features
  forbidden_global_state

32.4 AgentPerturbator

AgentPerturbator:
  agent_id
  model_family
  policy_class
  goal_profile
  memory_profile
  action_budget
  stochasticity
  tools
  observation_binding
  body_binding
  provider_metadata

32.5 Intervention

Intervention:
  intervention_id
  target
  factual_value
  counterfactual_value
  intervention_time
  intervention_scope
  allowed_causal_descendants
  forbidden_rewrites
  exogenous_noise_policy

32.6 ConstraintCandidate

ConstraintCandidate:
  constraint_id
  discovered_from_worldlines
  mathematical_form
  domains_tested
  agents_tested
  observation_operators_tested
  interventions_tested
  counterexamples
  confidence
  world_level_evidence
  falsifier

33. MVP 不需要直接做歷史宇宙

WEL MVP 應先選一個完全可控 computational world。

要求：

deterministic or seedable；
forkable；
event-sourced；
observable；
intervention-safe；
multi-agent capable。

最適合直接從 CompilableWorld Runtime 接。

34. MVP Experiment Ladder

E0 — Deterministic Baseline

固定：

W,O,B,M,\pi,U.

重跑 $N$ 次，確認 fork / replay 不自行漂移。

E1 — Agent Diversity

固定其他變量，換不同：

\pi_i.

輸出 trajectory divergence、common invariants、reachable states、failed actions 與 rate bounds。

E2 — Observation Lock

固定 agent，比較：

O_{\mathrm{global}}, O_{\mathrm{local}}, O_{\mathrm{vision}}, O_{\mathrm{causal-neighborhood}}.

E3 — Causal Fork

同一：

W_t^\ast

做：

do(X=x').

確認 non-descendant 不被偷偷改寫，causal descendants 合法分歧。

E4 — Agent Ensemble Counterfactual

對同一 intervention 跑 $N$ 種 agent，估：

P(\Gamma\mid W_t^\ast,I).

E5 — Constraint Extraction

從：

\{\Gamma_i\}

自動抽 invariant、forbidden transition、stable region、action boundary 與 rate envelope，再用 held-out agent 驗證。

E6 — Observation × Agent Factorial

至少：

N_O \times N_\pi

factorial design，分離 world、observer、agent effect。

E7 — Factual Reconstruction

基礎世界實驗通過後，再輸入：

H_{\mathrm{actual}} \rightarrow \widehat W_t.

正式進入歷史反事實重建。

35. Factual Reconstruction Evidence Ladder

F0  authored fictional world
F1  synthetic controlled world
F2  fully logged real computational world
F3  partially observed external digital world
F4  historical human/social world
F5  physical-world reconstruction

越往後：

\text{epistemic uncertainty} \uparrow.

不能混用。

36. 歷史反事實不是第一階段

初期不應直接選高爭議戰爭／政治歷史作 benchmark，因為：

hidden variable 太多；
causal graph 不完整；
factual evidence 有爭議；
human reconstruction 不穩定。

初期更適合：

完整遊戲 log；
軟體歷史；
controlled multi-agent world；
strategy/sports logs；
deterministic simulation。

37. WEL 不是 Alternate-History Generator

區別：

\boxed{ \text{narrative plausibility} \neq \text{causal counterfactual validity}. }

一般 alternate history 可以為戲劇合理性補設定。

WEL 不行。

38. WEL 不是普通 Multi-Agent Sandbox

普通 sandbox 主要問：

Agents 會做什麼？

WEL 問：

\boxed{ \text{當世界與觀察條件被控制後， agent 差異揭露了什麼世界約束？} }

39. WEL 不是普通 World Model Benchmark

普通 benchmark 常測 visual quality、consistency、action controllability、task success。

WEL 核心測：

counterfactual locality；
world-rule preservation；
constraint extraction；
branch diversity；
causal cone；
evolution-rate bound；
observation dependence。

40. 世界規則不能被 Agent 自由改寫

\boxed{ \text{Agent Action} \neq \text{World Rule Mutation}. }

規則變更必須是另一個明確 intervention class。

41. Narrative Renderer 不能寫 State

\boxed{ \text{Narration} \neq \text{World Commit}. }

這與 CompilableWorld 現有 StateDelta / EventIR 分離設計相容。

42. Observation 不等於 Authority

\boxed{ \text{Observation Operator} \neq \text{Action Authority}. }

Agent 看見某資訊，不代表有權修改它。

43. Memory 不等於 World State

m_t \neq W_t.

Agent memory 可錯、可忘記；world state 必須獨立 canonical。

44. Agent 不等於 Ground Truth

即使多數 AI 選同一路徑，也不能推出世界必然如此。

更強的 world-level evidence 是：

\boxed{ \text{不同 agent 想跨越某邊界，但 world runtime 全部拒絕。} }

45. Constraint Discovery 要保存失敗

正式資料需收：

action_attempt
action_rejected
constraint_triggered
transition_blocked
resource_exhausted
causal_violation
observation_unavailable

失敗是 constraint boundary 的主要證據。

46. 計算資源也是實驗變量

agent 使用不同 compute：

C_{\mathrm{compute}}

可能改變 trajectory。

需記錄：

token budget；
reasoning budget；
latency；
tool budget。

47. 三種 Clock 必須分離

world_time
agent_compute_time
wall_clock_time

沿用：

\boxed{ \text{World Time} \neq \text{Agent Compute Time}. }

48. 長時程需要 Checkpoint 與 Lineage

需要：

snapshot；
deterministic resume；
event ledger；
agent memory snapshot；
CTCL anchor；
branch lineage。

任何正式 counterfactual branch 都要能回到 factual anchor。

49. 正式輸出不是影片

至少包含：

\boxed{ \text{State} + \text{Events} + \text{Actions} + \text{Observations} + \text{Constraints} + \text{Lineage} + \text{Metrics}. }

50. WEL 與未來 World Models

未來可以接：

video world models；
physics simulators；
game engines；
agent-based models；
hybrid neural-symbolic worlds。

架構：

\boxed{ \text{World Model} \rightarrow \text{WEL Adapter} \rightarrow \text{Experiment}. }

高生成 world model 適合 visual embodiment、novel environment、perception stress test 與 agent training；若要 strict counterfactual science，仍需 factual anchor、hidden-state abduction、minimal intervention、branch coupling 與 world-lock evidence。

51. 真實 Physics Simulator

MuJoCo、rigid-body engine、fluid solver、particle simulator 等可提供較強：

F_W

backend。

Agent 只透過：

O,A

接入。

52. Hybrid World

可以：

F_W = F_{\mathrm{hard}} + F_{\mathrm{learned}}.

例如 hard collision、learned social agent、hard resource accounting、learned narrative surface。

必須標：

rule_class:
  hard_runtime
  deterministic_function
  probabilistic_mechanism
  learned_model
  agent_decision
  narrative_projection

53. WEL 的研究問題

在世界固定後，跨異質 agent 的共同剩餘結構是什麼？
observation operator 改變時，哪些世界表徵與行為仍穩定？
世界可達狀態空間的邊界能否由 agent ensemble 主動逼近？
是否能由 trajectory ensemble 估計 state-evolution rate bounds？
causal intervention 的影響是否能被限制在可重建 causal cone？
相同 factual world 下，不同 agent family 的差異有多少是 agent bias，多少是 world structure？
是否存在跨不同 computational worlds 都保留的 constraint operator family？

54. 第一階段接受條件

WEL v0.1 至少完成：

forkable world snapshot；
deterministic replay；
observation operator lock；
agent adapter；
minimal causal intervention；
CTCL lineage；
trajectory recording；
invariant extraction；
reachable-region estimate；
rate-bound estimate。

55. 第一階段不需要

暫時不需要：

photorealistic world generation；
complete human civilization；
full brain simulation；
perfect factual-history reconstruction；
philosophical free-will model；
AGI；
quantum gravity simulator。

56. 成功標準

WEL v0.1 的成功不是「世界很像真的」。

而是：

\boxed{ \text{同一世界節點可以可靠 fork， 不同 agent 可以在受限 observation 下自主展開， 世界規則不漂移， 最後能抽出可在 held-out branch 驗證的 constraint。} }

57. 失敗標準

若：

branch 無法重播；
world rule 被 agent prompt 污染；
observation lock 可被繞過；
agent 差異無法與 world 差異分離；
extracted constraints 無法預測 held-out branch；

則：

\boxed{ \text{WEL experiment fails}. }

58. 科學誠實邊界

WEL 的任何結果都必須標明：

\boxed{ \text{Virtual-world evidence} \neq \text{direct physical-universe evidence}. }

只有當結果產生外部物理 prediction 並被實測支持時，才能提升證據地位。

59. 與 MGCP–USE 的最終接口

MGCP–USE：

\mathcal U = ( \mathcal D, \mathcal C, \mathcal I, \mathcal S, \mathcal R, \mathcal G ).

WEL 可以提供：

MGCP–USE 候選	WEL 實驗接口
$\mathcal D$ distinguishability	observation / state separation
$\mathcal C$ constraint	failed-action / boundary mining
$\mathcal I$ invariant	trajectory intersection
$\mathcal S$ stability	attractor / branch convergence
$\mathcal R$ relation / causal order	intervention + CTCL DAG
$\mathcal G$ generation / scale mapping	fork / world transition / adapter

60. 從理論推演到世界實驗

過去：

\text{Theory} \rightarrow \text{Human / AI Discussion}.

WEL：

\boxed{ \text{Theory} \rightarrow \text{Executable World} \rightarrow \text{Forked Experiment} \rightarrow \text{Trajectory Ensemble} \rightarrow \text{Measured Constraint} \rightarrow \text{Theory Revision}. }

61. 核心原則

\boxed{ \text{把「世界允許什麼、禁止什麼、如何展開」變成可重複實驗。} }

\boxed{ \text{Agent 選路；世界決定哪些路真的存在。} }

\boxed{ \text{不要叫 AI 扮演觀察者；建立觀察者。} }

\boxed{ \text{Agent 可以不同；世界不能偷換。} }

\boxed{ \text{Counterfactual 不是生成另一個合理故事； 而是在同一 factual world 上做最小干預後重新演化。} }

62. 結論

本文提出 World Evolution Laboratory（WEL）作為一種「第三類世界演化實驗」研究框架。

它位於 Physical Experiment 與 Pure Synthetic Simulation 之間，使用 factual anchor、reconstructed world state、locked causal constraints、observation operators、heterogeneous AI agents 與 forkable world histories，建立可反覆運行的 counterfactual world experiment。

其真正研究資料是：

\boxed{ \text{same world} + \text{controlled intervention} + \text{different endogenous agents} + \text{many trajectories}. }

由這些 trajectories 可以研究：

\boxed{ \text{Invariant Skeleton} }

\boxed{ \text{Constraint Operator Family} }

\boxed{ \text{Reachable State Region} }

\boxed{ \text{Freedom Degrees} }

\boxed{ \text{Evolution-Rate Bounds} }

\boxed{ \text{Empirical Causal Cone}. }

WEL 不宣稱虛擬世界等於真實宇宙，也不宣稱 AI 等於具有哲學自由意志的主體。它的科學價值更保守：建立一台可控的「世界演化實驗儀器」，讓原本只能由人類與 AI 長期思辨的生成、本體、觀察與狀態演化命題，先進入可運行、可分叉、可量測、可失敗的實驗階段。

若這條路成功，world model 的角色也會發生改變。

它不再只是：

\boxed{ \text{a model that generates a world} }

而可以成為：

\boxed{ \text{an experimental substrate on which laws, observers, agents and counterfactual histories can be varied independently}. }

這正是 World Evolution Laboratory 的研究起點。

參考文獻

Pearl, J. Causality: Models, Reasoning, and Inference. Cambridge University Press, 2nd ed. (2009).
Zhang, J., Cui, C., Xu, Y., Ye, X., Zhang, R., Wang, Z. "How Can Driving World Models Do Counterfactual Prediction?" arXiv:2608.11601 (2026).
https://arxiv.org/abs/2608.11601
Ma, Y., Shi, H., Xu, X. "Twin Rollouts: Noise-Coupled Counterfactual Branching in Interactive Video World Models." arXiv:2608.08982 (2026).
https://arxiv.org/abs/2608.08982
Google DeepMind. "Genie 3: A new frontier for world models." 5 August 2025.
https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
Akkil, D., Kokku, R., Vikram, K., Abuelsaad, T., Vempaty, A., Nitta, S. "Emergence World: A Platform for Evaluating Long-Horizon Multi-Agent Autonomy." arXiv:2606.08367 (2026).
https://arxiv.org/abs/2606.08367
Akkil, D., Abuelsaad, T., Vikram, K., Pace, M., Vempaty, A., Beotra, S., Kokku, R., Nitta, S. "Emergence World: Adversarial Stress-Testing of Long-Horizon Multi-Agent Systems." arXiv:2609.17320 (2026).
https://arxiv.org/abs/2609.17320
Dorkenwald, S., Matsliah, A., Sterling, A. R., et al. "Neuronal wiring diagram of an adult brain." Nature 634 (2024).
https://doi.org/10.1038/s41586-024-07558-y
Schlegel, P., Yin, Y., Bates, A. S., et al. "Whole-brain annotation and multi-connectome cell typing of Drosophila." Nature 634, 139–152 (2024).
https://doi.org/10.1038/s41586-024-07686-5
Wang-Chen, S., Stimpfling, V. A., Lam, T. K. C., et al. "NeuroMechFly v2: simulating embodied sensorimotor control in adult Drosophila." Nature Methods 21, 2353–2362 (2024).
https://doi.org/10.1038/s41592-024-02497-y
Vaxenburg, R., Siwanowicz, I., Merel, J., et al. "Whole-body physics simulation of fruit fly locomotion." Nature 643, 1312–1320 (2025).
https://doi.org/10.1038/s41586-025-09029-4

EveMissLab Existing-System References

kakon77777-commits/compilableworld-runtime-mvp
https://github.com/kakon77777-commits/compilableworld-runtime-mvp
kakon77777-commits/CompilableWorld-Evennia-Prototype
https://github.com/kakon77777-commits/CompilableWorld-Evennia-Prototype
kakon77777-commits/CTCL-ITR
https://github.com/kakon77777-commits/CTCL-ITR
kakon77777-commits/SEDB
https://github.com/kakon77777-commits/SEDB
kakon77777-commits/ai-player-agent
https://github.com/kakon77777-commits/ai-player-agent
kakon77777-commits/MRMIC_NVCL
https://github.com/kakon77777-commits/MRMIC_NVCL
kakon77777-commits/PNCW
https://github.com/kakon77777-commits/PNCW
kakon77777-commits/mssp-game-computer-runtime-mvp
https://github.com/kakon77777-commits/mssp-game-computer-runtime-mvp
kakon77777-commits/MACR
https://github.com/kakon77777-commits/MACR
kakon77777-commits/ANDO-Runtime
https://github.com/kakon77777-commits/ANDO-Runtime
kakon77777-commits/EveMissLab-PMW-Fabric
https://github.com/kakon77777-commits/EveMissLab-PMW-Fabric
kakon77777-commits/MNEME
https://github.com/kakon77777-commits/MNEME
kakon77777-commits/phosphor-spacetime
https://github.com/kakon77777-commits/phosphor-spacetime

Source Integrity Note

本文件為 UTF-8 Markdown canonical source。數學原始碼只使用 $...$ 與 $$...$$ delimiter，不進行 LaTeX-to-Unicode 數學替換，不使用 unicode-escape round-trip。

本文中的「第三類世界演化實驗」、「World Evolution Laboratory」、「Endogenous Agent Perturbator」、「Observation Operator Lock」、「World Lock」、「Freedom Manifold」、「Constraint Operator Family」等屬本文提出或整合的研究工作概念，不宣稱為現有學界統一標準術語。

本文明確區分：

\text{virtual-world evidence} \neq \text{direct physical-universe evidence}.

WEL 的作用是建立可重複的中介實驗層，生成可被分析與否證的世界演化軌跡；任何從 WEL 得到的本體論或物理命題，仍需要額外的真實世界觀測或實驗才能提升證據地位。