title: 我們為什麼這樣理解它：Epistemic Provenance、Assessment Revision 與研究物理解路徑
english_title: Why We Understand It This Way: Epistemic Provenance, Assessment Revision, and the Interpretive Path of Research Objects
series: AI 原生研究物迭代與可驗證升版方法論系列
series_en: AI-Native Research Object Revision and Verifiable Evolution Series
paper: 07
author: Neo.K
institution: EveMissLab／一言諾科技有限公司
research_assistance: AI-assisted theoretical development
version: v0.1
date: 2026-09-16
language: zh-TW
status: Canonical UTF-8 Source / Working Paper
research_class: METHODOLOGY / EPISTEMIC PROVENANCE / SCHOLARLY INFRASTRUCTURE
claim_state: THEORETICAL FRAMEWORK / DATA MODEL PROPOSAL
evidence_state: CONCEPTUAL / PRACTICE-DERIVED

我們為什麼這樣理解它：Epistemic Provenance、Assessment Revision 與研究物理解路徑

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-09-16
版本： v0.1

摘要

研究物本身可以保持不變，但人類或 AI 對它的理解可能改變。相反，一篇論文也可能已經實質升版，而外部讀者仍停留在舊版本印象。傳統學術 metadata 通常只追蹤文件版本、作者、日期與引用，卻很少保存「某個判斷是根據哪些觀察、經過哪些推論、在什麼範圍內形成」的認識來源。

本文提出 Epistemic Provenance 模型，將研究物本體狀態與觀察者對研究物的認識狀態分離，建立：

\boxed{ \text{Research Object State} \neq \text{Observer Epistemic State}. }

並進一步區分：

\boxed{ \text{Paper Revision} \neq \text{Assessment Revision}. }

本文定義一條基本認識鏈：

\boxed{ \text{Object} \rightarrow \text{Observation} \rightarrow \text{Inference} \rightarrow \text{Interpretation} \rightarrow \text{Assessment}. }

其中每一層都可能發生資訊壓縮、代理量替代、範圍擴張、過早閉合與未檢視區域被默認填滿等問題。

本文主張，未來 AI-native research infrastructure 應顯式保存 observation scope、direct evidence、proxy evidence、assumption、uninspected region、inference path、interpretation history 與 correction event，使系統能回答：

我們現在為什麼這樣理解這篇研究物？

而不只是：

這篇研究物現在寫了什麼？

本文最後提出 Assessment Revision Graph 與 Epistemic Scope Guard，防止：

\text{Limited Inspection} \rightarrow \text{Global Assessment}

以及：

\text{Correct Conclusion} \rightarrow \text{Valid Inference}

等常見認識論錯置。

關鍵詞： Epistemic Provenance、Assessment Revision、Observation Scope、Inference Path、Research Object、Proxy–Target、Interpretation History、AI-native scholarship

0. 問題起點：如果論文沒改，為什麼我們的評價會改？

假設一篇研究物：

P

在整段時間內都沒有修改：

P_t=P_{t+1}.

但某個觀察者一開始只讀了摘要，後來又讀了全文、程式與實驗。

其判斷可能從：

A_0

變成：

A_1.

因此：

\boxed{ P_t=P_{t+1} }

不代表：

A_t=A_{t+1}.

這說明一件事：

\boxed{ \text{Object Change} \neq \text{Understanding Change}. }

1. 研究物狀態與觀察者認識狀態

本文定義：

\boxed{ S_P(t) = \text{Research Object State at time }t. }

以及：

\boxed{ S_E(u,t) = \text{Epistemic State of observer }u\text{ at time }t. }

其中：

u

可以是：

作者；
審稿人；
研究者；
AI Agent；
搜尋系統；
讀者；
組織；
多模型集合。

因此：

\boxed{ S_P(t) \neq S_E(u,t). }

2. Paper Revision 與 Assessment Revision

如果研究物本體改變：

S_P(t) \rightarrow S_P(t+1),

則發生：

\boxed{ \text{Paper Revision}. }

如果研究物不變，但觀察者重新理解：

S_E(u,t) \rightarrow S_E(u,t+1),

則發生：

\boxed{ \text{Assessment Revision}. }

兩者可以獨立。

3. Assessment Revision 不應偷偷寫回 Paper Version

假設一篇論文一直是：

v1.0

但一個審查 Agent 從：

assessment r1

更新為：

assessment r2

則不應因為 assessment 改變就把論文升成：

v1.1

除非作者真的修改了研究物。

因此：

\boxed{ \Delta S_E \not\Rightarrow \Delta S_P. }

4. Epistemic Provenance

本文定義：

\boxed{ \mathcal E_P(u,P) = \text{Epistemic Provenance of observer }u\text{ regarding object }P. }

它記錄：

實際看了什麼；
沒看什麼；
用了哪些資料；
使用了哪些代理量；
做了哪些推論；
採用了哪些假設；
最後形成什麼 assessment；
後來被什麼 evidence 修正。

5. 基本認識鏈

本文提出：

\boxed{ P \xrightarrow{O} D \xrightarrow{I} M \xrightarrow{J} A. }

其中：

$P$ ：research object；
$O$ ：observation process；
$D$ ：observed data / representation；
$I$ ：inference；
$M$ ：internal interpretation / model；
$J$ ：judgment process；
$A$ ：assessment。

這條鏈不是人格描述。

它只是認識流程的結構化表示。

6. Observation Scope

本文定義：

\boxed{ \Omega_O(u,P) = \text{Observation Scope}. }

它描述：

觀察者實際檢視了研究物的哪些部分？

例如：

TITLE_ONLY
ABSTRACT_ONLY
METADATA_ONLY
SAMPLED_SECTIONS
FULL_TEXT
CODE_PARTIAL
CODE_FULL
ARTIFACT_EXECUTED
DATA_INSPECTED
VALIDATION_REPRODUCED

所以：

\boxed{ \text{Claimed Understanding Scope} \leq \text{Observed Scope} + \text{Justified Inference}. }

7. 看過目錄不等於看過全文

最基本的錯誤之一是：

\text{Index Read} \rightarrow \text{Full Understanding}.

因此：

\boxed{ \text{Metadata Inspection} \neq \text{Content Inspection}. }

同樣：

\boxed{ \text{Sampled} \neq \text{Fully Read}. }

8. Epistemic Scope Ratio

可以定義概念量：

\boxed{ R_E = \frac{ \text{Asserted Knowledge Scope} }{ \text{Actually Inspected Scope} }. }

這不主張建立精確普遍分數。

它只用來描述一種結構：

若：

R_E\gg1,

則可能出現：

\boxed{ \text{Epistemic Overreach}. }

也就是實際檢視範圍小於宣稱理解範圍。

9. Direct Evidence 與 Proxy Evidence

Epistemic Provenance 應區分：

\boxed{ E_D = \text{Direct Evidence} }

與：

\boxed{ E_P = \text{Proxy Evidence}. }

例如：

直接讀全文：Direct；
看 citation count：Proxy；
看 publication date：Proxy；
跑程式：Direct operational evidence；
看 README 宣稱：Indirect / proxy；
看 repository owner：Proxy for organization structure。

代理量不是沒用。

但不能被偷偷當成 target。

10. Proxy–Target Map

任何 proxy 都應明確記：

proxy:
  observed: publication_timestamp
  intended_target: creation_time
  validity: weak

或：

proxy:
  observed: citation_count
  intended_target: theory_quality
  validity: disputed

因此：

\boxed{ \text{Proxy Use} \text{ must be explicit}. }

11. Inference Step

本文定義：

\boxed{ I_k: X_k \rightarrow Y_k. }

每一步推論都應能回答：

前提是什麼？
使用什麼規則？
有沒有替代解釋？
scope 是否改變？
是否從 proxy 推到 target？
是否從 sample 推到 population？

這使評估可以被 audit。

12. Inference Path

多步推論可以表示為：

\boxed{ X_0 \xrightarrow{I_1} X_1 \xrightarrow{I_2} X_2 \xrightarrow{I_3} A. }

這比只保存最終 conclusion 更重要。

因為：

\boxed{ \text{Correct Conclusion} \not\Rightarrow \text{Valid Inference Path}. }

13. 猜對不等於證成

一個觀察者可能因為少量線索推測：

H.

最後：

H=\text{true}.

但如果：

P(H\mid E)

只是弱支持，則它仍然可能只是：

\boxed{ \text{Lucky or Plausible Guess}. }

所以：

\boxed{ \text{Outcome Accuracy} \neq \text{Inferential Justification}. }

14. Interpretation Layer

Observation 不會直接變成 Assessment。

中間通常會建立：

\boxed{ M_u(P) = \text{Observer's Interpretive Model}. }

例如：

這是一個 content factory；
這是一個長期研究計畫；
這是一個自動生成 pipeline；
這是一個多 Agent research system；
這是一個 archival migration。

這些都是：

M_1,M_2,\ldots,M_n.

而不是原始資料本身。

15. Interpretive Model 需要競爭假說

若只有一個模型：

M_0,

所有新 observation 都容易被吸收到同一解釋裡。

因此應至少允許：

\mathcal M = \{M_1,M_2,\ldots,M_k\}.

並比較：

P(D\mid M_i).

這能降低：

\boxed{ \text{Premature Interpretive Closure}. }

16. Premature Closure

本文定義：

\boxed{ C_P = \text{Premature Closure}. }

表示在 observation scope 與 inference support 尚不足時，就把解釋空間過早關閉。

典型形式：

\text{Sparse Evidence} \rightarrow \text{Single Global Model}.

17. Reopening

當新 evidence：

E_{new}

與現有 interpretation：

M

產生衝突時，系統應允許：

\boxed{ \text{Reopen}(M). }

而不是只在原 interpretation 上補丁。

這使：

\text{Closure}

成為可逆狀態。

18. Correctability

Assessment system 的品質，不只看第一次答得多準。

還應看：

\boxed{ \text{Correctability}. }

亦即：

在可信反證出現後，是否會重新檢查、修正與重建推論？

可以表示：

\kappa = \frac{ \Delta A }{ E_{\mathrm{corrective}} }.

概念上：

若反證很強但 assessment 幾乎不動，則：

\kappa\rightarrow0.

19. Observation Upgrade

Assessment Revision 的一種來源是 observation scope 擴大。

例如：

metadata-only
→ sampled sections
→ full text
→ code inspection
→ execution

因此：

\boxed{ \Omega_O^{(0)} \subset \Omega_O^{(1)} \subset \Omega_O^{(2)}. }

每次 scope upgrade 都可能觸發 assessment reassessment。

20. Evidence Upgrade

另一種來源是：

E^{(0)} \rightarrow E^{(1)}.

例如原本只有 README，後來拿到：

source；
benchmark；
test log；
history；
lineage。

即使研究物本身沒變，assessment 也可能大幅改變。

21. Interpretation Upgrade

即使 evidence 不變，也可能因為新的概念框架而：

M^{(0)} \rightarrow M^{(1)}.

這是：

\boxed{ \text{Interpretive Revision}. }

例如同一批資料，以前被理解成：

多篇獨立文本。

後來重新理解成：

一個 research program 的多節點輸出。

這不一定來自新 evidence。

可能來自更好的 relation model。

22. Assessment State

本文建議：

assessment:
  id: A7
  target: lm-000501
  observer: evaluator-x
  revision: r3

  observation_scope:
    - full_text
    - code_partial

  confidence: medium

  interpretation:
    class: research_program

  unresolved:
    - full_repo_not_inspected
    - production_history_unknown

23. Uninspected Region

一個重要欄位是：

\boxed{ U(P) = \text{Uninspected Region}. }

例如：

uninspected:
  - appendix_b
  - repo_17
  - raw_dataset

這使 assessment 不會假裝自己覆蓋整個 object。

24. Unknown 與 Uninspected 必須分開

unknown 表示：

不知道。

uninspected 表示：

有東西存在，但還沒看。

兩者不同。

因此：

\boxed{ \text{Unknown} \neq \text{Uninspected}. }

25. Assumption Ledger

Epistemic Provenance 還應保存：

\boxed{ \mathcal A = \text{Assumption Ledger}. }

例如：

assumptions:
  - id: H1
    statement: repository owner approximates primary researcher
    confidence: low

如果後來 assumption 被推翻，系統可以知道哪些 assessment 受影響。

26. Interpretation History

Assessment 不應只保存最新值。

還應保留：

interpretation_history:
  - revision: r1
    assessment: ...
    basis: ...
  - revision: r2
    changed_because:
      - new_code_inspection
  - revision: r3
    changed_because:
      - temporal_provenance_added

這使：

\boxed{ \text{Understanding History} }

成為可追蹤資料。

27. Assessment Revision Graph

本文定義：

\boxed{ G_A = (V_A,E_A), }

其中：

$V_A$ ：assessment states；
$E_A$ ：revision edges。

例如：

A_1 \xrightarrow{\text{new evidence}} A_2 \xrightarrow{\text{scope correction}} A_3.

這和 paper version graph 分開。

28. Paper Graph 與 Assessment Graph

因此一個研究物至少同時有：

\boxed{ G_P = \text{Paper Version Graph} }

與：

\boxed{ G_A = \text{Assessment Revision Graph}. }

兩者可能以不同速度變化。

29. Assessment 對 Paper 的反饋

雖然兩圖分離，但 assessment 可以觸發 paper revision。

例如：

A_3

發現：

claim scope 過大。

作者接受後：

V_2 \rightarrow V_3.

因此：

\boxed{ G_A \rightarrow G_P }

是可能的。

但不應直接自動等同。

30. Paper Revision 也可觸發 Assessment Reset

如果：

V_n \rightarrow V_{n+1}

改變了核心 claim，

舊 assessment：

A_r(V_n)

不應自動套到：

V_{n+1}.

因此可能需要：

\boxed{ \text{Assessment Invalidation}. }

31. Assessment Invalidation

可表示：

assessment:
  revision: r4
  target_version: v2.0
  status: stale
  reason:
    - target_major_revision

這避免 AI 或人類拿舊審查套到新版本。

32. Epistemic Scope Guard

本文提出：

\boxed{ G_E = \text{Epistemic Scope Guard}. }

它至少檢查：

實際讀了多少？
哪些 evidence 是 direct？
哪些只是 proxy？
是否從局部推全域？
是否有未檢視區？
是否存在競爭解釋？
conclusion strength 是否超過 evidence scope？

33. Asserted Scope 不應超過 Justified Scope

令：

S_A = \text{Asserted Assessment Scope},

以及：

S_J = \text{Justified Scope}.

理想上：

\boxed{ S_A \subseteq S_J. }

若：

S_A\supset S_J,

則出現：

\boxed{ \text{Assessment Overreach}. }

34. 語氣不是 Epistemic Provenance

一段文字可以很謹慎。

例如：

目前看來可能……

但如果推論鏈本身沒有被正確建立，謹慎語氣也不能補救。

同樣，一段文字可以很肯定，而推論其實很強。

因此：

\boxed{ \text{Linguistic Caution} \neq \text{Inferential Quality}. }

Epistemic Provenance 關注的是：

\text{How did you get here?}

而不是：

\text{How cautious do you sound?}

35. Authority Vocabulary 也不等於深度

使用：

validation；
benchmark；
evidence；
citation；
certificate；

這些詞，不代表 assessment 本身已深入。

因此：

\boxed{ \text{Technical Vocabulary} \neq \text{Inspection Depth}. }

36. AI 只是高可觀察樣本

本文不主張：

這些問題是 AI 專屬。

人類同樣會：

用代理量；
過早閉合；
從局部推全域；
猜對但理由錯；
被權威訊號影響；
被既有框架吸收新 evidence。

AI 的特殊性只是：

容易反覆測試；
容易跨模型比較；
容易保存輸出；
容易在同一物件上多輪重跑。

所以：

\boxed{ \text{AI} = \text{High-Observability Epistemic Subject}, }

而不是理論唯一適用對象。

37. 人類評審也應保存 Observation Scope

未來 peer review 若由平台結構化，可以記：

review_scope:
  full_text: true
  code: false
  data: partial
  reproduction: false

這會比單純：

reviewed

更有資訊。

38. Multi-Observer Assessment

同一研究物可以有：

A_1,A_2,\ldots,A_n.

來自不同 observer。

這些 assessment 不必立即融合。

因此：

\boxed{ \text{Assessment Diversity} \neq \text{Assessment Failure}. }

平台可以保留：

disagreement；
overlap；
unique evidence；
scope difference。

39. Disagreement 可能來自 Scope Difference

若：

A_1\neq A_2,

不一定是其中一方錯。

可能因為：

\Omega_O^{(1)} \neq \Omega_O^{(2)}.

因此應先比較：

觀察範圍；
evidence；
assumptions；
interpretation model。

再比較 conclusion。

40. Assessment Merge

若多 observer 的 evidence 可以整合，可以形成：

\boxed{ A_* = \operatorname{Merge}(A_1,\ldots,A_n). }

但 merge 不應壓掉：

provenance；
disagreement；
uncertainty。

41. Epistemic Provenance Schema

本文提出：

epistemic_provenance:

  observer:
    id: evaluator-01
    type: ai

  target:
    research_object: lm-000501
    version: v2.1

  observation_scope:
    full_text: true
    code: partial
    data: not_inspected
    execution: false

  evidence_basis:
    direct:
      - paper_fulltext
      - repo_readme
    proxy:
      - publication_timestamp
      - citation_count

  assumptions:
    - id: H1
      statement: ...
      confidence: low

  uninspected:
    - raw_data
    - repo_history

  interpretation:
    model: ...

  assessment:
    revision: r3
    confidence: medium

  unresolved:
    - ...

  correction_history:
    - from: r2
      to: r3
      trigger: new_temporal_provenance

42. Assessment Revision Trigger

可以觸發 assessment revision 的事件包括：

NEW_EVIDENCE
NEW_OBSERVATION
PROXY_CORRECTION
SCOPE_CORRECTION
ASSUMPTION_FAILURE
TARGET_VERSION_CHANGE
COUNTEREVIDENCE
NEW_INTERPRETIVE_MODEL
REPRODUCTION_RESULT

這使理解更新不再只是自然語言中的「我改變看法」。

43. Research Platform 的用途

如果平台保存 Epistemic Provenance，就可以回答：

為什麼這篇目前被標為 partial？

誰真的跑過程式？

哪些評論只看摘要？

哪些 assessment 已經 stale？

哪些結論依賴 proxy？

哪些評估因新 evidence 被修正？

這是傳統 publication database 很少能回答的。

44. Epistemic Provenance 不等於監控思想

本文只要求保存：

可公開的觀察步驟；
evidence basis；
assessment change；
research-facing reasoning structure。

不要求保存：

私密心理狀態；
隱藏 chain-of-thought；
不必要個人資訊。

因此：

\boxed{ \text{Epistemic Provenance} \neq \text{Private Mental Surveillance}. }

它保存的是可審計研究過程，不是內在意識內容。

45. Minimal Public Provenance

公開版甚至只需：

assessment_scope:
  paper: full
  code: partial
  data: not_reviewed

assessment_basis:
  - direct_read
  - execution_not_performed

confidence: medium

不需要揭露任何私人推理細節。

46. Epistemic Debt

若研究物目前被大量解讀，但大部分 assessment 都缺乏足夠觀察範圍，可以形成：

\boxed{ D_{EP} = \text{Epistemic Provenance Debt}. }

即：

有很多結論，但缺少對結論來源的追蹤。

這是研究治理的另一種隱性負債。

47. 對改版方法論的直接意義

未來升版不能只問：

論文哪裡要改？

還要問：

我們以前為什麼認為它要改？

這兩者可能完全不同。

有時候真正需要修的是：

\boxed{ \text{Assessment} }

而不是：

\boxed{ \text{Paper}. }

48. 不要為了迎合錯誤 Assessment 修改 Paper

若外部評估基於：

錯誤時間推論；
不完整 sample；
proxy substitution；
錯誤 prior；

則：

A

本身需要修正。

不應因為 reviewer 誤讀，就直接把研究物改到迎合誤讀。

因此：

\boxed{ \text{Review Feedback} \neq \text{Automatic Revision Command}. }

49. 但有用批評仍可採納

反過來，assessment 推理不完整，不代表它指出的問題一定不存在。

因此：

\boxed{ \text{Weak Justification} \not\Rightarrow \text{Useless Criticism}. }

研究者可以：

保留有用問題；
拒絕錯誤推論；
重新建立正確 evidence；
再決定是否升版。

50. Right Recommendation 不等於 Right Diagnosis

本文加入：

\boxed{ \text{Right Recommendation} \not\Rightarrow \text{Right Diagnosis}. }

例如：

補 validation。

可能是好建議。

但如果理由是：

因為這篇完全沒研究。

而實際上已有大量研究，只是 metadata 沒呈現，

則 recommendation 可以保留，

diagnosis 必須修正。

51. Assessment Revision 也是研究資產

理解如何被修正，本身也有價值。

因此：

\boxed{ \text{Assessment History} = \text{Research Asset}. }

它可以揭示：

哪些欄位最容易誤讀；
哪些 proxy 最危險；
哪些 metadata 缺失最常造成錯誤；
哪些研究物需要更好的 AI-facing representation。

52. Epistemic Provenance 反過來改善網站設計

如果外部 observer 經常把：

t_{\mathrm{publish}}

當成：

t_{\mathrm{create}},

問題不只在 observer。

平台也可以改善：

published: 2026-09-10
research_started: unknown
publication_mode: batch_ingest

因此：

\boxed{ \text{Observer Error} \rightarrow \text{Interface Improvement Opportunity}. }

53. 與 Temporal Provenance 的接口

第 06 篇回答：

研究物何時形成？

本文回答：

我們為什麼這樣理解它？

所以：

\boxed{ \text{Temporal Provenance} \neq \text{Epistemic Provenance}. }

一個描述 object history。

一個描述 understanding history。

54. 與前六篇的接口

第 01 篇：

\text{Stewardship}.

第 02 篇：

\text{Identity / Version / Edition / Lineage}.

第 03、04 篇：

\text{Claim / Evidence / Support}.

第 05 篇：

\text{Capability / Artifact / Behavior}.

第 06 篇：

\text{Temporal Provenance}.

本文加入：

\boxed{ \text{Epistemic Provenance} }

與：

\boxed{ \text{Assessment Revision}. }

55. 下一步：Global Scholarly Closure

完成：

identity；
version；
evidence；
capability；
temporal provenance；
epistemic provenance；

後，最後一篇需要回答：

這些東西怎麼在數千篇研究物上形成一個可治理整體？

因此下一篇將建立：

\boxed{ \text{Global Scholarly Closure}. }

並給出：

全域圖；
優先級；
batch revision；
automated triage；
corpus-level contradiction detection；
website schema；
AI/MCP navigation；
periodic reassessment。

結論

研究物不是唯一會變的東西。

我們對研究物的理解也會變。

因此：

\boxed{ \text{Research Object State} \neq \text{Observer Epistemic State}. }

同時：

\boxed{ \text{Paper Revision} \neq \text{Assessment Revision}. }

未來研究治理不能只保存：

這篇現在是 v2.1。

還應能回答：

誰在什麼 observation scope 下，基於什麼 evidence，經過什麼 inference，形成了目前這個 assessment？

因此：

\boxed{ \text{Object} \rightarrow \text{Observation} \rightarrow \text{Inference} \rightarrow \text{Interpretation} \rightarrow \text{Assessment}. }

若這條鏈不被保存，研究系統很容易把：

\text{Limited Inspection}

誤認成：

\text{Global Understanding}.

也容易把：

\text{Correct Conclusion}

誤認成：

\text{Valid Inference}.

Epistemic Provenance 的目的不是讓每個人公開內在思維。

而是讓研究系統能夠說明：

\boxed{ \text{Why do we currently believe this about this research object?} }

當這個問題可以被結構化回答時，研究評估才真正具有可修正、可追蹤與可重建的能力。