← Archive
lm-004604 · 2026-10

動態視角路由 v0.2

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

動態視角路由 v0.2

——從固定角色、靜態分工到狀態驅動的觀察算子選擇

English Title: Dynamic Perspective Routing: State-Conditioned Selection of Observation Operators for Macro-Object Understanding
系列：《宏觀個體導向的動態全域觀察方法論》05 / 07
Series B： Macro-Object-Oriented Dynamic Global Observation Methodology
作者： Neo.K × AI 協作
版本： v0.2
日期： 2026-09-16
文件性質： Agent Runtime／Active Perception／Multi-Agent Routing／Contextual Decision Making／Epistemic Control／AI-Native Engineering
承接： B01〈宏觀個體與局部投影〉、B02〈角色即觀察算子〉、B03〈解析度理論〉、B04〈推理解析度與觀察解析度不對稱〉
既有基座： APR、Global-First Completion、Dynamic MSSP、Project-World Cognition、A07 Capability–Perspective Activation、A08 Homogeneous Green
後續接口： B06〈APR 驅動的動態全域感知〉、B07〈跨視角閉合〉

機構： EveMissLab／一言諾科技有限公司

摘要

前四篇已逐步建立：

X≠Oi(X)\boxed{ X \neq O_i(X) }

宏觀個體不等於任何單一投影；

Role→ObservationOperator\boxed{ \text{Role} \rightarrow \text{ObservationOperator} }

角色可被理解為一組 task-relevant observation / judgment operators；

Resolution=RelevantStateDistinguishability\boxed{ \text{Resolution} = \text{RelevantStateDistinguishability} }

解析度不是資料量，而是對重要世界狀態的可區分能力；

以及：

ReasoningResolution≠ObservationResolution.\boxed{ \text{ReasoningResolution} \neq \text{ObservationResolution}. }

當 observation 是 bottleneck 時，更多 reasoning 不能自動補回缺失 evidence。

因此 Series B 接下來的關鍵問題是：

如果 Agent 已知道目前視角不足，它下一步到底應該切到哪一個視角？

本文提出：

Dynamic Perspective Routing

動態視角路由

令可用 perspective / role operators 為：

P={P1,P2,…,Pn}.\mathcal P = \{ P_1,P_2,\ldots,P_n \}.

Agent 在時間 tt 的 epistemic state：

StP=(Gt,X^t,Pt,Ut,Kt,Rt,Bt,Γt,Ht)\boxed{ S_t^P = ( G_t, \hat X_t, P_t, U_t, K_t, R_t, \mathbf B_t, \Gamma_t, H_t ) }

其中：

  • GtG_t：goal / intent；
  • X^t\hat X_t：目前宏觀世界模型；
  • PtP_t：current active perspective；
  • UtU_t：unknown / ambiguity；
  • KtK_t：known conflicts / contradictions；
  • RtR_t：risk / irreversibility；
  • Bt\mathbf B_t：token、compute、latency、tool、human 等 budget；
  • Γt\Gamma_t：authority / access envelope；
  • HtH_t：perspective history / previous routing outcomes。

Perspective Router 不直接回答：

哪個模型最好？

也不先回答：

哪個 Agent 要出場？

它首先回答：

目前哪一個 observation / judgment operator 最可能降低對當前 decision 有意義的不確定性？

概念上：

Pt∗=arg⁡max⁡Pi∈Peligible[IGQ(Pi∣StP)−λC(Pi)−μCswitch(Pt,Pi)−νRisk(Pi)+ηFutureValue(Pi)].\boxed{ P_t^\ast = \arg\max_{P_i\in\mathcal P_{eligible}} \left[ IG_Q(P_i\mid S_t^P) - \lambda C(P_i) - \mu C_{switch}(P_t,P_i) - \nu Risk(P_i) + \eta FutureValue(P_i) \right]. }

其中：

  • IGQIG_Q：對 current query 的預期 information gain；
  • C(Pi)C(P_i)：啟動該 perspective 的 observation / reasoning / coordination cost；
  • CswitchC_{switch}：從 current perspective 切換所需的 context reconstruction / tool / translation cost；
  • Risk(Pi)Risk(P_i)：該 observation / intervention 的風險與 authority 代價；
  • FutureValue(Pi)FutureValue(P_i)：新路徑未來可重用、可結晶、可改善 routing policy 的價值。

此公式不是要求工程系統精確求解連續最佳化，而是固定一個核心原則：

Perspective selection should be state-conditioned, evidence-driven, and cost-aware.\boxed{ \text{Perspective selection should be state-conditioned, evidence-driven, and cost-aware.} }

本文將 routing action 分成：

AP={KEEP,SWITCH,PUSH,POP,EXPAND,CONTRACT,SUSPEND,REOPEN}.\boxed{ A_P = \{ KEEP, SWITCH, PUSH, POP, EXPAND, CONTRACT, SUSPEND, REOPEN \}. }

因此 Dynamic Perspective Routing 並不等於不停切換角色。成熟 router 同樣必須知道何時：

  • 保持目前 perspective；
  • 暫時 push 一個局部 perspective；
  • 完成後 pop 回原 task；
  • 把 local symptom zoom out 到 architecture / substrate；
  • 從 architecture 收縮回 implementation；
  • 因 authority / missing tool 暫停；
  • 因新 evidence 重新開啟已關閉 perspective。

外部研究提供了多條直接近鄰。Active Perception 文獻長期把 viewpoint selection、temporal selection、sensor alignment 與 information-seeking action 視為 perception 的核心部分，而非固定輸入後的被動辨識。POMDP 研究則將 action 同時視為 world-control 與 information-acquisition 手段。2026 ACL 的 AgentRouter 使用 task-aware graph routing 選擇不同 agents；RouterHGC 更進一步把 query、role、LLM 與 collaboration mode 放入 heterogeneous graph 中共同路由。這些工作證明：

Dynamic routing\boxed{ \text{Dynamic routing} }

已經是 model / agent / perception 系統中的實際工程方向。

但本文與其保持一個明確邊界：

Perspective Routing≠Agent Routing≠Model Routing.\boxed{ \text{Perspective Routing} \neq \text{Agent Routing} \neq \text{Model Routing}. }

Perspective 是：

應該以什麼 epistemic operator 看世界？

Agent 是：

哪個協作者執行這個 operator？

Model 是：

用哪個模型作為 compute substrate？

Skill 是：

用哪種方法執行？

Modality / Tool 是：

從哪個 evidence channel 取得世界狀態？

因此本文提出完整 routing stack：

Need→Perspective→Skill→Executor→Modality→Tool→Resolution→Evidence.\boxed{ \text{Need} \rightarrow \text{Perspective} \rightarrow \text{Skill} \rightarrow \text{Executor} \rightarrow \text{Modality} \rightarrow \text{Tool} \rightarrow \text{Resolution} \rightarrow \text{Evidence}. }

這使 Dynamic Perspective Routing 成為 Series B 中真正的控制層：B01–B04 建立的是「世界、視角、解析度與推理／觀察差異」；B05 則第一次回答：

Agent 如何在它們之間移動。

1. 問題：知道「現在看得不夠」之後呢？

A07 與 B04 已能讓 Agent 判斷：

current code perspective is insufficient

但這仍沒有回答：

接下來去哪裡？

可能候選：

  • runtime；
  • architecture；
  • UX；
  • visual；
  • security；
  • data；
  • user；
  • external provider；
  • formal verifier。

如果沒有 router，

系統只能：

  1. 靠固定 workflow；
  2. 全角色全開；
  3. 隨機選；
  4. 永遠留在 current role。

2. 固定 Workflow 是 Static Routing

例如：

implement
→ test
→ review
→ security
→ deploy

其實就是：

P1→P2→P3→P4\boxed{ P_1 \rightarrow P_2 \rightarrow P_3 \rightarrow P_4 }

固定 policy。

它不是沒有 routing。

而是：

routing policy independent of current evidence.\boxed{ \text{routing policy independent of current evidence.} }

3. Static Routing 的優點

  • predictable；
  • auditable；
  • simple；
  • low controller cost；
  • 適合高度重複流程。

所以：

StaticRouting\text{StaticRouting}

不是錯。

4. Static Routing 的限制

如果：

  • task 類型差異大；
  • risk 動態改變；
  • evidence gap 不同；
  • model capability 廣；
  • tools 很多；

固定路徑會：

over-activate\boxed{ \text{over-activate} }

或：

under-activate.\boxed{ \text{under-activate.} }

5. 全角色全開不是 Dynamic Globality

如果每 task：

architecture
security
UX
runtime
data
QA

全部啟動，

這叫：

UniformPerspectiveActivation.\boxed{ \text{UniformPerspectiveActivation}. }

不是：

DynamicRouting.\text{DynamicRouting}.

6. Dynamic Routing 的目標

不是：

max⁡∣Pactive∣.\max |\mathcal P_{active}|.

而是：

min⁡Costs.t.DecisionRelevantPerspectiveCoverage\boxed{ \min \text{Cost} \quad \text{s.t.} \quad \text{DecisionRelevantPerspectiveCoverage} }

7. Global Awareness ≠ Global Activation

B02 已提出：

KnowRelevantRoles≠ActivateAllRoles.\boxed{ \text{KnowRelevantRoles} \neq \text{ActivateAllRoles}. }

B05 進一步：

GlobalAwareness=maintain routeability over perspectives.\boxed{ \text{GlobalAwareness} = \text{maintain routeability over perspectives}. }

8. Perspective Registry

全域 Agent 有：

P={Pimplementation,Parchitecture,Pruntime,Pvisual,PUX,Psecurity,Pdata,Pops,Pplayer,Pauthority,…}.\mathcal P = \{ P_{implementation}, P_{architecture}, P_{runtime}, P_{visual}, P_{UX}, P_{security}, P_{data}, P_{ops}, P_{player}, P_{authority}, \ldots \}.

9. Registry 不是 Agent Pool

同一 perspective：

PiP_i

可由：

  • same Agent；
  • another Agent；
  • deterministic tool；
  • human；
  • composite；

執行。

所以：

PerspectiveRegistry≠AgentRegistry.\boxed{ \text{PerspectiveRegistry} \neq \text{AgentRegistry}. }

10. Perspective Descriptor

每個 perspective 至少：

perspective:
  id:
  concerns:
  questions:
  modalities:
  tools:
  failure_classes:
  required_authority:
  expected_cost:
  switch_cost:
  activation_triggers:
  exit_conditions:

11. Router State

定義：

StP=(Gt,X^t,Pt,Ut,Kt,Rt,Bt,Γt,Ht).\boxed{ S_t^P = ( G_t, \hat X_t, P_t, U_t, K_t, R_t, B_t, \Gamma_t, H_t ). }

12. Goal

GtG_t

決定：

哪些 uncertainty relevant。

同一 macro-object，

不同 goal：

  • debug；
  • optimize；
  • security audit；

需要不同 route。

13. Macro Belief

X^t\hat X_t

提供：

  • constituents；
  • boundaries；
  • current state；
  • evidence map；
  • unknown map。

Router 不應只看 user prompt。

14. Current Perspective

PtP_t

重要，

因為：

switching 有成本。

不是每次都從零選。

15. Unknown Set

UtU_t

應 typed：

  • unobserved；
  • uninferred；
  • conflicted；
  • stale；
  • authority-blocked。

只有 observation-type unknown 才路由 perspective。

16. Conflict Set

KtK_t

包含：

  • cross-role contradiction；
  • source/runtime mismatch；
  • expected/observed mismatch。

Conflict 往往是 routing trigger。

17. Risk

RtR_t

控制：

  • mandatory perspectives；
  • exploration；
  • independent validation；
  • depth。

18. Budget

BtB_t

避免：

每個 perspective 都能無限展開。

19. Authority Envelope

Γt\Gamma_t

決定：

某 perspective 雖有高 information gain，但 Agent 能否合法取得 evidence？

20. History

HtH_t

保存：

  • 哪些 route 有用；
  • 哪些 route 冗餘；
  • 哪些 anomaly 常對應哪些 perspective。

21. Routing Action Space

AP={KEEP,SWITCH,PUSH,POP,EXPAND,CONTRACT,SUSPEND,REOPEN}.\boxed{ A_P = \{ KEEP, SWITCH, PUSH, POP, EXPAND, CONTRACT, SUSPEND, REOPEN \}. }

22. KEEP

維持：

Pt+1=Pt.P_{t+1}=P_t.

如果 current perspective 還在高效降低 uncertainty，

不要切。

23. SWITCH

Pt→Pj.P_t \rightarrow P_j.

current perspective 完成或錯位，

主 task 轉到另一 perspective。

24. PUSH

保留 current task，

暫時加入：

Pj.P_j.

例如：

implementation
PUSH visual

驗證 screenshot 後回來。

25. POP

局部 perspective closure：

POP(Pj).POP(P_j).

回前一層。

26. EXPAND

從 local：

implementation\text{implementation}

向：

architecture\text{architecture}

擴張。

27. CONTRACT

原因已定位：

architecture→implementation.\text{architecture} \rightarrow \text{implementation}.

28. SUSPEND

perspective relevant，

但：

  • tool unavailable；
  • authority missing；
  • external dependency；

暫停。

29. REOPEN

已 closed perspective 因：

  • new evidence；
  • affected change；
  • stale evidence；

重新啟動。

30. Router 不是一直 SWITCH

Perspective switching 本身有：

Cswitch.C_{switch}.

所以高頻切換可能：

ContextThrash.\text{ContextThrash}.

31. Switching Cost

Cswitch(Pi,Pj)=Ccontext+Ctranslation+Ctool+Cstate recovery+Ccoordination.\boxed{ C_{switch}(P_i,P_j) = C_{context} + C_{translation} + C_{tool} + C_{state\ recovery} + C_{coordination}. }

32. Same-Agent Switch

同 Agent：

Ccoordination↓.C_{coordination}\downarrow.

但：

ErrorCorrelation↑ErrorCorrelation\uparrow

可能。

33. Cross-Agent Switch

another Agent：

  • fresh context；
  • independence；

但：

handoff cost↑.handoff\ cost\uparrow.

34. Router 要同時考慮 Executor Topology

Perspective selection 後，

再決定：

same Agent hot-swap 還是 spawn independent Agent？

35. Perspective / Executor Separation

P∗=what epistemic operator is needed\boxed{ P^\ast = \text{what epistemic operator is needed} } A∗=who/what should execute it\boxed{ A^\ast = \text{who/what should execute it} }

36. Perspective / Model Separation

同理：

PerspectiveSelection≠ModelSelection.\boxed{ \text{PerspectiveSelection} \neq \text{ModelSelection}. }

37. AgentRouter 的外部近鄰

ACL 2026 AgentRouter：

  • query；
  • contextual entities；
  • agents；

建 heterogeneous graph，

學 task-aware routing distribution。

這證明：

Agent 選擇本身可以 state / context dependent。

38. RouterHGC

ACL 2026 RouterHGC 更把：

  • user queries；
  • collaboration modes；
  • agent roles；
  • LLMs；

放入同一 heterogeneous graph。

它非常接近：

Task→Role/Agent/Modelrouting.\boxed{ Task\rightarrow Role/Agent/Model routing. }

39. B05 與 AgentRouter / RouterHGC 的差異

外部工作主要路由：

ExecutorConfiguration.\boxed{ \text{ExecutorConfiguration}. }

B05 路由：

EpistemicPerspective.\boxed{ \text{EpistemicPerspective}. }

Perspective 選完之後，

才可以用 AgentRouter 類技術決定 executor。

40. Routing Stack

Need→Perspective→Skill→Executor→Model→Modality→Tool→Resolution.\boxed{ \text{Need} \rightarrow \text{Perspective} \rightarrow \text{Skill} \rightarrow \text{Executor} \rightarrow \text{Model} \rightarrow \text{Modality} \rightarrow \text{Tool} \rightarrow \text{Resolution}. }

41. 這個 Stack 不必每次完整跑

一些 layer 可固定。

例如：

  • deterministic schema perspective；
  • executor 直接 schema validator。

42. Perspective Router 的 Utility

U(Pi∣St)=wIIGQ(Pi)+wRRiskReduction(Pi)+wCConflictResolution(Pi)+wFFutureValue(Pi)−wKCost(Pi)−wSSwitchCost(Pt,Pi).\boxed{ U(P_i\mid S_t) = w_I IG_Q(P_i) + w_R RiskReduction(P_i) + w_C ConflictResolution(P_i) + w_F FutureValue(P_i) - w_K Cost(P_i) - w_S SwitchCost(P_t,P_i). }

43. Eligible Set

先做 hard constraints：

Peligible={Pi:Authority(Pi)=1∧ToolAvailable(Pi)=1∧ScopeLegal(Pi)=1}.\boxed{ \mathcal P_{eligible} = \{ P_i: Authority(P_i)=1 \land ToolAvailable(P_i)=1 \land ScopeLegal(P_i)=1 \}. }

44. Hard Constraints First

不要讓 optimization：

因為 information gain 高

而跳過：

  • privacy；
  • permission；
  • scope；
  • safety；
  • resource ceiling。

45. Soft Utility Second

在 legal eligible set 中：

arg⁡max⁡U.\arg\max U.

這與作者其他 router 理論一貫：

OptimizationPreference≠ExecutionAuthority.\boxed{ \text{OptimizationPreference} \neq \text{ExecutionAuthority}. }

46. Expected Information Gain

B03 已定義：

IGQ.IG_Q.

B05 使用：

IGQ(Pi∣St)\boxed{ IG_Q(P_i\mid S_t) }

估：

啟動該 perspective 後，預期會消除多少 decision-relevant ambiguity？

47. Risk Reduction

某 perspective 即使 immediate IG 低，

但高風險 mandatory。

例如：

PsecurityP_{security}

對 release gate。

因此：

RiskReduction\text{RiskReduction}

獨立項。

48. Conflict Resolution Value

如果：

Pbackend=PASS,P_{backend}=PASS, PUX=FAIL,P_{UX}=FAIL,

可能需要：

Pend2endP_{end2end}

專門 reconcile。

49. Future Value

某 route 現在稍貴，

但如果能形成 reusable pattern：

FutureValue↑.\text{FutureValue}\uparrow.

例如首次建立：

UI defect → visual replay route。

50. Navigation Crystal 近鄰

既有記憶路徑研究提出：

AI 不只記住答案，也記住「這類問題去哪裡找」。

Perspective routing 同樣可以：

TaskPattern→PerspectivePath\boxed{ \text{TaskPattern} \rightarrow \text{PerspectivePath} }

結晶。

51. 但 Path Compilation ≠ Permission Compilation

快速路由不能跳過：

  • authority；
  • freshness；
  • version；
  • tool availability。

52. Hot Perspective Route

例如：

UI-affecting CSS change
→ visual/interaction perspective

可成：

HotRoute.\text{HotRoute}.

但不是：

永遠直接 PASS。

53. Routing Memory

保存：

pattern:
  trigger:
  perspective:
  evidence:
  success:
  cost:
  failure:
  version:

54. Online Routing Learning

每次 route：

PiP_i

取得：

Rewardi.\text{Reward}_i.

更新：

πP.\pi_{P}.

55. Contextual Bandit 近鄰

Perspective routing 具有：

  • context；
  • candidate actions；
  • uncertain reward；
  • exploration/exploitation；

因此 contextual bandit 是自然近鄰。

56. 但 B05 不等於 Bandit

因為：

  • state sequential；
  • switching cost；
  • hidden world；
  • action changes future evidence；
  • authority constraints；

很多情況更接近：

POMDP.POMDP.

57. POMDP 近鄰

Active Perception 文獻長期使用 POMDP：

BeliefState→SensingAction→Observation→BeliefUpdate.\text{BeliefState} \rightarrow \text{SensingAction} \rightarrow \text{Observation} \rightarrow \text{BeliefUpdate}.

B05 的 perspective router 類似：

MacroBelief→PerspectiveAction→Evidence→BeliefUpdate.\text{MacroBelief} \rightarrow \text{PerspectiveAction} \rightarrow \text{Evidence} \rightarrow \text{BeliefUpdate}.

58. Joint Control and Active Perception

2025 Shi、Dorothy、Fu：

POMDP action 同時可以影響 system dynamics 與 emission / perception，並加入 information gain objective。

這說明：

InformationAcquisition\boxed{ \text{InformationAcquisition} }

可以是 planning objective。

59. Active Perception Foundations

active perception 傳統把：

  • when；
  • where；
  • viewpoint；
  • sensor alignment；
  • fixation；
  • agent pose；

都視為 perception policy。

B05 把：

which epistemic perspective?\boxed{ \text{which epistemic perspective?} }

加入上層。

60. Physical Viewpoint vs Semantic Perspective

Robot 的 viewpoint：

camera pose。

B05 perspective：

security / runtime / user / architecture。

兩者不同。

但共同點：

observer can actively choose how to expose state.\boxed{ \text{observer can actively choose how to expose state.} }

61. Next-Best-View

robotics 常選：

view∗=arg⁡max⁡IG(view)−Cost(view).view^\ast = \arg\max \text{IG}(view)-\text{Cost}(view).

B05 同型：

P∗=arg⁡max⁡IG(P)−Cost(P).P^\ast = \arg\max \text{IG}(P)-\text{Cost}(P).

62. Non-Myopic Routing

myopic router：

看下一步 immediate gain。

但有些 route：

第一觀察本身 gain 小，卻開啟後續高價值 evidence。

需要：

Lookahead.\text{Lookahead}.

63. Example：Architecture First

bug 表面：

button disabled。

visual perspective：

只知道真的 disabled。

architecture perspective：

找到 authority state ownership。

第一步較貴，

但後續 repair 更短。

64. Routing Horizon

定義：

HP.H_P.

低風險：

HP=1H_P=1

greedy。

複雜 task：

HP>1.H_P>1.

65. Router Planning Cost

lookahead 本身有成本：

Crouter.C_{router}.

所以不能：

每個小 task 做 full POMDP solve。

66. Adaptive Router Depth

Depthrouter=f(Risk,Ambiguity,TaskHorizon,Cost).Depth_{router} = f( \text{Risk}, \text{Ambiguity}, \text{TaskHorizon}, \text{Cost} ).

67. Myopic Default / Non-Myopic Escalation

可以：

default = greedy information gain
if high risk / repeated failure:
    use lookahead

68. Exploration / Exploitation

已知 route：

PaP_a

通常有效。

未知：

PbP_b

可能更好。

需要：

explore/exploit.\boxed{ \text{explore/exploit.} }

69. Exploration Bonus

U′(Pi)=U(Pi)+βUncertainty(Pi).\boxed{ U'(P_i) = U(P_i) + \beta \text{Uncertainty}(P_i). }

70. 高風險下 Exploration 應降低

production：

β↓.\beta\downarrow.

sandbox：

β↑.\beta\uparrow.

71. 但高風險不能完全禁止新 Perspective

如果 known route 反覆失敗，

必須：

ExplorationAllowed.\text{ExplorationAllowed}.

否則：

PerspectiveLock.\text{PerspectiveLock}.

72. Perspective Lock 是 Routing Failure

A07：

RepeatedSameProjection+NoReassessment=PerspectiveLock.\text{RepeatedSameProjection} + \text{NoReassessment} = \text{PerspectiveLock}.

B05 將其視為：

Router failed to switch despite negative evidence.\boxed{ \text{Router failed to switch despite negative evidence.} }

73. Lock Detector

如果：

NsamePerspective↑N_{samePerspective}\uparrow

且：

AmbiguityReduction≈0,\text{AmbiguityReduction}\approx0,

觸發：

FORCE_REASSESS.\boxed{ \text{FORCE\_REASSESS.} }

74. Routing Regret

最優 perspective：

Pt∗.P_t^\ast.

實際：

Pt.P_t.

regret：

Regrett=U(Pt∗)−U(Pt).\boxed{ \text{Regret}_t = U(P_t^\ast)-U(P_t). }

75. Cumulative Routing Regret

RT=∑t=1TRegrett.\boxed{ R_T = \sum_{t=1}^{T}\text{Regret}_t. }

可評估 router。

76. 但最優 Perspective 通常事後才知道

所以需要：

  • oracle benchmark；
  • counterfactual replay；
  • off-policy evaluation。

77. Selection Bias

如果 production router 從不選：

Pj,P_j,

就不知道：

PjP_j 是否其實更好。

這是：

Routing Selection Bias

78. Off-Policy Evaluation

既有 contextual bandit literature：

  • IPS；
  • doubly robust；
  • SWITCH；

可評估 historical routing logs。

B05 不重造這套統計學。

79. Propensity Provenance

如果要學 router，

每次 decision 應記：

candidate_perspectives:
chosen:
propensity:
policy_version:
reward:

80. Deterministic Router 也要 Log

沒有 stochastic propensity，

至少記：

  • eligibility；
  • ranking；
  • reasons。

81. Cold-Start Perspective

新 perspective 沒 history。

router 可能永遠不選：

⇒CapabilityNonIdentifiability.\Rightarrow \text{CapabilityNonIdentifiability}.

需要 controlled exploration。

82. Provider Starvation 的類比

如果某 Agent / model / perspective 永遠被 routing policy 餓死，

我們無法估計其真實能力。

83. Perspective Starvation

本文定義：

Perspective Starvation

若：

PiP_i

長期 relevant，

但：

P(activate(Pi))≈0,P(activate(P_i))\approx0,

則：

系統永遠學不到它何時有用。

84. Exploration Window

可在：

  • sandbox；
  • low-risk；
  • replay；

探索。

85. Shadow Perspective

像 model routing shadow mode：

主路徑：

PaP_a

執行。

shadow：

PbP_b

只觀察／評估，不行動。

86. Shadow Routing

可用於：

  • 評估新 perspective；
  • 比較 diagnosis；
  • 不增加 production authority risk。

87. Shadow Cost

仍花：

  • compute；
  • token；
  • tool。

所以 selective。

88. Perspective Utility 不是固定

U(Pi,t)U(P_i,t)

隨：

  • world；
  • model；
  • tool；
  • version；

漂移。

89. Perspective Drift

以前：

PiP_i

有用。

工具改版後：

IG↓.IG\downarrow.

所以 router 需：

CapabilityDriftMaintenance.\boxed{ \text{CapabilityDriftMaintenance}. }

90. Tool Drift

例如 browser automation 失效，

visual perspective 成本上升。

91. Model Drift

新模型：

更擅長 architecture。

routing prior 應更新。

92. Environment Drift

產品：

從 desktop 變 mobile。

UX / visual route importance 改變。

93. Routing Policy Version

πtP.\pi_t^P.

每次更新：

  • version；
  • training data；
  • evaluation。

94. Global Observer 是 Router

B02：

GlobalObserver=MetaController(roles,observations,resolution).\text{GlobalObserver} = MetaController( \text{roles}, \text{observations}, \text{resolution} ).

B05 具體化：

GlobalObserver=PerspectiveRouter+BeliefUpdater+RouteMemory.\boxed{ \text{GlobalObserver} = \text{PerspectiveRouter} + \text{BeliefUpdater} + \text{RouteMemory}. }

95. Global Observer 不是 Super-Architect

如果 router 永遠選：

Parchitecture,P_{architecture},

它只是：

architecture-centric agent。

96. Global Observer 的第一能力

KnowCurrentPerspective.\boxed{ \text{KnowCurrentPerspective}. }

97. 第二能力

KnowAvailablePerspectives.\boxed{ \text{KnowAvailablePerspectives}. }

98. 第三能力

KnowWhyCurrentPerspectiveMayBeInsufficient.\boxed{ \text{KnowWhyCurrentPerspectiveMayBeInsufficient}. }

99. 第四能力

SwitchAtTheRightTime.\boxed{ \text{SwitchAtTheRightTime}. }

100. 第五能力

ReturnAfterLocalInspection.\boxed{ \text{ReturnAfterLocalInspection}. }

否則每次 switch 都丟主 task。

101. Perspective Stack

implementation
  PUSH visual
    PUSH runtime
    POP runtime
  POP visual
implementation

102. Stack vs Switch

PUSH：

暫時 subsidiary question。

SWITCH：

主問題重定位。

103. Example：UI Defect

Current：

Pimplementation.P_{implementation}.

trigger：

UI-affecting change。

router：

PUSH(Pvisual).PUSH(P_{visual}).

screenshot FAIL。

再：

PUSH(Pinteraction).PUSH(P_{interaction}).

找到 focus issue。

修復後 POP。

104. Example：Repeated Memory Bug

Current：

Pimplementation.P_{implementation}.

三次 patch 同類 failure。

router：

EXPAND(Parchitecture).EXPAND(P_{architecture}).

發現 ownership flaw。

105. Example：Architecture to Substrate

同類 lifetime bug 跨多 module 重複。

router：

architecture→substrate.\text{architecture} \rightarrow \text{substrate}.

這就是 Global-First：

Instance→Pattern→Architecture→Substrate.\text{Instance} \rightarrow \text{Pattern} \rightarrow \text{Architecture} \rightarrow \text{Substrate}.

106. Causal Escalation 是 Perspective Routing

這條舊方法其實就是：

scale-conditioned perspective switch.\boxed{ \text{scale-conditioned perspective switch.} }

107. Example：Payment

current：

Pbackend.P_{backend}.

backend PASS，

user still wrong。

router：

Pend2endP_{end2end}

或：

Ptransaction.P_{transaction}.

108. Example：Game

programmer / designer 都 PASS，

玩家說 attack unreadable。

router：

Pplayer.P_{player}.

109. Example：Security

ordinary local feature，

不觸碰：

  • auth；
  • untrusted input；
  • secret。

security：

INACTIVE.INACTIVE.

這是：

deliberate non-activation.\boxed{ \text{deliberate non-activation.} }

110. Risk Trigger

如果 change：

touches credential boundary。

security perspective：

MANDATORY.MANDATORY.

不是 utility 可選項。

111. Mandatory Perspective Set

Pmust=f(Risk,Policy,Authority,Compliance).\boxed{ \mathcal P_{must} = f( \text{Risk}, \text{Policy}, \text{Authority}, \text{Compliance} ). }

112. Optional Perspective Set

其餘：

Popt.\mathcal P_{opt}.

用：

IG/Cost.IG/Cost.

選。

113. Mandatory ≠ Deep

security mandatory，

可能只需：

skim.\text{skim}.

深度仍由 risk 決定。

114. Perspective Activation Intensity

ai∈[0,1].a_i\in[0,1].

Router 不只選：

on/off。

也可選：

  • skim；
  • focused；
  • deep。

115. Two-Dimensional Routing

(Pi,ai).\boxed{ (P_i,a_i). }

116. Perspective + Resolution Routing

B03：

ρ.\rho.

所以更完整：

(Pi,ρi).\boxed{ (P_i,\boldsymbol\rho_i). }

117. Perspective + Reasoning Routing

B04：

BR.B_R.

再完整：

(Pi,ρi,BR).\boxed{ (P_i,\rho_i,B_R). }

118. B06 將整合完整 Action

B06：

Perspective+Modality+Scope+Resolution+Reasoning+Reobservation.\boxed{ \text{Perspective} + \text{Modality} + \text{Scope} + \text{Resolution} + \text{Reasoning} + \text{Reobservation}. }

119. Router Hierarchy

不要一個 mega-router 同時爆炸搜索所有組合。

可分層：

  1. need type；
  2. perspective；
  3. modality/tool；
  4. resolution；
  5. executor/model。

120. Hierarchical Routing

π=πP∘πM∘πR∘πE.\boxed{ \pi = \pi_P \circ \pi_M \circ \pi_R \circ \pi_E. }

121. Hierarchical 好處

  • search space 小；
  • easier audit；
  • easier hard constraints；
  • modular learning。

122. 但 Hierarchy 會 Propagate Error

如果 perspective 選錯，

後面全部最佳化錯方向。

所以：

ReassessmentLoop\boxed{ \text{ReassessmentLoop} }

必要。

123. Route Reassessment

取得新 evidence 後：

Pt∗P_t^\ast

可能改變。

所以：

Routing\boxed{ \text{Routing} }

不是一次性 planning。

124. Closed-Loop Router

State→Route→Evidence→Belief→ReRoute.\text{State} \rightarrow \text{Route} \rightarrow \text{Evidence} \rightarrow \text{Belief} \rightarrow \text{ReRoute}.

125. Open-Loop Router

一開始決定：

roles = [A,B,C,D]

之後不改。

這只是：

StaticPlan.\text{StaticPlan}.

126. Router Trigger：Persistent Uncertainty

若：

UtU_t

長期不降，

reassess。

127. Trigger：Cross-Boundary Anomaly

A03：

relation failure。

router：

加 boundary perspective。

128. Trigger：Repeated Same-Class Failure

nF>τ.n_F>\tau.

升 causal scale。

129. Trigger：Expert-Level Surprise

A07：

ExpertSurprise⇒PerspectiveReassessment.\text{ExpertSurprise} \Rightarrow \text{PerspectiveReassessment}.

130. Trigger：Risk Escalation

blast radius 變大。

啟動 mandatory perspective。

131. Trigger：Stale Belief

evidence old。

可能切：

runtime/freshness.\text{runtime/freshness}.

132. Trigger：Low Validation Yield

same verifier：

ΔI≈0.\Delta I\approx0.

換 perspective。

133. Trigger：Contradiction

cross-role / cross-modal disagreement。

啟動 reconciliation perspective。

134. Trigger：Authority Transition

從 local：

→production.\rightarrow \text{production}.

啟動：

  • authority；
  • runtime；
  • rollback。

135. Router Exit Condition

perspective 不應永久 active。

退出當：

  • concern closed；
  • evidence sufficient；
  • marginal IG low；
  • task returned to parent。

136. Exit 不是 Forget

close：

PiP_i

但保存：

  • evidence；
  • verdict；
  • reopen conditions。

137. Reopen Condition

如果：

Affected(ΔX,Pi)=1,\text{Affected}(\Delta X,P_i)=1,

reopen。

138. Route Oscillation

implementation
↔ architecture
↔ implementation
↔ architecture

可能 thrash。

139. Hysteresis

設定：

Thresholdenter>Thresholdexit.\text{Threshold}_{enter} > \text{Threshold}_{exit}.

避免噪音切換。

140. Minimum Dwell Time

某 perspective：

Tdwell≥τT_{dwell}\ge\tau

除非 critical trigger。

141. But Dwell Time 不能變 Ceremony

低價值 perspective 不應因：

還沒待滿三輪

強迫繼續。

hysteresis 是穩定器，不是流程義務。

142. Switch Penalty

utility 中：

−μCswitch.-\mu C_{switch}.

能自然抑制 oscillation。

143. Stack Depth Limit

避免：

PUSH
  PUSH
    PUSH
      PUSH...

需要：

Dstack≤DmaxD_{stack}\le D_{max}

或 flatten / summarize。

144. Context Compression on Switch

切 perspective 時：

不需帶全部 previous text。

只帶：

  • macro state；
  • relevant evidence；
  • unresolved；
  • provenance。

145. Perspective Handoff Packet

handoff:
  macro_object:
  current_claim:
  evidence:
  unknowns:
  conflict:
  parent_perspective:
  expected_question:

146. Handoff Loss

B02 已指出 translation loss。

因此 packet：

保留 evidence refs，不只 summary。

147. Same-Agent Perspective Switch

不需要 handoff message，

但仍應：

explicit internal state change。

否則 Role Drift。

148. Perspective State Trace

t1:
  perspective: implementation
t2:
  action: PUSH
  perspective: visual
t3:
  action: POP

149. Trace 用於 Router Evaluation

可以問：

  • 切太多？
  • 太晚切？
  • 哪個 route 找到 root cause？

150. Route Attribution

task 成功後，

不能把所有 credit 給 final perspective。

可分析：

  • which perspective reduced uncertainty；
  • which evidence changed decision。

151. Semantic Cooperative Attribution 近鄰

2026 multi-agent contribution attribution 已開始研究 ordered workflows 中各 agent stage 的 contribution。

B05 可類似追：

Contribution(Pi).\text{Contribution}(P_i).

152. 但 Attribution 不是 Routing 本體

它用於：

  • learning；
  • cost allocation；
  • evaluation。

153. Perspective Value Drift

一個 perspective 長期：

Contribution≈0.\text{Contribution}\approx0.

可降 activation prior。

154. Perspective Retirement

如果：

  • obsolete；
  • redundant；
  • tool gone；

可 retire。

155. Perspective Discovery

如果 recurring anomaly 沒有任何 role 能解釋，

建立 candidate：

Pnew.P_{new}.

156. Discovery Trigger

UnexplainedResidual↑.\text{UnexplainedResidual}\uparrow.

157. New Perspective 必須證明 Marginal Value

不是：

想到新角色名稱。

而：

ΔDistinguishability>0.\Delta\text{Distinguishability}>0.

158. Perspective Merge

若：

DO(Pi,Pj)≈0D_O(P_i,P_j)\approx0

長期，

merge。

159. Registry Evolution

所以：

Pt\mathcal P_t

本身可：

evolve.\text{evolve}.

160. Router 與 Organizational Design

傳統：

team = fixed roles

AI：

team = dynamic perspective topology

161. Dynamic Team Topology

同一 task：

  • 一開始 1 Agent；
  • anomaly 後 + visual perspective；
  • high risk 後 + independent security verifier；
  • closure 後收縮回 1 Agent。

162. Adaptive Organizational Topology

TeamTopologyt=f(Risk,Unknown,PerspectiveNeed).\boxed{ \text{TeamTopology}_t = f( \text{Risk}, \text{Unknown}, \text{PerspectiveNeed} ). }

163. Multi-Agent 只是 Perspective Execution Strategy

因此：

MultiAgent\boxed{ \text{MultiAgent} }

應在：

PerspectiveSeparationValue>CoordinationCost\text{PerspectiveSeparationValue} > \text{CoordinationCost}

時使用。

164. A08 的 Homogeneous Green Guard

如果新增 Agent：

Onew≈Oold,O_{new}\approx O_{old},

router 應知道：

epistemic marginal value 低。

165. Perspective Diversity Reward

可加入：

DiversityGain(Pi).DiversityGain(P_i).

但不能盲目追 diversity。

166. Diversity 是為了減少 Common-Mode Error

不是：

故意讓大家意見不同。

167. Reconciliation Perspective

當 conflict：

Pi,PjP_i,P_j

不一致，

有時需要：

Pbridge.P_{bridge}.

例如：

  • end-to-end；
  • transaction；
  • user journey；
  • macro architecture。

168. Bridge Perspective

它的作用：

看兩個 projection 之間的 relation。

169. A03 Relation Failure 對接

兩 components 都 PASS，

edge FAIL。

Bridge perspective：

Oedge.O_{edge}.

170. Perspective Routing 不只在 Node，也在 Edge

Registry 可包含：

  • node perspectives；
  • boundary perspectives；
  • macro perspectives。

171. Boundary Perspective

例如：

Pfrontend↔backend.P_{frontend\leftrightarrow backend}.

關心：

  • contract；
  • timing；
  • state sync。

172. Macro Perspective

例如：

Pend2end.P_{end2end}.

關心：

  • mission outcome；
  • user-visible whole path。

173. Perspective Scale

每 perspective 有：

Scale(Pi)∈{micro,meso,macro,meta}.Scale(P_i) \in \{micro,meso,macro,meta\}.

174. Scale Routing

Repeated local failure：

micro→meso→macro.micro\rightarrow meso\rightarrow macro.

175. Scale Contract

root cause identified：

macro→micro.macro\rightarrow micro.

176. Meta Perspective

Router 自己：

現在哪個 perspective？

這是：

Pmeta.P_{meta}.

177. Meta Perspective 不應永久耗大量 token

可作：

  • small state vector；
  • lightweight controller。

178. Global Mind, Local Lens

本文提出：

 Global Mind, Local Lens. \boxed{ \textbf{ Global Mind, Local Lens. } }

全域 Agent 維持：

  • macro awareness；
  • registry；
  • unknowns。

但每一刻只用：

oneorafewlocallenses.\boxed{ one or a few local lenses. }

179. Global Mind 不等於 Global Context

只需：

  • skeleton；
  • routeable map；
  • evidence links。

不是：

把全世界 tokens 放 context。

180. Local Lens 不等於 Local Mind

雖然 current observation 局部，

Agent 仍知道：

這只是局部。

這就是 globality。

181. Router State Compactness

Meta state 可以：

goal:
current_perspective:
unknowns:
risk:
conflicts:
mandatory_perspectives:
budget:

很小。

182. Perspective Routing 的 Token Advantage

與 all-perspectives-always-on 相比：

TokenCost↓.TokenCost\downarrow.

183. Perspective Routing 的 Latency Advantage

不跑不必要：

  • Agent；
  • tools；
  • audits。

184. Perspective Routing 的 Quality Advantage

必要時：

能真正切出原本 blind spot。

185. Router False Positive

啟動不必要 perspective。

成本增加。

186. Router False Negative

漏啟必要 perspective。

escaped defect。

187. Router Precision / Recall

required perspectives：

P∗.\mathcal P^\ast.

selected：

P^.\hat{\mathcal P}.

可測：

PrecisionP,RecallP.Precision_P, Recall_P.

188. Router F1 不是最終 Metric

高風險 perspective false negative 比 false positive 更嚴重。

需要：

CostSensitive.\text{CostSensitive}.

189. Weighted Loss

L=wFNFN+wFPFP+wCCost+wSSwitchCost.\boxed{ L = w_{FN}FN + w_{FP}FP + w_CCost + w_SSwitchCost. }

190. High-Risk Recall Floor

security-critical：

Recallsecurity≥τ.Recall_{security}\ge\tau.

191. Low-Risk Precision

普通 task：

避免角色膨脹。

提高：

Precision.\text{Precision}.

192. Router Calibration

輸出：

P_visual: 0.75 expected value
P_runtime: 0.52
P_security: mandatory false

可 audit。

193. Confidence ≠ Authority

即使 router 99% 想：

production logs useful，

仍需：

AuthorityCheck.\text{AuthorityCheck}.

194. Authority-Gated Routing

RouteProposal→AuthorityGate→Observation.\boxed{ \text{RouteProposal} \rightarrow \text{AuthorityGate} \rightarrow \text{Observation}. }

195. Privacy-Aware Routing

某 perspective 需要：

  • sensitive data。

若：

privacy constraint\text{privacy constraint}

不允許，

route rejected。

196. Fallback Perspective

如果最佳：

P1P_1

不可用，

fallback：

P2.P_2.

197. Safe Degradation

fallback 可降低：

  • resolution；
  • completeness。

不能突破：

  • authority；
  • privacy；
  • legal。

198. Perspective Fallback Receipt

requested: production_runtime
blocked_by: no_permission
fallback: staging_runtime
degraded: true

199. Degraded Evidence 必須標

不要：

staging PASS

直接宣稱：

production PASS。

200. Route Outcome Status

SUCCESS
PARTIAL
DEGRADED
BLOCKED
NO_GAIN

201. NO_GAIN 很重要

Perspective 被啟動，

但沒有新 information。

記：

NO_GAIN.NO\_GAIN.

以便 future routing。

202. Exploration Outcome

unknown perspective：

  • maybe useful；
  • no gain。

不是 failure。

是 learning signal。

203. Route Reward

可包含：

Reward=ΔAmbiguity+ΔRiskClosure+ΔDecisionQuality−Cost.\text{Reward} = \Delta Ambiguity + \Delta RiskClosure + \Delta DecisionQuality - \text{Cost}.

204. Long-Term Reward

再加：

γFutureReuse.\gamma FutureReuse.

205. Router 不應 Optimize Finding Count

Perspective 啟動後找出 20 issues，

不一定有 20 value。

A05：

Finding≠Obligation.Finding\neq Obligation.

206. Routing Reward 應看 Decision Contribution

ΔMissionClosure\boxed{ \Delta MissionClosure }

比：

FindingCount.\text{FindingCount}.

重要。

207. Router 不應被 Process Proxy 污染

A04：

多走流程不等於 progress。

所以：

Nperspective switchesN_{perspective\ switches}

也不是好 KPI。

208. Optimal Router 可能一整個 task 都 KEEP

如果 current perspective 足夠：

KEEP.KEEP.

這是成熟，不是沒路由。

209. Router 不應被「高階感」誘惑

architecture perspective 聽起來高階。

但 local typo：

Pimplementation.P_{implementation}.

就夠。

210. Perspective Prestige Bias

系統若偏好：

architect / security / meta

可能：

OverRouting.\text{OverRouting}.

211. Cheap Perspective Bias

反過來永遠選：

  • code；
  • unit test；

因成本低，

可能：

UnderRouting.\text{UnderRouting}.

212. Cost-aware 不等於 Cost-minimizing

選：

utility/cost,\boxed{ utility/cost, }

不是：

mincostonly.\boxed{ min cost only. }

213. Perspective Opportunity Cost

啟動：

PiP_i

表示：

暫不啟動 PjP_j。

所以 budget scarce 時：

OpportunityCost.\text{OpportunityCost}.

214. Parallel Perspectives

若：

  • independent；
  • high value；
  • low coordination；

可並行：

Pi∥Pj.P_i\parallel P_j.

215. 何時並行？

Parallel\boxed{ \text{Parallel} }

若：

  • low dependency；
  • independent evidence；
  • wall-clock valuable。

216. 何時序列？

如果：

Evidence(Pi)Evidence(P_i)

會決定是否需要：

Pj,P_j,

先：

Pi→Pj.P_i\rightarrow P_j.

217. Conditional Routing

visual PASS
→ no UX escalation

visual FAIL
→ interaction perspective

218. Branching Perspective Graph

routing 不必線性。

GP=(P,E).G_P=(P,E).

edge 帶：

  • trigger；
  • condition；
  • cost。

219. Perspective DAG

某 task：

implementation
├─ visual
│  └─ interaction
└─ runtime
   └─ architecture

220. Routing Graph 可以被學習

從 historical traces：

  • which paths close fastest；
  • where loops happen。

221. Routing Graph 也可人工設計

高風險流程：

  • mandatory edges；
  • authority gates。

222. Hybrid Routing Graph

HardPolicyGraph+AdaptiveSoftEdges.\boxed{ \text{HardPolicyGraph} + \text{AdaptiveSoftEdges}. }

223. Hard Edge

credential touched：

→security.\rightarrow security.

224. Soft Edge

UI changed：

P(visual)=0.8.P(visual)=0.8.

225. Router Layer 不等於 Workflow Engine

Workflow engine：

steps。

Perspective router：

epistemic direction。

它可以在 workflow 任意 phase 中切。

226. Same Workflow / Different Perspective

implementation phase 中：

PvisualP_{visual}

可 active。

所以：

Phase≠Perspective.\boxed{ \text{Phase} \neq \text{Perspective}. }

227. Same Perspective / Different Phase

security perspective：

  • design；
  • implement；
  • deploy；

都可以用。

228. This Breaks Phase-Lock

B05 有助於解 A04：

workflow 不必把 role 綁 phase。

229. Router 與 Skill Library

B02：

Role≠Skill.Role\neq Skill.

B05：

Perspective router 先選：

P.P.

Skill router 再選：

S.S.

230. Example：Security

Perspective：

Psecurity.P_{security}.

skill 可：

  • threat model；
  • static scan；
  • abuse case。

231. Tool Router

skill：

static scan。

tool：

Semgrep / CodeQL / custom.

不同 layer。

232. Executor Router

perspective：

visual UX。

executor：

same model with browser / vision。

不一定：

UX Agent。

233. Model Router

如果：

  • cheap model 足夠 visual scan；

用 cheap。

deep issue：

frontier model。

234. Perspective Routing 能降低模型成本

先決定：

不需要某 perspective，

就不必：

route expensive specialist model。

235. AgentRouter 與 B05 可組合

B05:Need→PerspectiveB05: Need\rightarrow Perspective AgentRouter:Perspective/Task→AgentAgentRouter: Perspective/Task\rightarrow Agent

236. RouterHGC 與 B05 可組合

其 heterogeneous graph：

  • role；
  • model；
  • collaboration。

B05 可以提供：

epistemic state / perspective node。

237. Perspective Routing Benchmark

建立 task corpus：

  • defect class hidden；
  • necessary perspective known。

測：

  1. selected perspective；
  2. time to root cause；
  3. cost；
  4. escaped defect。

238. Benchmark Classes

P-L1

single local code issue。

P-L2

visual issue。

P-L3

runtime state issue。

P-L4

cross-boundary relation issue。

P-L5

architecture issue。

P-L6

security / authority issue。

239. Control A

fixed implementer perspective。

240. Control B

all perspectives always on。

241. Treatment

dynamic router。

242. Hypothesis

Dynamic：

Costdynamic<Costall−onCost_{dynamic} < Cost_{all-on}

且：

Successdynamic>Successfixed.Success_{dynamic} > Success_{fixed}.

243. Routing Delay

測：

Tneeded−Tactivate.T_{needed} - T_{activate}.

router 越晚切，

repair cost 越高。

244. Perspective Switch Precision

切換中：

UsefulSwitchRate.\text{UsefulSwitchRate}.

245. Perspective Switch Recall

需要切時：

SwitchOccurred.\text{SwitchOccurred}.

246. Lock Escape Rate

PerspectiveLock 出現後：

LER=P(router escapes lock).\boxed{ LER = P( \text{router escapes lock} ). }

247. Reopen Accuracy

closed perspective 被 affected change 影響時，

是否正確 reopen。

248. Over-Reopen Rate

不相關 edit，

不應 reopen 所有 perspective。

249. Perspective Routing Regret

用 oracle：

RT.R_T.

250. Cost-Normalized Closure

ηP=MissionClosureGainPerspectiveRoutingCost.\boxed{ \eta_P = \frac{ \text{MissionClosureGain} }{ \text{PerspectiveRoutingCost} }. }

251. Route Diversity

不是 KPI，

但可測：

router 是否永遠 code-only。

252. Coverage by Failure Domain

看：

  • visual；
  • runtime；
  • authority；

是否曾被正確啟動。

253. Shadow Benchmark

production 不敢動態路由，

先：

shadow predict perspective。

比較 human / postmortem。

254. Router Explainability

輸出：

selected: runtime
reason:
  - stale state suspected
  - same code tests pass
  - user-visible outcome differs
expected_gain:
  - distinguish stale-cache vs logic-defect

255. Explainability 有兩個用途

  1. audit；
  2. debugging router。

256. 但 Explanation 不是 Ground Truth

router 的 reason 可以錯。

要用 outcome 校正。

257. Route Receipt

route:
  state_version:
  current_perspective:
  candidates:
  selected:
  hard_constraints:
  expected_gain:
  switch_cost:
  authority:
  policy_version:

258. Route Result Receipt

result:
  perspective:
  evidence:
  realized_gain:
  decision_changed:
  closed_unknowns:
  residual:

259. Expected vs Realized Gain

IG^\hat{IG}

vs：

IGreal.IG_{real}.

difference：

δroute.\delta_{route}.

260. Router Calibration

長期：

E[δroute]→0.E[\delta_{route}]\rightarrow0.

261. False High-Gain Perspective

router 常高估：

architecture review。

實際 no gain。

prior 應降。

262. Hidden High-Gain Perspective

router 不常選：

player perspective。

偶爾一次發現 critical issue。

應增加 future weight。

263. Counterfactual Routing

offline：

如果當時先 visual，是否更快？

需要：

  • replay；
  • benchmark；
  • shadow logs。

264. Historical Selection Bias

只看被選 route 的 reward，

容易誤學。

這就是 off-policy evaluation 的價值。

265. Router 可先 Rule-Based

不用一開始 RL。

例如：

if UI-affecting:
    candidate += visual

if repeated local failure:
    candidate += architecture

if expected != observed:
    candidate += runtime

266. Rule-Based 優點

  • audit；
  • deterministic；
  • easy bootstrap。

267. Learned Router 後加入

資料夠後：

πθ.\pi_\theta.

268. Hybrid Router

mandatory rules：

Hard.\text{Hard}.

learned ranking：

Soft.\text{Soft}.

269. Perspective Routing 與 Safety

不能：

learned router 認為 security 不划算，

就 skip mandatory security gate。

270. Safety Floor

Pmust⊆Pactive.\boxed{ \mathcal P_{must} \subseteq \mathcal P_{active}. }

271. Perspective Routing 與 User Intent

用戶可要求：

不要做 security deep dive。

若無 mandatory policy，

router 應尊重 scope。

272. User Preference ≠ Safety Override

反之有 mandatory gate，

不能由 soft preference 移除。

273. Perspective Routing 與 Human Authority

Router 可以：

suggest human perspective。

例如：

  • product value；
  • legal；
  • taste；
  • irreversible decision。

274. Human Perspective 是一個合法 Operator

不是 fallback only。

275. Human Attention 有成本

Chuman≫0.C_{human}\gg0.

所以：

只在 marginal value 高時 escalate。

276. Human Escalation Rule

ExpectedDecisionValue(human)>HumanAttentionCost\boxed{ \text{ExpectedDecisionValue}(human) > \text{HumanAttentionCost} }

或 mandatory authority。

277. Human Perspective 也可能被 AI Summary 污染

若 human 只看 AI summary，

independence 低。

高風險時：

提供 primary evidence。

278. Perspective Router 與 Twin

Twin 不是 default。

如果：

RiskReduction>TwinCost,RiskReduction>TwinCost,

啟動：

Pindependent challenge.P_{independent\ challenge}.

279. Twin Perspective 不是「第二個同 role」

最好：

  • different evidence；
  • different falsifier。

280. Perspective Router 與 Homogeneous Green

如果：

Pnew≈Pcurrent,P_{new}\approx P_{current},

router 應 penalize redundancy。

281. Redundancy Penalty

U′(Pi)=U(Pi)−κOverlap(Pi,Pactive).\boxed{ U'(P_i) = U(P_i) - \kappa Overlap(P_i,\mathcal P_{active}). }

282. 但重複可提升 Confidence

高風險：

independent same-property measurement

仍有 reliability value。

所以 redundancy penalty 非絕對。

283. Confidence vs Resolution

B03：

Resolution≠Confidence.Resolution\neq Confidence.

router 可選：

  • complementary perspective：提高 resolution；
  • redundant independent perspective：提高 confidence。

284. Router 要知道現在缺哪個

如果：

AmbiguityHigh,\text{AmbiguityHigh},

優先 complement。

如果：

AmbiguityLow,ConfidenceLow,\text{AmbiguityLow},\text{ConfidenceLow},

可能重複獨立驗證。

285. Perspective Objective Types

每次 activation 標：

DISCOVER
DISAMBIGUATE
VERIFY
CHALLENGE
RECONCILE
AUTHORIZE

286. DISCOVER

找 unknown。

287. DISAMBIGUATE

拆 hypotheses。

288. VERIFY

確認 claim。

289. CHALLENGE

找 falsifier。

290. RECONCILE

處理 cross-perspective conflict。

291. AUTHORIZE

人類／policy boundary。

292. 這讓 Perspective Routing 不再只有一種 Utility

不同 objective：

UiU_i

不同。

293. Perspective Objective 也可 Sequence

DISCOVER
→ DISAMBIGUATE
→ VERIFY

294. Router 與 Closure

當：

NoMaterialUnknown\text{NoMaterialUnknown}

且：

NoConflict\text{NoConflict}

且：

RiskCovered,\text{RiskCovered},

不需要更多 perspective。

295. Perspective Saturation

如果新增：

PiP_i

都：

IG≈0,IG\approx0,

close routing。

296. Cross-Perspective Closure 留給 B07

B05 只決定：

下一個 perspective。

B07 決定：

多 perspective evidence 如何收束成 macro completion。

297. B06 會把 Routing 落入 APR

B06：

Perspective→Modality→Evidence\text{Perspective} \rightarrow \text{Modality} \rightarrow \text{Evidence}

完整 runtime。

298. B05 的主要失敗模式

PR-F1 — Perspective Lock

永遠不切。

PR-F2 — Perspective Thrash

切太頻繁。

PR-F3 — All-On Inflation

全部開。

PR-F4 — Prestige Bias

永遠 meta/architect。

PR-F5 — Cheap-View Bias

永遠 code/test。

PR-F6 — Agent/Model Confusion

把選 Agent 當選 perspective。

PR-F7 — Authority Leakage

高 IG 就越權觀察。

PR-F8 — Exploration Starvation

新 perspective 永遠沒機會。

PR-F9 — Route Memory Staleness

舊 route 在新 world 失效。

PR-F10 — Redundant Perspective Scaling

多 Agent 同 projection。

299. PR-F11 — Premature Bridge

還沒確定 conflict semantics，

就用 macro perspective 壓平差異。

300. PR-F12 — Route Reward Misalignment

以 finding count / switch count 當 reward。

301. 可否證條件一

如果 dynamic routing：

Cost≥AllOnCost\ge AllOn

且：

Success≤AllOn,Success\le AllOn,

沒有價值。

302. 可否證條件二

如果 fixed workflow 在絕大多 task：

≈\approx

dynamic router，

controller complexity 不值得。

303. 可否證條件三

如果 perspective selection 不比 direct agent/model routing 更能預測 task success，

Perspective layer 可能是多餘 abstraction。

304. 可否證條件四

如果 historical routing logs 無法學出穩定 task→perspective pattern，

可能需要更強 online / structural reasoning，而不是 data-driven router。

305. H1 — Dynamic vs Fixed

Successdynamic>SuccessfixedSuccess_{dynamic} > Success_{fixed}

在 mixed-domain tasks。

306. H2 — Dynamic vs All-On

Costdynamic<CostallonCost_{dynamic} < Cost_{allon}

保持：

Quality≈.Quality\approx.

307. H3 — Perspective-First vs Agent-First

先選 perspective，

再選 agent，

在 heterogeneous tool/task setting 中應降低 wrong-specialist routing。

308. H4 — Lock Escape

repeated same-class failure 時，

dynamic router 應比 fixed workflow 更快：

micro→architecture.micro\rightarrow architecture.

309. H5 — Risk-Adaptive Mandatory Perspective

high-risk false negatives 降低。

310. H6 — Route Memory

hot route compilation 應降低 latency，

但需 freshness / authority guard。

311. H7 — Exploration

低風險 shadow exploration 可發現 previously starved useful perspectives。

312. H8 — Hysteresis

加入 switch cost / hysteresis 應降低 thrashing，

而不顯著增加 missed switch。

313. H9 — Redundancy-Aware Routing

相比 naive multi-agent：

TokenCost↓TokenCost\downarrow

且 independent evidence quality 不降。

314. H10 — Conflict-Triggered Bridge

cross-role contradiction 發生時，

bridge perspective 可降低 unresolved conflicts。

315. Perspective Routing Benchmark Schema

task:
  id:
  macro_object:
  hidden_failure_domain:
  required_perspectives:
  optional_perspectives:
  forbidden_perspectives:
  risk:
  budget:

316. Trace

routing_trace:
  - state:
    selected:
    reason:
    expected_gain:
    realized_gain:
    evidence:
    next:

317. Metrics

  • task success；
  • mission closure；
  • perspective precision / recall；
  • switch count；
  • switch regret；
  • token / tool / latency cost；
  • lock escape；
  • false activation；
  • missed mandatory role；
  • realized IG；
  • final conflict count。

318. Route Efficiency

ηroute=DecisionRelevantAmbiguityReductionRouting+PerspectiveCost.\boxed{ \eta_{route} = \frac{ \text{DecisionRelevantAmbiguityReduction} }{ \text{Routing}+\text{PerspectiveCost} }. }

319. Closure Efficiency

ηclosure=MissionClosureGainTotalEpistemicCost.\boxed{ \eta_{closure} = \frac{ \text{MissionClosureGain} }{ \text{TotalEpistemicCost} }. }

320. B05 Runtime Schema

perspective_router:
  state:
    goal:
    macro_state:
    current_perspective:
    unknowns:
    conflicts:
    risk:
    budget:
    authority:

  candidates:
    - perspective:
      eligible:
      mandatory:
      expected_gain:
      switch_cost:
      risk_reduction:
      future_value:

  action:
    type: PUSH
    perspective: visual
    reason:
      - user-visible change
      - no rendered evidence

321. Perspective Action Receipt

perspective_action:
  from: implementation
  action: PUSH
  to: visual
  trigger: ui-affecting-change
  expected_question:
    - is the control actually visible?
  exit:
    - fresh screenshot verified

322. Route Result

perspective_result:
  perspective: visual
  status: SUCCESS
  realized_gain:
    - discovered modal occlusion
  evidence:
    - browser://screenshot/...
  next_recommendation:
    - implementation

323. Route Learning Record

route_learning:
  pattern: css-layout
  perspective: visual
  success_rate:
  median_cost:
  last_validated:

324. Perspective Graph Schema

edges:
  implementation:
    visual:
      trigger: ui-change
    architecture:
      trigger: repeated-structural-failure
  visual:
    interaction:
      trigger: static-pass-dynamic-fail

325. Hard Policy

mandatory:
  auth-boundary-change:
    - security
    - authority

326. Soft Policy

candidate:
  ui-change:
    visual: 0.8
    ux: 0.4

327. Global Observer Runtime

Macro World Model
↓
Unknown / Conflict / Risk
↓
Perspective Router
↓
Perspective Action
↓
APR / Evidence Acquisition
↓
Belief Revision
↓
Route Reassessment
↓
Cross-Perspective Closure

328. B05 與 B01 的整合

B01：

XX

是 macro-object。

B05：

routing 不能只看 local symptom，

應看：

X^t.\hat X_t.

329. B05 與 B02

B02 定義：

Or.O_r.

B05 選：

Or∗.O_r^\ast.

330. B05 與 B03

B03 定義：

IGQ.IG_Q.

B05 用它作 routing utility。

331. B05 與 B04

B04 先判：

現在需要 OBSERVE 還是 REASON？

若：

OBSERVE,OBSERVE,

B05 再判：

從哪個 perspective observe？

332. B05 與 B06

B06 再判：

perspective 下用哪 modality / scope / resolution / sampling？

333. B05 與 B07

B07：

何時所有 relevant perspective 足以 closure？

334. Series B Control Stack

因此：

MacroObject→Perspective→Resolution→Reason/Observe→Route→Perception→Closure.\boxed{ \text{MacroObject} \rightarrow \text{Perspective} \rightarrow \text{Resolution} \rightarrow \text{Reason/Observe} \rightarrow \text{Route} \rightarrow \text{Perception} \rightarrow \text{Closure}. }

順序不是一次 pipeline，

而是 closed loop。

335. 更精確 Closed Loop

X^t→Needt→Pt→Observationt→X^t+1→Needt+1.\boxed{ \hat X_t \rightarrow Need_t \rightarrow P_t \rightarrow Observation_t \rightarrow \hat X_{t+1} \rightarrow Need_{t+1}. }

336. Globality v0.4

B01：

MacroObjectAwareness。

B02：

OperatorAwareness。

B03：

ResolutionAwareness。

B04：

Reasoning–Observation Balance。

B05：

DynamicRoutingCapacity.\boxed{ \text{DynamicRoutingCapacity}. }

337. Series B Globality

至此：

Globality=MacroObjectAwareness+OperatorAwareness+ResolutionControl+ReasoningObservationBalance+DynamicPerspectiveRouting.\boxed{ \text{Globality} = \text{MacroObjectAwareness} + \text{OperatorAwareness} + \text{ResolutionControl} + \text{ReasoningObservationBalance} + \text{DynamicPerspectiveRouting}. }

338. Dynamic Routing 是「全域」的行動形式

全域 awareness 若不能：

切換，

只是：

PassiveMap.\text{PassiveMap}.

Dynamic routing 使：

GlobalMap→LocalActionableLens.\boxed{ \text{GlobalMap} \rightarrow \text{LocalActionableLens}. }

339. Global Mind, Local Lens

再次固定：

 Global Mind, Local Lens. \boxed{ \textbf{ Global Mind, Local Lens. } }

340. 它不是一句口號

工程上：

Global Mind：

  • macro state；
  • unknown map；
  • perspective registry；
  • evidence map；
  • risk。

Local Lens：

  • current perspective；
  • selected modality；
  • targeted resolution。

341. 這正好解決 Token Explosion

如果：

GlobalMind\text{GlobalMind}

只保存 compressed macro state，

LocalLens 才 materialize detail，

則：

Globality\boxed{ \text{Globality} }

不需要：

GlobalTokenExplosion.\boxed{ \text{GlobalTokenExplosion}. }

342. Perspective Routing 與 Future AGI

若未來模型能力極廣：

CapabilitySet↑.CapabilitySet\uparrow.

真正 bottleneck 可能變：

CapabilitySelection.\boxed{ \text{CapabilitySelection}. }

也就是：

何時用哪一種能力。

343. Capability Router

Perspective Router 本質上就是：

CapabilityActivationController\boxed{ \text{CapabilityActivationController} }

的一部分。

344. Intelligence ≠ Always-On Capability

高智慧可能表現成：

不做不必要的 cognition。

345. Perspective Inactivity 也是智能

如果：

PiP_i

對當前 task 不 relevant，

保持：

INACTIVE.INACTIVE.

是正確決策。

346. 最後不是「越多角色越聰明」

而是：

activate the minimum set of perspectives required to collapse the relevant uncertainty.\boxed{ \text{activate the minimum set of perspectives required to collapse the relevant uncertainty}. }

347. 核心命題

本文 v0.2 收束為三十條。

P1 — Perspective Routing

PerspectiveSelection\boxed{ \text{PerspectiveSelection} }

是一個獨立於 Agent / Model selection 的控制問題。

P2 — Perspective / Agent Separation

PerspectiveRouting≠AgentRouting.\boxed{ \text{PerspectiveRouting} \neq \text{AgentRouting}. }

P3 — Perspective / Model Separation

PerspectiveRouting≠ModelRouting.\boxed{ \text{PerspectiveRouting} \neq \text{ModelRouting}. }

P4 — State-Conditioned Routing

Pt∗=f(Goal,MacroBelief,Unknown,Conflict,Risk,Budget,Authority,History).\boxed{ P_t^\ast = f( \text{Goal}, \text{MacroBelief}, \text{Unknown}, \text{Conflict}, \text{Risk}, \text{Budget}, \text{Authority}, \text{History} ). }

P5 — Utility Routing

Pt∗=arg⁡max⁡[IG+RiskReduction+FutureValue−Cost−SwitchCost].\boxed{ P_t^\ast = \arg\max [ IG + \text{RiskReduction} + \text{FutureValue} - \text{Cost} - \text{SwitchCost} ]. }

P6 — Hard Eligibility First

Optimization\boxed{ \text{Optimization} }

只能在：

Legal/AuthorizedPerspectiveSet\boxed{ Legal/AuthorizedPerspectiveSet }

內進行。

P7 — Global Awareness / Activation Separation

KnowPerspectives≠ActivateAllPerspectives.\boxed{ \text{KnowPerspectives} \neq \text{ActivateAllPerspectives}. }

P8 — KEEP Is a Valid Routing Action

NoSwitch\boxed{ \text{NoSwitch} }

可以是最佳 routing。

P9 — Perspective Stack

PUSH/POP\boxed{ PUSH/POP }

支援短期局部觀察而不丟主 task。

P10 — Scale Routing

Micro↔Meso↔Macro↔Meta\boxed{ \text{Micro} \leftrightarrow \text{Meso} \leftrightarrow \text{Macro} \leftrightarrow \text{Meta} }

也是 perspective routing。

P11 — Causal Escalation

Instance→Pattern→Architecture→Substrate\boxed{ \text{Instance} \rightarrow \text{Pattern} \rightarrow \text{Architecture} \rightarrow \text{Substrate} }

可被視為 scale-conditioned perspective escalation。

P12 — Perspective Lock

RepeatedLowGain+NoSwitch=RoutingFailure.\boxed{ \text{RepeatedLowGain} + \text{NoSwitch} = \text{RoutingFailure}. }

P13 — Perspective Thrashing

SwitchCount↑∧InformationGain≈0\boxed{ SwitchCount\uparrow \land InformationGain\approx0 }

也是 routing failure。

P14 — Hysteresis

SwitchThresholdenter>SwitchThresholdexit\boxed{ SwitchThreshold_{enter} > SwitchThreshold_{exit} }

可降低 oscillation。

P15 — Perspective Exploration

未知 perspective 需要：

controlled exploration.\boxed{ \text{controlled exploration.} }

P16 — Perspective Starvation

P(activate(Pi))≈0\boxed{ P(activate(P_i))\approx0 }

會造成 capability non-identifiability。

P17 — Routing Selection Bias

historical chosen routes 不能直接代表未選 routes 的性能。

P18 — Route Memory

TaskPattern→PerspectivePath\boxed{ \text{TaskPattern} \rightarrow \text{PerspectivePath} }

可被學習與結晶。

P19 — Hot Path Non-Authority

CompiledRoute≠CompiledPermission.\boxed{ \text{CompiledRoute} \neq \text{CompiledPermission}. }

P20 — Perspective Drift

Utility(Pi,t)\boxed{ Utility(P_i,t) }

會隨 model / tool / world / version 改變。

P21 — Bridge Perspective

cross-role conflict 有時需要：

Relation/BridgePerspective.\boxed{ Relation/BridgePerspective. }

不是 majority vote。

P22 — Mandatory Perspective Floor

Pmust=f(Risk,Policy,Authority).\boxed{ \mathcal P_{must} = f( \text{Risk}, \text{Policy}, \text{Authority} ). }

P23 — Adaptive Depth

Perspective activation 可以是：

skim/focused/deep\text{skim/focused/deep}

而非 binary。

P24 — Hierarchical Routing

Perspective→Skill→Executor→Model→Modality→Tool→Resolution.\boxed{ \text{Perspective} \rightarrow \text{Skill} \rightarrow \text{Executor} \rightarrow \text{Model} \rightarrow \text{Modality} \rightarrow \text{Tool} \rightarrow \text{Resolution}. }

P25 — Closed-Loop Routing

State→Route→Evidence→Belief→ReRoute.\boxed{ \text{State} \rightarrow \text{Route} \rightarrow \text{Evidence} \rightarrow \text{Belief} \rightarrow \text{ReRoute}. }

P26 — Dynamic Organizational Topology

TeamTopologyt=f(Risk,Unknown,PerspectiveNeed).\boxed{ \text{TeamTopology}_t = f( \text{Risk}, \text{Unknown}, \text{PerspectiveNeed} ). }

P27 — Routing Reward

Router 應優化：

Decision/MissionClosureContribution\boxed{ Decision/MissionClosureContribution }

而非：

FindingCount\text{FindingCount}

或：

SwitchCount.\text{SwitchCount}.

P28 — Global Observer

GlobalObserver=PerspectiveRouter+BeliefUpdater+RouteMemory.\boxed{ \text{GlobalObserver} = \text{PerspectiveRouter} + \text{BeliefUpdater} + \text{RouteMemory}. }

P29 — Global Mind, Local Lens

GlobalMind+LocalLens\boxed{ \text{GlobalMind} + \text{LocalLens} }

使全域 cognition 不必等於全域 materialization。

P30 — Series B Routing Principle

 A global agent should not keep every perspective active. It should keep every relevant perspective reachable. \boxed{ \textbf{ A global agent should not keep every perspective active. It should keep every relevant perspective reachable. } }

348. 結論

高能力 AI 的未來很可能不缺：

  • 能力；
  • Agent；
  • 模型；
  • Tool；
  • Skill；
  • modality。

真正困難的問題會越來越像：

現在到底該用哪一個？

如果每一種能力都永久 active，

系統得到：

TokenExplosion+ToolExplosion+ProcessExplosion+CoordinationExplosion.\text{TokenExplosion} + \text{ToolExplosion} + \text{ProcessExplosion} + \text{CoordinationExplosion}.

如果只固定一個 default perspective，

又會得到：

PerspectiveLock+LocalOptimization+FalseGreen.\text{PerspectiveLock} + \text{LocalOptimization} + \text{FalseGreen}.

因此真正的全域智能需要一個中間結構：

Dynamic Perspective Router

它維持：

GlobalMind\boxed{ \text{GlobalMind} }

——知道宏觀對象、未知、風險與可用視角——

但每一刻只啟動：

LocalLens.\boxed{ \text{LocalLens}. }

當 code perspective 足夠：

不切。

當 UI outcome 不可判定：

push visual。

當同類 bug 重複：

expand architecture。

當 architecture 找到 root layer：

contract 回 implementation。

當 risk 觸碰 authority：

啟動 security / authority。

當 world evidence stale：

切 runtime / freshness。

當 cross-role verdict 衝突：

啟動 bridge / end-to-end perspective。

因此：

Globality\boxed{ \text{Globality} }

真正不是：

同時看到全部。

而是：

永遠知道還能從哪裡看，並在當前世界模型不足時切到那裡。

這也使 Perspective Router 不只是 Agent scheduler。

它是：

Epistemic Control Plane.\boxed{ \text{Epistemic Control Plane}. }

最後，B05 將整個命題收束成一句：

 A global agent should not keep every perspective active. It should keep every relevant perspective reachable, and activate the one that most efficiently reduces the uncertainty that still matters. \boxed{ \textbf{ A global agent should not keep every perspective active. It should keep every relevant perspective reachable, and activate the one that most efficiently reduces the uncertainty that still matters. } }

中文即：

真正的全域 Agent 不需要讓所有視角永遠在線；它需要讓所有重要視角永遠可達，並在當下啟動最能降低關鍵不確定性的那一個。

B06 將從這裡接手，把：

PerspectiveRouter\text{PerspectiveRouter}

與：

APR\text{APR}

完整融合成真正的：

Dynamic Global Perception Runtime

參考文獻

A. 外部研究

  1. Bajcsy, R. (1988). Active Perception. Proceedings of the IEEE, 76(8), 996–1005.
    Active perception 的經典來源之一：perception 不是固定 sensor input 的被動處理，而是由 task / expectation 主動控制 sensing process。

  2. Aloimonos, Y., Weiss, I., & Bandyopadhyay, A. (1988). Active Vision. International Journal of Computer Vision, 1, 333–356.
    經典 active vision 工作；說明 active observer 可以藉由選擇 sensing geometry / viewpoint 改變問題結構。

  3. Tsotsos, J. K. et al. / active perception historical line; 2017 review Revisiting Active Perception.
    Review 系統整理 active perception 中的 temporal selection、viewpoint selection、sensor alignment、attention / priming 等維度。本文以此作「觀察方式本身是 policy object」的歷史近鄰。

  4. Shi, C., Dorothy, M. R., & Fu, J. (2025). Integrated Control and Active Perception in POMDPs for Temporal Logic Tasks and Information Acquisition. arXiv:2504.13288.
    聯合規劃 world-control 與 perception actions，並將 information acquisition / conditional entropy 納入 planning objective。本文以其作 belief-state → sensing-action → belief-update 的決策理論近鄰。

  5. Vutetakis, D., & Xiao, J. (2025). Active Perception Network for Non-Myopic Online Exploration and Visual Surface Coverage. The International Journal of Robotics Research.
    將 candidate viewpoints 以 information gain 與 travel / sensing cost 評估，是 B05 IG(P)-Cost(P) 視角的一個直接 robotics 近鄰。

  6. Spaan, M. T. J., Veiga, T. S., & Lima, P. U. (2015). Decision-Theoretic Planning under Uncertainty with Information Rewards for Active Cooperative Perception. Autonomous Agents and Multi-Agent Systems.
    以 POMDP / information reward 處理 cooperative perception，提供 belief / information / action trade-off 的經典決策論背景。

  7. Zhang, Z., Shi, K., Yuan, Z., Wang, Z., Ma, T., Murugesan, K., Galassi, V., Zhang, C., & Ye, Y. (2026). AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering. ACL 2026 Long Papers, 788–809. DOI: 10.18653/v1/2026.acl-long.33.
    https://aclanthology.org/2026.acl-long.33/
    將 query、context entities 與 agents 組成 heterogeneous graph，學習 task-aware agent routing；本文用其作「Agent selection 可 context-conditioned」的最新近鄰，但 B05 路由的是 epistemic perspective，而不是 agent identity。

  8. Xiao, Y., Guo, S., Yang, G., Wang, Q., Ren, Y., Qiu, X., & Feng, Q. (2026). RouterHGC: Optimized Router for LLM-based Multi-Agent Systems via Heterogeneous Graph Contrastive Learning. Findings of ACL 2026.
    https://aclanthology.org/2026.findings-acl.1589/
    將 user query、collaboration mode、agent role 與 LLM 放入 heterogeneous graph 做 routing，與 B05 hierarchical perspective→role→model routing 有直接工程親緣。

  9. Wang, J., Zhao, S., Liu, J., Wang, H., Li, W., Qin, B., & Liu, T. (2026). Orchestrating Intelligence: Confidence-Aware Routing for Efficient Multi-Agent Collaboration across Multi-Scale Models. arXiv:2601.04861.
    以 state-dependent routing 動態選擇 agent roles 與 model scales，提供 role/model adaptive selection 的外部近鄰。

  10. Dudík, M., Langford, J., & Li, L. (2011). Doubly Robust Policy Evaluation and Learning. arXiv:1103.4601.
    Contextual-bandit off-policy evaluation 的經典來源；B05 使用其作 routing logs selection bias / counterfactual policy evaluation 的統計近鄰。

  11. Wang, Y.-X., Agarwal, A., & Dudík, M. (2017). Optimal and Adaptive Off-policy Evaluation in Contextual Bandits. ICML / arXiv:1612.01205.
    IPS / doubly robust / SWITCH-style off-policy evaluation，支持「歷史 router 只觀測 chosen perspective reward，不能直接估未選路徑」。

  12. Natsubori, Y., Ushiku, Y., & Saito, Y. (2026). Cross-Domain Off-Policy Evaluation and Learning for Contextual Bandits. arXiv:2607.22012.
    針對 few-shot、deterministic logging 與 new-action / support-limited setting，與 Perspective Cold Start / starvation 有近鄰關係。

  13. Shi, C., Suttle, W. A., Dorothy, M., & Fu, J. (2025). IMAS²: Joint Agent Selection and Information-Theoretic Coordinated Perception in Dec-POMDPs. arXiv:2510.20009.
    將 sensing-agent subset selection 與 coordinated active perception policy 聯合考慮，是「誰來觀察」與「怎麼觀察」分層 routing 的重要外部近鄰。

B. Neo.K / EveMissLab 既有研究

  1. Neo.K. 〈宏觀個體與局部投影〉，Series B B01 v0.2, 2026.
    建立 macro-object、projection awareness、Global Skeleton / Local Materialization 與 decision-sufficient observability。

  2. Neo.K. 〈角色即觀察算子〉，Series B B02 v0.2, 2026.
    建立：

    Role→ObservationOperator,\text{Role}\rightarrow \text{ObservationOperator},

    Role Router、role lifecycle、Role != Skill != Tool、Global Observer as Meta-Controller。B05 將其中 role selection 正式提升成 dynamic routing policy。

  3. Neo.K. 〈解析度理論：多模態不是資料堆積〉，Series B B03 v0.2, 2026.
    建立 observation resolution = relevant state distinguishability、information gain、resolution deficit、minimum sufficient resolution。B05 直接把 IGQ(Pi)IG_Q(P_i) 納入 perspective utility。

  4. Neo.K. 〈推理解析度與觀察解析度不對稱〉，Series B B04 v0.2, 2026.
    建立 OBSERVE / REASON / INTERVENE / ACT / STOP cognitive action selector；B05 在 B04 判定「現在需要觀察」後，決定「應從哪個 perspective 觀察」。

  5. Neo.K. 〈能力—視角啟動不對稱〉，Series A A07 v0.2, 2026.
    建立 Perspective Lock、Expert-Level Surprise、Dynamic Perspective Routing： $$ P_t^\ast

    \arg\max_{P_i} [ IG(P_i)-\lambda Cost(P_i) ]. $$ B05 將此初始公式擴張成 state、risk、switch cost、authority、history 與 future value 的完整 routing framework。

  6. Neo.K. 〈同質綠燈：多 Agent 不等於多視角〉，Series A A08 v0.2, 2026.
    建立 AgentCount != PerspectiveDiversity、Independent Evidence、Homogeneous Green。B05 因此將新增 Agent 視為 perspective execution option，而不是預設 routing action。

  7. Neo.K. Global-First Completion v2.1, 2026.
    建立：

    Instance→Pattern→Architecture→Substrate,\text{Instance} \rightarrow \text{Pattern} \rightarrow \text{Architecture} \rightarrow \text{Substrate},

    B05 將其 reinterpret 為 causal-scale perspective escalation。

  8. Neo.K. Adaptive Perceptual Reading / Agentic Perception Runtime, 2026.
    建立 perceptual policy、modality / resolution / re-observation routing。B05 位於 APR 上游：

    Perspective→PerceptualPolicy.\text{Perspective} \rightarrow \text{PerceptualPolicy}.

  9. Neo.K. UNPNP Series 03 — Adaptive Fast Corridors / Corridor Generator, 2026.
    建立： $$ U(\Phi)

    \text{GoalContribution} -\text{Cost} -\text{Latency} -\text{Risk} +\text{InformationGain} +\text{FutureReuseValue}, $$ 以及 exploration / exploitation。B05 使用同型效用思想於 perspective path routing。

  10. Neo.K. Named AI Conversation Graphs Series 06 — Crystallized Hyperlink Memory / Path Compilation, 2026.
    建立 Cold Recall → Warm Route → Hot Path、Navigation Crystal、Selective Path Compilation 與：

    PathCompilation≠PermissionCompilation.\text{PathCompilation}\neq \text{PermissionCompilation}.

    B05 將其映射到 task-pattern→perspective-path 的 routing memory。

  11. Neo.K. 條件式智能管理：多 Agent 審查與異常處理, 2026.
    建立 risk-routed R0–R5 reviewer strategy、Independent First Pass 與 selective multi-agent review；B05 將「多 Agent 是否出場」放在 perspective selection 之後。

End of Series B — B05 v0.2