← Archive
lm-004981 · 2026-11

辯論不是把對方說倒：從論證勝負到世界模型比較

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇
title
辯論不是把對方說倒：從論證勝負到世界模型比較
english_title
Debate Is Not About Defeating the Opponent: From Argument Victory to World-Model Comparison
series
AI 辯論學習方法論系列
series_english
AI Debate Learning Methodology Series
series_id
ADLM
paper_id
ADLM-01
author
Neo.K
organization
EveMissLab
version
0.1.0
status
Research Draft / Series Opening Paper
date
2026-10-05
language
zh-TW
canonical_source
UTF-8 Markdown
math_source_rule
inline math only with $...$ ; display math only with $$...$$

辯論不是把對方說倒

從論證勝負到世界模型比較

Debate Is Not About Defeating the Opponent: From Argument Victory to World-Model Comparison

系列： AI 辯論學習方法論系列（ADLM），Paper 01
作者： Neo.K
機構： EveMissLab
版本： v0.1.0
日期： 2026-10-05

公司： 一言諾科技有限公司

摘要

現代辯論、網路論戰、公共議題交鋒與許多競技式說理活動，常把辯論理解為：

Attack+Defense+Persuasion→Victory.\boxed{ \text{Attack} + \text{Defense} + \text{Persuasion} \rightarrow \text{Victory}. }

在這種框架中，成功意味著找到對方的論證漏洞、迫使對方無法回應、讓裁判或觀眾認為自己較有道理。然而，若辯論的真正目的是改善決策、提高對世界的理解、比較因果模型或逼近較可靠的知識，那麼「把對方說倒」並不足以構成辯論成功。

本文提出：

Refuting Opponent≠Establishing One’s Own Model.\boxed{ \text{Refuting Opponent} \neq \text{Establishing One's Own Model}. }

以及：

Debate Victory≠Epistemic Progress.\boxed{ \text{Debate Victory} \neq \text{Epistemic Progress}. }

若紅方模型為 MRM_R，藍方模型為 MBM_B，則證明：

MBM_B

存在缺陷，只能推出：

MB requires revision.\boxed{ M_B \text{ requires revision}. }

它不能自動推出：

MR is true.\boxed{ M_R \text{ is true}. }

更一般地：

¬MB⇏MR.\neg M_B \not\Rightarrow M_R.

因為真實世界可能位於第三模型：

MG,M_G,

甚至原始二分本身就是錯誤的 hypothesis partition。

本文進一步區分 Sentence Competition、Argument Competition、Model Competition 與 World-Model Evolution，並提出 Construction–Refutation Asymmetry：完整模型的建立可能需要長鏈條的前提、定義、因果與證據，而局部反駁只需擊穿其中一個節點。因此在有限時間、有限工作記憶與有限共享語義下，真人辯論天然容易獎勵攻擊而非模型建構。

本文同時提出 Epistemic Debate Success Criterion：一場辯論的價值不應只看哪一方獲勝，而應看辯論後：

ΔRworld=Rafter−Rbefore\boxed{ \Delta R_{\mathrm{world}} = R_{\mathrm{after}} - R_{\mathrm{before}} }

是否上升，其中 RworldR_{\mathrm{world}} 表示參與者對問題世界模型的解析度、可區辨性與可修正性。

因此，真正的求真型辯論應將目標從：

Locate the Loser\boxed{ \text{Locate the Loser} }

轉向：

Locate the Divergence.\boxed{ \text{Locate the Divergence}. }

本篇作為 ADLM 系列開篇，建立後續「論證責任不對稱」「第一因與語言適用域」「相對性與不變量」「共同域與分歧定位」「Green Model」以及最終 AI Debate Learning Methodology 的理論入口。

關鍵詞： 辯論、世界模型、論證、反駁、求真、論證勝負、Construction–Refutation Asymmetry、Epistemic Progress、Model Competition、AI Debate Learning

1. 問題起點：辯論到底是為了什麼？

日常語言中的「辯論」可能至少包含三種不同目標：

Advocacy\boxed{ \text{Advocacy} } Adversarial Testing\boxed{ \text{Adversarial Testing} } Inquiry.\boxed{ \text{Inquiry}. }

第一種想要替某個立場辯護。

第二種想要找出一個立場的弱點。

第三種想要讓我們更接近真實、可行決策或更好的世界模型。

這三者可以重疊，但不相同。

2. Advocacy

定義：

A(M)=maximize persuasive support for model M.\boxed{ \mathcal A(M) = \text{maximize persuasive support for model }M. }

Advocacy 本身沒有問題。法律、政策、政治、公共決策都需要 advocacy。

但：

A(M)\boxed{ \mathcal A(M) }

的最佳策略不必等於：

truth-seeking optimum.\boxed{ \text{truth-seeking optimum}. }

3. Adversarial Testing

定義：

T(M)=search for weaknesses, contradictions, failures, and counterexamples of M.\boxed{ \mathcal T(M) = \text{search for weaknesses, contradictions, failures, and counterexamples of }M. }

這同樣非常重要。一個模型若無法承受：

T(M),\mathcal T(M),

就不值得高信任。

但：

T(MB) succeeds\boxed{ \mathcal T(M_B)\text{ succeeds} }

不代表：

MR succeeds.\boxed{ M_R\text{ succeeds}. }

4. Inquiry

Inquiry 的目標不是：

defend MR\text{defend }M_R

也不是：

destroy MB.\text{destroy }M_B.

而是：

max⁡MQ(M∣E).\boxed{ \max_M Q( M\mid E ). }

其中 MM 是候選世界模型， EE 是可得證據， QQ 是模型品質。

因此：

Inquiry permits abandoning all initial sides.\boxed{ \text{Inquiry permits abandoning all initial sides}. }

5. 競技辯論的基本結構

最簡化：

RvsB.R \quad vs\quad B.

紅方：

Defend⁡(MR).\operatorname{Defend}(M_R).

藍方：

Defend⁡(MB).\operatorname{Defend}(M_B).

裁判：

J(MR,MB)→{R,B}.J(M_R,M_B) \rightarrow \{R,B\}.

這個制度的輸出空間只有：

{R,B}.\boxed{ \{R,B\}. }

如果真正更好的模型是：

MG,M_G,

系統也可能沒有合法出口。

6. 二元輸出限制與 False Dichotomy

若真實 hypothesis space：

H={MR,MB,MC,MD,…},\mathcal H = \{ M_R, M_B, M_C, M_D,\ldots \},

但 debate protocol 只允許：

HD={MR,MB},\mathcal H_D = \{ M_R,M_B \},

則：

HD⊊H.\boxed{ \mathcal H_D \subsetneq \mathcal H. }

傳統常把 false dichotomy 當成某一方的邏輯錯誤。

本文進一步指出：

False Dichotomy\boxed{ \text{False Dichotomy} }

也可能是 protocol-level error。

因為規則先要求：

選紅還是藍。

這本身就在假設：

the correct model lies on the red–blue axis.\boxed{ \text{the correct model lies on the red–blue axis}. }

7. 選邊與相信不是同一回事

競技辯論常發生：

Assigned Position≠Believed Position.\boxed{ \text{Assigned Position} \neq \text{Believed Position}. }

參與者可以完全不相信：

MR,M_R,

但仍必須：

Defend⁡(MR).\operatorname{Defend}(M_R).

這能訓練 argument search、perspective taking、steelmanning 與 rhetorical flexibility。

但不能直接視為：

belief formation.\boxed{ \text{belief formation}. }

8. 論證術與世界理解

一個人非常會：

Argue⁡(M)\operatorname{Argue}(M)

不代表他非常會：

EvaluateTruth⁡(M).\operatorname{EvaluateTruth}(M).

因此：

Argument Skill≠World-Model Accuracy.\boxed{ \text{Argument Skill} \neq \text{World-Model Accuracy}. }

9. 找漏洞很便宜，建模型很貴

假設一個模型：

MM

由：

P1,P2,…,PnP_1,P_2,\ldots,P_n

與推論關係：

Γ\Gamma

構成。

要建立模型，可能要提供：

P1+P2+⋯+Pn+Γ+E.\boxed{ P_1 + P_2 +\cdots+ P_n + \Gamma + E. }

但反駁可能只需：

∃i:¬Pi.\exists i: \neg P_i.

所以：

Cconstruct≫Crefute\boxed{ C_{\mathrm{construct}} \gg C_{\mathrm{refute}} }

在許多論證類型下成立。

10. Construction–Refutation Asymmetry

本文定義：

ACR=CconstructCrefute.\boxed{ A_{CR} = \frac{ C_{\mathrm{construct}} }{ C_{\mathrm{refute}} }. }

若：

ACR≫1,A_{CR}\gg1,

攻擊方天然具有 communication advantage。

11. 反駁證明不等於證明反命題

若某人聲稱：

PP

並提出證明：

ΠP,\Pi_P,

另一人證明：

ΠP\Pi_P

有錯。

只能得到：

ΠP fails.\boxed{ \Pi_P \text{ fails}. }

不能得到：

¬P.\boxed{ \neg P. }

同樣：

Fail⁡(MB)⇏Success⁡(MR).\boxed{ \operatorname{Fail}(M_B) \not\Rightarrow \operatorname{Success}(M_R). }

12. 真人辯論的額外困難

人類不是無限上下文形式證明器。

真人辯論有：

Working Memory Limit\boxed{ \text{Working Memory Limit} } Time Limit\boxed{ \text{Time Limit} } Language Ambiguity\boxed{ \text{Language Ambiguity} } Shared-Domain Deficit.\boxed{ \text{Shared-Domain Deficit}. }

所以即使論證形式上可以展開，實際也不一定能完整傳遞。

13. Argument Bandwidth

定義：

BA=effective argument bandwidth.\boxed{ B_A = \text{effective argument bandwidth}. }

它受語速、工作記憶、共同背景、術語、時間與注意力共同限制。

一句：

你這個前提沒有證據。

非常便宜。

完整回答可能要重新建立：

Dshared+P1+P2+Γ.D_{\mathrm{shared}} + P_1 + P_2 + \Gamma.

所以攻擊天然容易被壓縮。

14. Audience Processing Asymmetry

觀眾也受：

BAB_A

限制。

一句：

他連自己的定義都講不清楚。

很容易記住。

但一段 scope、qualifier、conditional argument 不容易保留。

因此 rhetoric 會自然利用：

compression advantage.\boxed{ \text{compression advantage}. }

15. Sentence Competition

本文定義最低層：

Sentence Competition.\boxed{ \text{Sentence Competition}. }

目標是：

哪一句話更有力？

評估的是簡短、記憶性、反擊力與情緒張力。

這不是錯，但解析度最低。

16. Argument Competition

下一層：

Argument Competition.\boxed{ \text{Argument Competition}. }

比較：

ARA_R

與：

ABA_B

誰的 validity 更高、premises 更穩、contradictions 更少。

這已進入邏輯層。

17. Model Competition

更高一層：

Model Competition.\boxed{ \text{Model Competition}. }

比較：

MRM_R

與：

MB.M_B.

問：

  • causal coverage；
  • prediction；
  • counterfactual；
  • explanatory economy；
  • failure boundary；
  • world compatibility。

18. World-Model Evolution

最高一層不是比較而已。

而是：

(MR,MB,E)→Mt+1.\boxed{ (M_R,M_B,E) \rightarrow M_{t+1}. }

其中：

Mt+1M_{t+1}

可以不是任何原始模型。

這就是 ADLM 最終要研究的方向。

19. Debate Victory 與 Epistemic Progress

競技式結果：

VD∈{R,B}.V_D \in \{ R,B \}.

但它可以代表 rhetoric、judge preference、rule satisfaction 或 argument completeness。

它不能自動代表：

world truth.\boxed{ \text{world truth}. }

本文定義：

GE=Q(Mafter)−Q(Mbefore).\boxed{ G_E = Q( M_{\mathrm{after}} ) - Q( M_{\mathrm{before}} ). }

若：

GE>0,G_E>0,

才代表某種 epistemic progress。

20. Winning with Negative Epistemic Gain

完全可能：

VD=1V_D=1

但：

GE<0.G_E<0.

例如：

  • rhetoric 誤導；
  • false dichotomy；
  • audience bias；
  • suppression of uncertainty。

因此：

Winning⇏GE>0.\boxed{ \text{Winning} \not\Rightarrow G_E>0. }

21. Losing with Positive Epistemic Gain

也可能：

VD=0V_D=0

但：

GE>0.G_E>0.

例如一方承認：

你的這個反例成立，我修改原模型。

在競技辯論中可能算失分。

在求真系統中應算：

successful update.\boxed{ \text{successful update}. }

22. Update Should Not Be Punished

本文提出：

Evidence-Responsive Revision\boxed{ \text{Evidence-Responsive Revision} }

應是一種正向能力。

如果新 evidence：

EE

足以推翻：

Mt,M_t,

則：

Mt→Mt+1M_t \rightarrow M_{t+1}

應得到正 reward。

若規則獎勵：

Never Concede\boxed{ \text{Never Concede} }

參與者會學到 rationalization 而非 rational updating。

23. Argumentative Lock-In

定義：

LA=degree to which prior side assignment constrains later belief revision.\boxed{ L_A = \text{degree to which prior side assignment constrains later belief revision}. }

若：

LA≫0,L_A\gg0,

辯論容易變成立場鎖定。

當立場：

MM

與身份：

II

綁定：

I↔M,I\leftrightarrow M,

修正模型就被感知為：

identity loss.\text{identity loss}.

因此 epistemic update cost 上升。

24. Role Play 的兩面性

換位辯論很好。

它可以：

expand perspective.\boxed{ \text{expand perspective}. }

但如果目標仍是：

win from assigned side,\text{win from assigned side},

那它訓練的仍然是：

argument generation under arbitrary target.\boxed{ \text{argument generation under arbitrary target}. }

不是 truth selection。

25. 強論證能力可能提高錯誤防禦能力

若 agent：

AA

argument capability 提升，

它不只更會證明真的東西。

也可能更會：

defend false models.\boxed{ \text{defend false models}. }

因此：

argument capacity\boxed{ \text{argument capacity} }

本身不是 epistemically directional。

26. Rhetorical Intelligence 與 Epistemic Intelligence

定義：

CR=capacity to generate persuasive argumentative structure.\boxed{ C_R = \text{capacity to generate persuasive argumentative structure}. }

以及：

CE=capacity to improve beliefs under evidence.\boxed{ C_E = \text{capacity to improve beliefs under evidence}. }

兩者應分開測量。

若：

CR≫CE,C_R\gg C_E,

可能產生：

brilliant rationalizer.\boxed{ \text{brilliant rationalizer}. }

27. Debate as Error-Correction

求真型辯論最有價值的定位是：

distributed error-correction process.\boxed{ \text{distributed error-correction process}. }

不同 agent 具有不同 priors、observations、representations 與 blind spots。

因此彼此可以暴露誤差。

28. Error Detection 不等於 Error Correction

如果：

AA

找到：

BB

的錯，

但：

BB

沒有合法更新通道，

則：

error detection≠error correction.\boxed{ \text{error detection} \neq \text{error correction}. }

如果規則要求：

不論發生什麼都 defend 到底。

那 debate 實際只是：

adversarial stress test.\boxed{ \text{adversarial stress test}. }

這仍有價值，但不是 inquiry。

29. 三種成功標準

29.1 Rhetorical Success

SR=audience persuasion.S_R = \text{audience persuasion}.

29.2 Adversarial Success

SA=weaknesses exposed.S_A = \text{weaknesses exposed}.

29.3 Epistemic Success

SE=world-model improvement.S_E = \text{world-model improvement}.

三者不必同時最大。

30. Audience Majority Is Not Truth

令：

PJ(M)P_J(M)

表示裁判或觀眾支持率。

即使：

PJ(MR)>PJ(MB),P_J(M_R)>P_J(M_B),

也不推出：

P(MR∣W)>P(MB∣W).P(M_R\mid W)>P(M_B\mid W).

裁判不是：

Truth Oracle.\boxed{ \text{Truth Oracle}. }

裁判也有：

MJ.M_J.

因此：

J(R,B)=ΠJ(MR,MB).\boxed{ J(R,B) = \Pi_J( M_R,M_B ). }

裁判結果仍是一個 projection。

31. Protocol Shapes Outcome

若更換：

P,P,

可能：

JP(MR,MB)≠JP′(MR,MB).J_P(M_R,M_B) \neq J_{P'}(M_R,M_B).

因此：

Debate Outcome\boxed{ \text{Debate Outcome} }

部分是 protocol-relative。

但：

Outcome Relative to Protocol≠Truth Relative to Protocol.\boxed{ \text{Outcome Relative to Protocol} \neq \text{Truth Relative to Protocol}. }

32. 語言遊戲的真正問題

本文不反對語言分析。

語言是辯論必要介面。

問題是：

Definition Victory≠Causal Victory.\boxed{ \text{Definition Victory} \neq \text{Causal Victory}. }

你可以證明：

對方用詞不一致。

但世界仍可能沒有被解釋。

33. Common Domain Before Conflict

本文提出：

Dshared\boxed{ D_{\mathrm{shared}} }

作為求真辯論的最低前置。

至少包含：

  • shared terms；
  • shared observations；
  • shared scope；
  • shared inference rules；
  • known disagreements。

若：

Dshared≈∅,D_{\mathrm{shared}}\approx\varnothing,

直接進入攻擊通常只會：

multiply misunderstanding.\boxed{ \text{multiply misunderstanding}. }

34. Agreement Is Not the Goal

建立：

DsharedD_{\mathrm{shared}}

不是要求：

MR=MB.M_R=M_B.

而是確保：

the disagreement is about the same object.\boxed{ \text{the disagreement is about the same object}. }

35. Locate the Divergence

本文提出 ADLM 系列第一個核心口號：

Locate the Divergence, not the Loser.\boxed{ \text{Locate the Divergence, not the Loser}. }

即：

找到模型從哪裡開始不同，而不是先找誰輸。

36. Divergence 可以出現在不同層

分歧可能在：

Definition\boxed{ \text{Definition} }

或：

Observation\boxed{ \text{Observation} }

或：

Inference\boxed{ \text{Inference} }

或：

Causal Model\boxed{ \text{Causal Model} }

或：

Value.\boxed{ \text{Value}. }

不同類型需要不同處理。

37. Debate Decomposition

一場複雜辯論可拆：

Δ=(ΔD,ΔO,ΔI,ΔC,ΔV).\boxed{ \Delta = ( \Delta_D, \Delta_O, \Delta_I, \Delta_C, \Delta_V ). }

其中：

  • ΔD\Delta_D：definition；
  • ΔO\Delta_O：observation；
  • ΔI\Delta_I：inference；
  • ΔC\Delta_C：causal；
  • ΔV\Delta_V：value。

38. Definition Divergence

若：

DR(x)≠DB(x),D_R(x)\neq D_B(x),

先做 semantic alignment。

不應立即討論：

truth of x.\text{truth of }x.

39. Observation Divergence

若：

OR≠OB,O_R\neq O_B,

則應比較 evidence sources。

這不是純邏輯戰。

40. Inference Divergence

若 observation 相同：

OR=OB,O_R=O_B,

但：

IR(O)≠IB(O),I_R(O)\neq I_B(O),

才是推理規則或 prior 分歧。

41. Causal Divergence

若雙方都接受：

X,Y,X,Y,

但：

R:X→Y,R: X\rightarrow Y, B:Z→Y,B: Z\rightarrow Y,

則需要：

causal discrimination.\boxed{ \text{causal discrimination}. }

42. Value Divergence

若雙方對事實都同意：

WR=WB,W_R=W_B,

但：

VR≠VB,V_R\neq V_B,

那是 normative disagreement。

不能假裝仍是 factual debate。

43. Debate Resolution

定義：

RD=1−H(Δ).\boxed{ R_D = 1-H(\Delta). }

這只是概念量，表示：

我們對真正分歧的位置知道多少？

一場高品質辯論即使沒有共識，也可以：

RD↑.R_D\uparrow.

44. Unresolved but Better

例如辯論前：

我們整個世界觀都不同。

辯論後：

我們其實只在這兩個 causal assumptions 不同。

那麼：

Epistemic Progress\boxed{ \text{Epistemic Progress} }

已經發生。

45. Consensus Is Not Required

因此：

Consensus\boxed{ \text{Consensus} }

不是成功必要條件。

有些 unresolved disagreement 應該被保存：

Δunresolved.\boxed{ \Delta_{\mathrm{unresolved}}. }

而不是被 rhetoric 壓平。

46. 求真辯論的結構化輸出

一場高品質辯論最後至少應輸出：

OD=(Dshared,Δresolved,Δunresolved,E∗).\boxed{ O_D = ( D_{\mathrm{shared}}, \Delta_{\mathrm{resolved}}, \Delta_{\mathrm{unresolved}}, E^\ast ). }

其中：

E∗E^\ast

是下一個最有區辨力的 evidence。

47. Discriminating Evidence

真正世界模型比較需要：

E∗:P(E∗∣MR)≠P(E∗∣MB).\boxed{ E^\ast: P(E^\ast\mid M_R) \neq P(E^\ast\mid M_B). }

如果所有 evidence 都被兩邊同樣解釋，

則辯論難以向前。

48. Argument Should Lead to Experiment

理想：

Argument→Crux→Discriminating Evidence.\boxed{ \text{Argument} \rightarrow \text{Crux} \rightarrow \text{Discriminating Evidence}. }

這才讓語言與世界重新接上。

49. Pure Language Loop

若：

Argument→Argument→Argument\text{Argument} \rightarrow \text{Argument} \rightarrow \text{Argument}

無限循環，

但沒有：

E∗,E^\ast,

則可能進入：

Pure Language Loop.\boxed{ \text{Pure Language Loop}. }

它仍可以釐清概念、暴露矛盾。

但：

semantic progress≠causal resolution.\boxed{ \text{semantic progress} \neq \text{causal resolution}. }

50. Debate Objective Function

傳統：

Udebate=P(win).\boxed{ U_{\mathrm{debate}} = P( \text{win} ). }

求真型則可以寫成：

Uinquiry=ΔQM+λΔRD+μV(E∗).\boxed{ U_{\mathrm{inquiry}} = \Delta Q_M + \lambda\Delta R_D + \mu V(E^\ast). }

51. Model Quality

本文暫定：

QM=F(C,P,D,U).\boxed{ Q_M = F( C, P, D, U ). }

其中：

  • CC：causal coverage；
  • PP：predictive performance；
  • DD：discriminability；
  • UU：updateability。

這不是最後定義，而是系列後續可操作化的起點。

52. Better Debate Is Not Always Longer Debate

高品質辯論可能很快找到：

Δ∗.\Delta^\ast.

然後說：

現在需要新的 evidence。

此時繼續講兩小時反而沒有價值。

因此本文提出：

Stop linguistic debate when marginal argumentative gain falls below expected discriminating-evidence gain.\boxed{ \text{Stop linguistic debate when marginal argumentative gain falls below expected discriminating-evidence gain}. }

即：

Garg<Gevidence.G_{\mathrm{arg}} < G_{\mathrm{evidence}}.

53. Undertermination as Valid Outcome

若：

EE

不足以區分：

MR,MB,M_R,M_B,

合法答案是：

Underdetermined.\boxed{ \text{Underdetermined}. }

不是強迫選邊。

54. Truth Debate 與 Decision Debate

Truth Debate 問：

W∗=?W^\ast=?

Decision Debate 問：

A∗=arg⁡max⁡AEU(A∣M).A^\ast = \arg\max_A EU(A\mid M).

兩者不能混。

有時候我們不知道世界完整真相，但仍然必須做決策。

55. Decision Utility 不等於 Ontological Truth

一個 policy：

PP

可能在不完整世界模型下仍實用。

所以：

Decision Utility≠Ontological Truth.\boxed{ \text{Decision Utility} \neq \text{Ontological Truth}. }

同樣，一個事實模型較準，也不自動決定價值選擇。

56. Debate as World-Model Compression

高品質辯論最終可以將大量語言壓成：

Shared+Divergence+Evidence Need.\boxed{ \text{Shared} + \text{Divergence} + \text{Evidence Need}. }

這是一種 useful compression。

真正高價值輸出不應只是 transcript：

T,T,

而應是：

C(T)=(MR,MB,Dshared,Δ∗,E∗).\boxed{ \mathcal C(T) = ( M_R, M_B, D_{\mathrm{shared}}, \Delta^\ast, E^\ast ). }

57. Debate Volume vs Debate Value

AI 可以生成：

10510^5

tokens 的辯論。

如果不能壓縮成：

Δ∗,\Delta^\ast,

那只是在製造更多 argument volume。

可定義：

ηD=ΔQMargument tokens.\boxed{ \eta_D = \frac{ \Delta Q_M }{ \text{argument tokens} }. }

未來 AI debate 不應只追求更多 rounds。

58. Argument Saturation

若每輪新增：

ΔIn→0,\Delta I_n \rightarrow0,

繼續辯論只是浪費 compute。

因此需要 adaptive stopping。

每輪應估計：

NA(n)=new model-relevant information.\boxed{ N_A(n) = \text{new model-relevant information}. }

若：

NA(n)≈0,N_A(n)\approx0,

應轉向 evidence search 或 synthesis。

59. 攻擊不是壞事

本文不是反對攻擊。

強攻擊可以：

stress-test model boundaries.\boxed{ \text{stress-test model boundaries}. }

問題只是：

attack is a phase, not the terminal objective.\boxed{ \text{attack is a phase, not the terminal objective}. }

60. Defense 也不是壞事

Defense 可以補前提、澄清、限定 scope、修正誤解。

但：

defense should permit revision.\boxed{ \text{defense should permit revision}. }

否則就成 rationalization。

61. Surrender Is Not Required

求真也不是：

一被攻擊就投降。

一個模型可以合理地：

survive strong adversarial testing.\boxed{ \text{survive strong adversarial testing}. }

如果證據支持它，就應保留。

62. Epistemic Tension

本文將：

TE\boxed{ T_E }

定義為：

不同模型在 shared domain 下仍不能消除的認識張力。

高張力不一定表示需要立即消除。

如果：

TET_E

可以產生：

E∗,E^\ast,

就是 productive tension。

如果只產生 repeated rhetoric，則是 low-yield tension。

63. Debate Quality

可暫寫：

QD=F(Dshared,RD,V(E∗),Uupdate).\boxed{ Q_D = F( D_{\mathrm{shared}}, R_D, V(E^\ast), U_{\mathrm{update}} ). }

這會在系列後面逐步完善。

64. 人類載體有限意味著必須外部化辯論狀態

人類工作記憶有限，因此高品質 debate protocol 應使用：

  • argument map；
  • shared definitions；
  • crux table；
  • evidence ledger；
  • revision history。

而不是要求所有人記住整場口語流。

65. Externalized Debate State

定義：

SD=(MR,MB,Dshared,Δ,E,H).\boxed{ S_D = ( M_R, M_B, D_{\mathrm{shared}}, \Delta, E, H ). }

其中：

  • EE：evidence；
  • HH：revision history。

這比純 transcript 更適合人與 AI。

66. Debate as Learning Trace

完整辯論可以被視為：

ΓD=(M0,A1,E1,M1,…,Mn).\boxed{ \Gamma_D = ( M_0, A_1, E_1, M_1, \ldots, M_n ). }

這比最後 winner label 更有訓練價值。

67. Winner Label Is Lossy

若把整場辯論只保存：

R wins,\boxed{ R\text{ wins}, }

會丟掉：

  • 哪些論點有效；
  • 哪些前提失敗；
  • 哪些分歧未解；
  • 哪些 evidence 需要補。

所以 winner 是高度 lossy projection。

68. ADLM 的基本方向

因此 AI debate learning 應該學：

Model Transition\boxed{ \text{Model Transition} }

而不是只有：

Argument Generation.\boxed{ \text{Argument Generation}. }

這會在 ADLM-08 完整建立。

69. 第一原則：Argument–Model Non-Equivalence

Winning an argument does not establish the truth of the model being defended.\boxed{ \text{Winning an argument does not establish the truth of the model being defended}. }

70. 第二原則：Refutation Non-Transfer

¬MB⇏MR.\boxed{ \neg M_B \not\Rightarrow M_R. }

除非：

H={MR,MB}\mathcal H = \{M_R,M_B\}

且兩者完整互斥、窮盡。

71. 第三原則：Protocol Hypothesis-Space Principle

A debate protocol cannot reliably discover models it structurally forbids from expressing.\boxed{ \text{A debate protocol cannot reliably discover models it structurally forbids from expressing}. }

72. 第四原則：Epistemic Update Principle

Evidence-responsive revision should count as success, not defeat.\boxed{ \text{Evidence-responsive revision should count as success, not defeat}. }

73. 第五原則：Divergence Localization Principle

A high-quality debate localizes the first meaningful divergence between models.\boxed{ \text{A high-quality debate localizes the first meaningful divergence between models}. }

74. 第六原則：Evidence Escalation Principle

When linguistic marginal gain saturates, the debate should escalate toward discriminating evidence.\boxed{ \text{When linguistic marginal gain saturates, the debate should escalate toward discriminating evidence}. }

75. 最小求真辯論輸出

本文提出：

Omin⁡=(Dshared,Δ∗,E∗).\boxed{ O_{\min} = ( D_{\mathrm{shared}}, \Delta^\ast, E^\ast ). }

即至少回答：

  1. 我們同意什麼？
  2. 我們真正在哪裡不同？
  3. 什麼新證據可以區分？

若找不到：

E∗,E^\ast,

可以標記：

currently non-discriminable.\boxed{ \text{currently non-discriminable}. }

這仍比假裝一方必勝誠實。

76. 從辯論勝負到世界模型比較

因此辯論成熟路線：

Sentence Competition→Argument Competition→Model Competition→World-Model Evolution.\boxed{ \text{Sentence Competition} \rightarrow \text{Argument Competition} \rightarrow \text{Model Competition} \rightarrow \text{World-Model Evolution}. }

77. 系列後續接口

ADLM-02 將處理：

你究竟否定了什麼？\boxed{ \text{你究竟否定了什麼？} }

也就是：

  • belief；
  • non-belief；
  • local negation；
  • global negation；
  • claim scope；
  • burden。

並建立：

Claim Scope↑⇒Proof Burden↑.\boxed{ \text{Claim Scope} \uparrow \Rightarrow \text{Proof Burden} \uparrow. }

78. 本文不主張事項

本文不主張：

  1. 競技辯論沒有價值；
  2. 攻擊論證是不好的；
  3. defense 不重要；
  4. 所有辯論都必須共識；
  5. 所有議題都有第三模型；
  6. rhetoric 完全沒有用途；
  7. judge 沒有價值；
  8. truth-seeking 一定比 advocacy 適合所有情境；
  9. 所有 disagreement 都能靠 evidence 消除；
  10. 世界模型一定能被完整形式化。

本文只主張：

debate goals, protocols, and success criteria must be distinguished.\boxed{ \text{debate goals, protocols, and success criteria must be distinguished}. }

79. 結論

辯論可以是一種非常強大的文明工具。

它可以：

  • 暴露錯誤；
  • 測試模型；
  • 逼迫定義清晰；
  • 換位思考；
  • 找反例；
  • 改善決策。

但如果辯論被壓縮成：

Who won?\boxed{ \text{Who won?} }

它就會自然獎勵 punchline、burden shifting、local attack、identity defense 與 never concede。

這些技巧可以產生精彩比賽。

但不保證：

better understanding of the world.\boxed{ \text{better understanding of the world}. }

真正需要保留的區分是：

Refuting Opponent≠Establishing One’s Own Model,\boxed{ \text{Refuting Opponent} \neq \text{Establishing One's Own Model}, }

以及：

Debate Victory≠Epistemic Progress.\boxed{ \text{Debate Victory} \neq \text{Epistemic Progress}. }

如果紅方指出藍方有錯，紅方只是完成：

T(MB).\mathcal T(M_B).

它還沒有完成：

V(MR).\mathcal V(M_R).

如果藍方把紅方駁倒，也一樣。

甚至兩邊都可能錯。

所以求真型辯論真正應該問的，不是：

誰輸了？

而是：

我們現在比辯論之前，更清楚世界可能是什麼了嗎？\boxed{ \text{我們現在比辯論之前，更清楚世界可能是什麼了嗎？} }

若答案是肯定的，即使雙方都修改立場，甚至雙方最初模型都被淘汰，這場辯論仍然成功。

如果答案是否定的，即使其中一方贏得滿堂喝采，從認識論角度看：

ΔRworld≈0.\boxed{ \Delta R_{\mathrm{world}} \approx0. }

這就是 ADLM 系列的起點。

版本紀錄

v0.1.0 — 2026-10-05

  • 建立 ADLM 系列開篇；
  • 區分 Advocacy、Adversarial Testing 與 Inquiry；
  • 提出 Construction–Refutation Asymmetry；
  • 區分 Sentence Competition、Argument Competition、Model Competition 與 World-Model Evolution；
  • 提出 Argument Skill ≠ World-Model Accuracy；
  • 提出 Debate Victory ≠ Epistemic Progress；
  • 提出 Argumentative Lock-In 與 Role-Induced Attachment；
  • 區分 Rhetorical Success、Adversarial Success 與 Epistemic Success；
  • 提出 Debate Decomposition；
  • 提出 Locate the Divergence, not the Loser；
  • 提出 Evidence Escalation Principle；
  • 提出最小求真辯論輸出 Omin⁡O_{\min} ；
  • 為 ADLM-02 至 ADLM-08 建立統一入口。