title

SRBC Theory Validation Program — Round 13：Adaptive Clarification Dialogue / Noisy Human Answers

author

Neo.K with Aletheia (GPT-5.6 Sol)

institution

EveMissLab / 一言諾科技有限公司

version

v0.1

date

2026-09-24

language

zh-TW

document_type

Noisy Clarification / Evidence-Ledger Validation Report

status

Round 13 corrected r2 completed

SRBC Theory Validation Program — Round 13

Adaptive Clarification Dialogue / Noisy Human Answers

作者： Neo.K with Aletheia (GPT-5.6 Sol)
機構： EveMissLab / 一言諾科技有限公司
日期： 2026-09-24
版本： v0.1

Canonical Source Note

本報告以 UTF-8 Markdown 保存；數學 source 僅使用 $...$ 與 $$...$$。

本輪使用 synthetic answer channels。所有錯誤率、refusal rate、correlation rate 都是 benchmark parameters，不是人類行為統計。

正式結果使用 common-response schedule：同一 synthetic session、同一 question、第 $n$ 次詢問，所有 policy 看到同一個 synthetic response，避免 policy 比較被不同 RNG draw 污染。

第一版 correction harness 曾誤共用「已被另一 policy 消耗的 remaining-question list」，導致 soft-retraction 95.28% 的中間結果；該結果已作廢。修正後 5000-case correction benchmark 已全部重跑。

0. 問題

Round 12 假設：

Round 13 把這個假設拿掉。

現在 response 可能：

• 正確；
• 答錯；
• refusal；
• ambiguous；
• 前後矛盾；
• explicit correction；
• 同一來源重複偏誤。

1. Clarification Speech Act 不是同一 epistemic type

Round 13 最重要的理論結果之一：

至少要分：

Constitutive

使用者定義自己的 intended meaning / preference。

例如：

我說的「有利」就是 posterior 比較高。

這通常可以成為 hard commitment，因為 speaker 正在設定 target specification。

Reportive

我記得主持人是隨機開門。

這是在報告世界資訊或記憶，應先進 evidence ledger。

Inferential

我覺得答案應該是 $2/3$。

這是推論 evidence。

2. Noise Benchmark

active query cases：

每 scenario 每 case：

repetitions。

因此每 policy / scenario：

sessions。

3. IID 5% Error

single hard prune：

wrong resolution。

要求兩次一致：

所以 IID 模型下 repeated confirmation 確實有價值。

代價是平均 turns：

4. IID 20% Error

hard-first：

wrong resolution。

confirm-two：

soft IID confidence policy：

• resolution rate：$$93.23\%$$
• wrong resolution / all：$$\boxed{ 2.052\% }$$
• resolved-case accuracy：$$97.80\%.$$

這不是「soft 一定更好」。

它是在用更多 turns 與：

換取較低錯閉合。

5. Mixed Noise

synthetic channel：

• 10% refusal；
• 10% ambiguous；
• 10% wrong；
• 70% correct。

hard-first wrong resolution：

confirm-two：

soft evidence policy：

wrong resolution / all，

但仍保留約：

sessions unresolved。

因此：

6. Correlated 15% Session Bias

這是本輪最重要的反例。

同一 question 在一個 session 中要嘛一直正確，要嘛一直反向。

hard-first：

wrong。

confirm-two：

wrong。

IID Bayes：

wrong。

也就是：

因為不是兩個獨立 errors。

7. Correlation-Aware Policy

correlation-aware model 知道：

同一 source 對同一 question 的 repetition 共享 latent bias。

因此重問九次也不把它當九份證據。

在：

confidence threshold 下：

• false high-confidence：$$\boxed{ 0 }$$
• resolution：$$\boxed{ 0. }$$

它選擇「不知道」。

這是刻意保守，不是免費午餐。

8. Exact Repetition Control

100,000 個二世界 correlated sessions。

confirm-two wrong commit：

IID Bayes 把三個相同回答當 independent：

但因真實錯誤是 session-correlated，false high-confidence rate 仍：

correlation-aware：

• false high-confidence：$$0$$
• unresolved：$$100\%.$$

9. Correlated Repetition Lemma

perfect shared-bias model 下：

所以 likelihood ratio 只是：

IID 誤模型卻用：

這就是虛假 certainty 的來源。

10. Correction Benchmark

第一個 response 強制答錯，

接著 explicit correction。

共：

cases。

hard irreversible：

true branch recovery。

reversible ledger：

soft evidence retraction + truthful follow-up：

11. Irreversible Pruning Lemma

若：

且一次錯誤 response：

則：

而：

所以：

後面再說：

抱歉，我剛才說錯了。

如果 runtime 沒有 retract / reopen，

數學上就恢復不了真 branch。

12. Contradiction Benchmark

5000 cases：

先正確回答，再給相反但沒有 correction marker的回答。

Hard append

得到 empty / inconsistent active family。

Last-write-wins

true branch retention：

也就是直接把前一次 evidence 靜默反轉。

Evidence ledger

• conflict detection：$$\boxed{ 100\% }$$
• true branch retained：$$\boxed{ 100\%. }$$

Soft IID

correct + opposite evidence 抵消後：

避免達到 95% confidence closure。

13. Correction 與 Contradiction 不能共用同一 operator

明示：

supersedes: event-17

是 correction。

沒有 supersession relation 的相反 response 是：

EvidenceConflict

不能自動 last-write-wins。

14. Query-Neutral Conflict

Round 12 已經知道 query-neutral conflict 不需 clarification。

Round 13 再驗：

query-neutral preserved conflicts 問題數為零。

所以 noisy-dialogue support 沒有讓系統退化成：

有 conflict 就一直問。

15. Probabilistic Confidence 不是 QRC

soft policy 的：

最多叫：

不能寫：

因為 admissible semantic branches 並沒有被形式證明成同一答案。

16. Hard Promotion 的正確邊界

本輪 synthetic noise 結果主要針對：

不能錯誤解讀成：

使用者自己定義自己的 intended meaning 也不能直接相信。

如果是 constitutive speech act：

我這裡就是定義成 X。

那 X 本身可成為新 source commitment。

問題不是「人會不會答錯」，

而是：

17. Authority Scope

即使是 constitutive，也有 scope。

使用者可以定義：

• 自己的術語；
• 自己的 preference；
• 自己要問的 query；
• 自己建立的 fictional / formal world。

但不能靠一句：

我定義黎曼猜想已證明。

就 constitutively 改變數學真理。

所以：

必須進 act typing。

18. Round 13 對 Runtime 的真正修改

clarification runtime 從：

question
→ answer
→ commitment

改成：

question
→ response event
→ speech-act typing
→ authority check
→ evidence / commitment routing
→ correlation model
→ optional belief update
→ promotion / retract / reopen

19. Evidence Ledger

建議 event：

event_id:
question_id:
speaker_id:
act_type:
response:
authority_scope:
channel_model:
correlation_group:
timestamp:
supersedes:
retracts:

所以 future correction 不需要重建整個對話語意。

20. 本輪沒有證明什麼

所有 noise rates 都是 synthetic。

沒有證明：

1. 人類 clarification 真實 error rate 是 5%、15% 或 20%；
2. 同一人的重複回答一定 perfect-correlated；
3. Bayesian likelihood 是人類心理真模型；
4. 0.95 是最佳 confidence threshold；
5. constitutive / reportive speech act 能被 AI 100% 正確分類。

本輪證明的是：

21. 下一輪

Round 14 最自然的方向是：

現在真正最薄弱的環節變成：

系統怎麼知道一句 clarification 是 constitutive、reportive、inferential，還是 correction？

可以故意生成：

• 「我是說 X」；
• 「我記得是 X」；
• 「假設 X」；
• 「應該是 X」；
• 「不，我剛才說錯，是 Y」；
• 「在這個 fictional world 裡 X」；
• 「現實世界就是 X」。

測錯分型會如何把 evidence 變成 hard commitment，或把 authoritative intent 錯當 probabilistic evidence。

附錄 A：Noise Benchmark

附錄 B：Correction Benchmark

附錄 C：Machine Results

{
  "round": "SRBC Theory Validation Round 13",
  "engine_revision": "v0.13-r2-common-response-schedule",
  "active_cases": 2000,
  "repetitions_per_case_scenario": 25,
  "query_neutral_cases": 4000,
  "query_neutral_zero_question_rate": 1.0,
  "noise_benchmark": {
    "iid05": {
      "hard_first": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.9454,
        "wrong_resolution_rate_all": 0.0546,
        "avg_turns": 1.07654
      },
      "confirm2": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.99206,
        "wrong_resolution_rate_all": 0.00794,
        "avg_turns": 2.25926
      },
      "soft_iid": {
        "n": 50000,
        "resolution_rate": 0.99978,
        "accuracy_when_resolved": 0.9667126767888936,
        "wrong_resolution_rate_all": 0.03328,
        "avg_turns": 1.4354
      },
      "soft_corr_aware": {
        "n": 50000,
        "resolution_rate": 0.99978,
        "accuracy_when_resolved": 0.9667126767888936,
        "wrong_resolution_rate_all": 0.03328,
        "avg_turns": 1.4354
      }
    },
    "iid20": {
      "hard_first": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.79088,
        "wrong_resolution_rate_all": 0.20912,
        "avg_turns": 1.07152
      },
      "confirm2": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.88938,
        "wrong_resolution_rate_all": 0.11062,
        "avg_turns": 2.49676
      },
      "soft_iid": {
        "n": 50000,
        "resolution_rate": 0.9323,
        "accuracy_when_resolved": 0.9779899174085595,
        "wrong_resolution_rate_all": 0.02052,
        "avg_turns": 4.42124
      },
      "soft_corr_aware": {
        "n": 50000,
        "resolution_rate": 0.9323,
        "accuracy_when_resolved": 0.9779899174085595,
        "wrong_resolution_rate_all": 0.02052,
        "avg_turns": 4.42124
      }
    },
    "mixed10": {
      "hard_first": {
        "n": 50000,
        "resolution_rate": 0.99998,
        "accuracy_when_resolved": 0.8674973499469989,
        "wrong_resolution_rate_all": 0.1325,
        "avg_turns": 1.34264
      },
      "confirm2": {
        "n": 50000,
        "resolution_rate": 0.99904,
        "accuracy_when_resolved": 0.9553371236386932,
        "wrong_resolution_rate_all": 0.04462,
        "avg_turns": 2.98686
      },
      "soft_iid": {
        "n": 50000,
        "resolution_rate": 0.9827,
        "accuracy_when_resolved": 0.9796682609138089,
        "wrong_resolution_rate_all": 0.01998,
        "avg_turns": 3.36202
      },
      "soft_corr_aware": {
        "n": 50000,
        "resolution_rate": 0.9827,
        "accuracy_when_resolved": 0.9796682609138089,
        "wrong_resolution_rate_all": 0.01998,
        "avg_turns": 3.36202
      }
    },
    "correlated15": {
      "hard_first": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.84034,
        "wrong_resolution_rate_all": 0.15966,
        "avg_turns": 1.07314
      },
      "confirm2": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.84034,
        "wrong_resolution_rate_all": 0.15966,
        "avg_turns": 2.14628
      },
      "soft_iid": {
        "n": 50000,
        "resolution_rate": 1.0,
        "accuracy_when_resolved": 0.84034,
        "wrong_resolution_rate_all": 0.15966,
        "avg_turns": 2.34268
      },
      "soft_corr_aware": {
        "n": 50000,
        "resolution_rate": 0.0,
        "accuracy_when_resolved": null,
        "wrong_resolution_rate_all": 0.0,
        "avg_turns": 9.0
      }
    }
  },
  "correction_benchmark": {
    "hard_irreversible": {
      "n": 5000,
      "true_branch_retention_rate": 0.0
    },
    "reversible_ledger": {
      "n": 5000,
      "true_branch_retention_rate": 1.0,
      "final_outcome_accuracy": 1.0
    },
    "soft_retraction": {
      "n": 5000,
      "true_branch_nonzero_rate": 1.0,
      "final_MAP_outcome_accuracy": 1.0
    }
  },
  "contradiction_benchmark": {
    "n": 5000,
    "hard_append_empty_rate": 1.0,
    "last_write_wins_true_branch_retention_rate": 0.0,
    "evidence_ledger_conflict_detection_rate": 1.0,
    "evidence_ledger_true_branch_retention_rate": 1.0,
    "soft_iid_avoids_95_confidence_rate": 1.0
  },
  "correlated_repeat_control": {
    "n": 100000,
    "confirm2_wrong_commit_rate": 0.15286,
    "iid_bayes_false_high_confidence_rate": 0.15286,
    "correlated_aware_false_high_confidence_rate": 0.0,
    "correlated_aware_unresolved_rate": 1.0
  },
  "speech_act_typing": {
    "constitutive": "authorized declaration that sets intended meaning/preference; eligible for hard commitment within authority scope",
    "reportive": "report of external fact/memory/belief; evidence by default",
    "inferential": "derived judgment/answer; evidence for a claim, not source fact",
    "refusal_or_ambiguous": "no branch elimination by default"
  },
  "core_findings": {
    "hard_promotion_from_single_reportive_answer_is_noise_sensitive": true,
    "correction_requires_retraction_or_reopen": true,
    "confidence_closure_is_not_QRC": true,
    "same_source_repetition_requires_correlation_model": true,
    "speech_act_type_controls_commitment_promotion": true
  },
  "discarded_intermediate_result": {
    "bug": "The first correction harness reused a remaining-question list already consumed by the reversible-ledger branch.",
    "discarded_value": "soft_retraction final_MAP_outcome_accuracy = 0.9528",
    "fix": "Use independent follow-up state for each policy, then rerun all 5000 correction cases."
  }
}

附錄 D：Artifacts

• SRBC_Theory_Validation_Round13_Report_v0.1_2026-09-24.md
• SRBC_Core_Patch_v0.13_2026-09-24.md
• adaptive_clarification_protocol_v013.yaml
• round13_noisy_clarification.py
• results_round13.json
• noise_results_round13.jsonl
• merge_cases_round11.jsonl
• validation.json