title: 研究物不是版本號：Research Object Identity、Version、Edition 與 Lineage 的分離
english_title: A Research Object Is Not a Version Number: Separating Identity, Version, Edition, and Lineage
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: 02
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 / SCHOLARLY INFRASTRUCTURE / VERSION GOVERNANCE
claim_state: THEORETICAL FRAMEWORK / DATA MODEL PROPOSAL
evidence_state: CONCEPTUAL / PRACTICE-DERIVED

研究物不是版本號：Research Object Identity、Version、Edition 與 Lineage 的分離

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

傳統論文管理往往把「一篇論文」視為單一文件，將版本號、檔名、發布日期與內容狀態混在一起。這種做法在低頻更新、單一投稿管線與少量研究物環境中尚可運作；但在 AI 原生研究環境中，同一理論可能同時存在原始版、公開版、投稿版、白皮書版、AI corpus 版、簡化版、技術附錄版與多次實質升版。若不拆分研究物身份、理論版本、投影版本與研究譜系，系統很快會失去「到底哪一個才是同一個研究物」的判定能力。

本文提出研究物四分模型：

\boxed{ \text{Identity} \neq \text{Version} \neq \text{Edition} \neq \text{Lineage}. }

其中，Identity 表示研究物的持久身份；Version 表示核心理論狀態的實質變化；Edition 表示同一理論狀態面向不同讀者或媒介的投影；Lineage 表示研究物與前置、後繼、分叉、合併、吸收、取代與衍生研究之間的譜系關係。

本文進一步主張：

\boxed{ \text{Version Change} \Longleftrightarrow \text{Research State Change} }

而不是：

\text{Version Change} \Longleftrightarrow \text{File Changed}.

同樣：

\boxed{ \text{Edition Change} \Longleftrightarrow \text{Projection Change} }

而不代表核心理論本身發生變化。

本文最後給出一套 AI-native scholarly object schema，使網站、MCP、Agent、搜尋器與人類讀者能在不混淆的前提下處理同一研究物的歷史、現行版本與多種投影。

關鍵詞： Research Object、Versioning、Edition、Projection、Lineage、AI-native scholarship、版本治理、研究物身份、學術基礎設施

0. 問題起點：到底什麼叫「同一篇論文」？

假設一個研究者先寫出：

paper_v0.1.md

幾天後補了引用：

paper_v0.2.md

再做成公開版：

paper_public_v0.2.md

又做成投稿版：

paper_academic_v0.2_final.md

之後修改核心命題：

paper_v1.0.md

再為 AI 建立結構化版本：

paper_ai_corpus_v1.0.json

這些檔案到底是：

六篇論文；
一篇論文六個版本；
兩個版本四種投影；
還是多個彼此相關但身份不同的研究物？

如果系統沒有正式回答，版本管理最終只能靠檔名與人的記憶。

這在 AI 原生研究中不可持續。

因此第一個基本命題是：

\boxed{ \text{File} \neq \text{Research Object}. }

檔案只是研究物的一種承載形式。

1. Research Object Identity

本文定義一個持久研究物身份：

\boxed{ ID(P)=\text{Persistent Research Object Identity}. }

一旦建立，研究物的核心身份不應隨：

檔名改變；
格式改變；
Markdown 轉 PDF；
語言翻譯；
公開版重排；
投稿格式調整；
AI corpus 轉換；

而改變。

例如：

lm-000501

可以持續指向同一研究物。

即使它後來存在：

lm-000501 v0.1
lm-000501 v0.5
lm-000501 v1.0
lm-000501 v2.0

其身份仍然是：

ID(P)=\text{lm-000501}.

因此：

\boxed{ \text{Identity persists across valid versions.} }

2. Identity 不是標題

標題可能改變。

例如初稿：

《AI 寫論文太快的問題》

正式版可能改成：

《當生成變得廉價：AI 原生學術照護、研究物生命週期與隱性整合債》

兩者可能仍然是同一研究物。

所以：

\boxed{ \text{Title} \neq \text{Identity}. }

同樣，一篇理論也可能因不同語言而有：

中文標題；
英文標題；
日文標題。

這仍然不能生成新的研究物身份。

標題是 metadata。

Identity 是持久引用錨點。

3. Identity 也不是當下文字內容

研究物可以被改寫。

若：

P_t

在時間 $t$ 的文字狀態與：

P_{t+1}

不同，仍可能屬於同一研究物。

因此：

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

不推出：

ID(P_t)\neq ID(P_{t+1}).

這也是版本治理存在的理由。

如果任何文字差異都生成新 Identity，研究譜系會碎裂。

如果所有內容差異都強行保留同一版本，歷史狀態又會消失。

所以必須把 Identity 與 Version 分離。

4. Version：理論狀態的變化

本文定義：

\boxed{ V_n(P) = \text{Research State of }P\text{ at version }n. }

Version 只應在研究物的實質狀態發生改變時前進。

例如：

核心定義修改；
主張範圍改變；
新反例迫使理論重構；
新證據改變原結論；
主要公式變更；
理論由 conjectural 升為 formally validated；
核心架構被拆分或合併；
後續研究要求重新界定原命題。

因此：

\boxed{ V_{n+1} \Longleftarrow \Delta \text{Research State}\neq0. }

5. 小修與實質升版

並非所有修改都值得升 major version。

可將改動粗略拆成：

\Delta P = ( \Delta_s, \Delta_c, \Delta_e, \Delta_f ),

其中：

$\Delta_s$ ：surface／文字與排版變更；
$\Delta_c$ ：claim／主張變更；
$\Delta_e$ ：evidence／證據狀態變更；
$\Delta_f$ ：formal or functional／形式化或功能變更。

若主要只有：

\Delta_s>0,

而：

\Delta_c=\Delta_e=\Delta_f=0,

則通常不應視為理論大升版。

相反，如果：

\Delta_c\gg0

或：

\Delta_e\gg0,

則應考慮正式 revision event。

這裡不主張全域固定的 semantic versioning 規則，而是主張：

\boxed{ \text{Version advancement must be claim-aware.} }

6. Edition：同一理論狀態的不同投影

這是 AI 原生研究最容易混淆的一層。

假設：

ID(P)=\text{lm-000501}

而其現行理論狀態為：

V(P)=v2.1.

同一個 $v2.1$ 可以產生：

Canonical Edition；
Public Edition；
Academic Submission Edition；
Technical White Paper Edition；
AI Corpus Edition；
Executive Summary Edition；
Educational Edition；
Multilingual Edition。

這些不應被寫成：

v2.2,v2.3,v2.4,\ldots

因為核心理論狀態沒有變。

本文定義：

\boxed{ E_k(P,V_n) = \text{Projection }k\text{ of research state }V_n. }

所以：

\boxed{ \text{Version} = \text{Theory-State Change} }

而：

\boxed{ \text{Edition} = \text{Audience/Medium Projection Change}. }

7. 為什麼 Edition 必須獨立？

如果 Edition 與 Version 混在一起，系統會產生至少四種錯誤。

7.1 把改寫誤認為理論進步

一篇文章從長版縮成短版，不代表理論更成熟。

7.2 把翻譯誤認為新版本

英文版與中文版可能只是語言投影。

7.3 無法判斷哪個版本內容真正改變

若所有輸出都只是 v3, v4, v5，AI 無法知道：

是核心命題變了，還是只是排版變了？

7.4 造成引用混亂

引用者真正需要的是：

(ID,V,E).

而不是只看到一個模糊檔名。

8. Canonical Edition

每個研究物在某一理論版本上，應至少有一個 canonical edition。

例如：

identity: lm-000501
version: v2.1
canonical_edition: logic-matrix

Canonical Edition 的目的不是最好讀。

而是：

\boxed{ \text{Canonical Edition} = \text{Authoritative Source Representation}. }

它應盡量：

保留完整主張；
保留完整公式；
保留 metadata；
保留 lineage；
保留 evidence mapping；
避免為讀者而刪除關鍵內容。

其他 edition 可以由 canonical edition 投影而來。

9. Projection Function

可以將 Edition 表示為：

E_k = \Pi_k(P,V_n),

其中：

\Pi_k

是投影算子。

例如：

\Pi_{\text{public}}

可能：

降低不必要術語；
加入背景解釋；
減少內部工作註記；
保留核心主張。

\Pi_{\text{academic}}

可能：

增加 prior art；
調整引用格式；
加強方法與限制；
符合期刊結構。

\Pi_{\text{AI}}

可能：

增加結構化 metadata；
拆 claim；
加 evidence link；
加 ontology；
加 machine-readable lineage。

只要：

\Pi_k

沒有改變核心研究狀態，就不應生成新的 Version。

10. Edition 不得偷偷改理論

投影有一個重要限制：

\boxed{ \Pi_k \text{ must preserve core research state.} }

如果在製作公開版時發現原命題太強，並將：

C

改成：

C',

而且：

C\neq C',

那麼這已經不是單純 projection。

此時應先修改 canonical research state：

V_n \rightarrow V_{n+1},

再從新版本生成公開 edition。

因此正確順序是：

\boxed{ \text{Revise Canonical State} \rightarrow \text{Generate Editions}. }

而不是在不同 edition 中各自偷偷修正理論。

11. Lineage：研究物之間的譜系

Version 描述同一研究物內部的時間演化。

Lineage 描述不同研究物之間的關係。

本文定義：

\boxed{ L(P_i,P_j) = \text{Research Lineage Relation}. }

常見關係至少包括：

precedes；
extends；
derives_from；
revises；
absorbs；
splits_from；
merges_with；
supersedes；
contradicts；
implements；
operationalizes；
tests；
reproduces。

因此：

\boxed{ \text{Version Graph} \neq \text{Lineage Graph}. }

12. 分叉不是升版

假設一篇研究物：

P

後來發展出兩個互不等價方向：

P_A

與：

P_B.

若兩者核心問題與主張已分離，則不應簡單寫成：

P:v2,v3.

更合理的是：

P \rightarrow \begin{cases} P_A\\ P_B \end{cases}

並給：

ID(P_A)\neq ID(P_B).

此時 lineage 記錄：

P_A:
  splits_from: P

P_B:
  splits_from: P

這保留研究歷史，也避免把真正的理論分叉偽裝成單一路徑版本。

13. 合併也不是普通升版

反過來，多篇研究可能被後來一篇整合。

例如：

P_1,P_2,P_3 \rightarrow P_*.

如果 $P_*$ 已具有獨立問題結構與整合性，則：

ID(P_*)\neq ID(P_i).

Lineage 可寫：

P_*:
  absorbs:
    - P_1
    - P_2
    - P_3

原研究物不需要刪除。

它們應保留歷史身份，並標：

lifecycle: superseded
superseded_by: P_*

因此：

\boxed{ \text{Superseded} \neq \text{Deleted}. }

14. Lifecycle：研究物目前處於什麼狀態？

Identity、Version、Edition 之外，還需要 Lifecycle。

例如：

DRAFT
ACTIVE
REVISED
SUPERSEDED
REFUTED
WITHDRAWN
HISTORICAL
ARCHIVED

Lifecycle 不應等同可信度。

所以：

\boxed{ \text{Lifecycle State} \neq \text{Truth Status}. }

一篇 Historical 論文可以仍然正確。

一篇 Active 論文也可以最終被證偽。

一篇 Refuted 論文仍可能具有極高歷史價值。

15. 時間也必須分離

研究物版本管理不能只留一個日期。

至少應區分：

dates:
  idea_first_recorded:
  draft_started:
  canonicalized:
  last_major_revision:
  ingested:
  published:

因為：

\boxed{ t_{\text{publish}} \neq t_{\text{create}}. }

同一天發布大量研究物，只能說明 publication event 接近。

不能直接推出：

\Delta t_{\text{research}}\approx 1\text{ day}.

因此版本系統必須避免讓下游 AI 或人類把發布時間誤讀成研究形成時間。

16. 一個最小研究物 schema

本文提出最低可用結構：

id: lm-000501

identity:
  canonical_id: lm-000501

version:
  current: v2.1
  previous: v2.0

edition:
  canonical: logic-matrix
  available:
    - public
    - academic
    - ai-corpus

lifecycle:
  state: active

lineage:
  derived_from: []
  extends: []
  supersedes: []
  implemented_by: []

dates:
  idea_first_recorded: unknown
  canonicalized: 2026-01-10
  last_major_revision: 2026-09-16
  published: 2026-09-20

這個 schema 不企圖一次解決 claim、evidence、verification。

它只解決：

\boxed{ \text{What object is this?} }

\boxed{ \text{Which research state is this?} }

\boxed{ \text{Which projection am I reading?} }

\boxed{ \text{Where does it sit in the research genealogy?} }

17. AI-facing retrieval 為什麼更需要這一層？

人類看到：

paper_public_final_v3_revised.md

還可能依經驗猜它代表什麼。

AI 系統則更容易將檔名與時間當作代理訊號。

如果 metadata 不完整，模型可能：

把公開版當 canonical；
把舊版當現行版；
把翻譯版當新理論；
把 superseded 論文當現行立場；
把 batch publish 當 batch creation；
把分叉研究誤認成同一版本。

所以 AI-native scholarly infrastructure 不應只讓文件「可讀」。

還要讓身份關係：

\boxed{ \text{Machine-Resolvable}. }

18. Persistent Identity 的長期價值

當研究量很少時，研究者可以靠記憶維護身份。

當研究量增加到：

N\gg1,

Persistent Identity 會變成必要基礎設施。

它允許：

stable citation；
version diff；
lineage query；
artifact binding；
evidence update；
supersession tracking；
cross-language projection；
Agent navigation；
corpus-level closure。

因此：

\boxed{ \text{Persistent ID} = \text{Scholarly Address Space}. }

沒有穩定地址，研究物之間的關係只能依賴名稱與模糊語義。

19. 不可變歷史與可變現行讀法

本文主張同時保留兩件事：

\boxed{ \text{Historical Immutability} }

與：

\boxed{ \text{Current Interpretive Mutability}. }

也就是：

舊版本不應被偷偷重寫成從來沒犯過錯。

同時：

現行版本也不應被舊版本永久綁死。

因此：

V_0,V_1,V_2,\ldots,V_n

應全部可追溯。

但：

V_n

可以被標記為 current canonical state。

這使研究系統同時具備：

歷史誠實；
現行可修正性。

20. 升版不是抹除

研究物治理最危險的做法之一，是把新版本直接覆蓋舊版。

如果：

V_{n+1}

完全抹除：

V_n,

則系統失去：

錯誤如何被修正；
概念如何形成；
何時發生重大轉向；
後來結論是如何得到的。

因此：

\boxed{ \text{Revision} \neq \text{Erasure}. }

版本歷史本身也是研究資料。

21. 研究物治理的五個核心問題

對任何研究物，系統至少要能回答：

Who am I?

ID(P)=?

What state am I in?

V(P)=?

Which projection are you reading?

E(P)=?

Where am I in the genealogy?

L(P)=?

What is my current lifecycle state?

S_L(P)=?

若這五個問題無法回答，後續 claim、evidence、verification 的治理都會建立在不穩定身份上。

22. 與整個系列的接口

第 01 篇建立：

\text{Generation} + \text{Stewardship} + \text{Global Closure}.

本文進一步回答：

要治理的「研究物」到底是什麼？

答案不是單一 Markdown。

而是：

\boxed{ P= ( ID, V, E, L, S_L, T ). }

後續篇章再把：

\text{Claims}, \text{Evidence}, \text{Verification}, \text{Capability}, \text{Artifacts}, \text{Epistemic Provenance}

逐步加入。

因此未來完整研究物將不再只是文件。

而更接近：

\boxed{ \text{Versioned, Projected, Lineage-Aware Scholarly Object}. }

結論

AI 原生研究使同一個理論可以被極高速地改寫、翻譯、投影、重排、擴充與重新發布。

如果所有變化都叫「版本」，研究系統會迅速失去語義。

因此本文建立：

\boxed{ \text{Identity} \neq \text{Version} \neq \text{Edition} \neq \text{Lineage} \neq \text{Lifecycle}. }

其中：

\text{Identity} = \text{研究物是誰},

\text{Version} = \text{理論狀態變了沒有},

\text{Edition} = \text{同一理論如何被投影},

\text{Lineage} = \text{它與其他研究物是什麼關係},

\text{Lifecycle} = \text{它現在處於什麼研究狀態}.

只有先把這些拆開，未來的自動升版、AI 研究導航、MCP 檢索、引用依賴、證據更新與全域研究閉合才有可靠基礎。

因此：

\boxed{ \text{A research object is not a file,} }

也不是一個版本號。

它是一個具有持久身份、可變狀態、多重投影與可追溯譜系的知識對象。