← Archive
lm-004994 · 2026-11

RLHET-04｜選擇即剪枝：反事實世界、不可逆決策與可能底空間損失

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

RLHET-04｜選擇即剪枝：反事實世界、不可逆決策與可能底空間損失

系列名稱： 可修正長程展開論（Revisable Long-Horizon Expansion Theory, RLHET）
系列編號： RLHET-04
作者： Neo.K
研究協作： AI-assisted theoretical development
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-10-05
文件性質： 理論論文／反事實世界／可能底空間／不可逆決策／剪枝／開放未來
Canonical source： UTF-8 Markdown
Canonical math delimiters： inline $...$；display $$...$$

摘要

RLHET-01 將長程視界、路徑長度與未來可展開性分離；RLHET-02 建立可修正長程目標；RLHET-03 則把單一世界未來展開為多主體可能底空間族：

Wt={Fi(t)∣ei∈E(t)}.\mathbb W_t = \left\{ \mathcal F_i(t) \mid e_i\in E(t) \right\}.

本文進一步處理一個不可避免的問題：

只要存在作出真實選擇，是否就必然消滅一部分沒有被走上的未來？

本文回答：在一般條件下，是。

若時間 tt 的可達未來為：

Ft,\mathcal F_t,

行動：

ata_t

會把世界帶到新狀態：

St+1,S_{t+1},

同時也會改寫之後仍可達的未來：

at:Ft→Ft+1.\boxed{ a_t: \mathcal F_t \rightarrow \mathcal F_{t+1}. }

因此，選擇不只是「從多條枝中走上一條」，也是一個對反事實空間進行保留、壓縮、合併、延後、封閉、恢復與生成的結構操作。

本文將這種操作統稱為反事實剪枝（Counterfactual Pruning）。

但「剪枝」本身並非負面概念。沒有剪枝，行動就無法形成；沒有承諾，長程計畫就不能累積；沒有排除錯誤，智能就無法收斂。真正需要分析的是：

Necessary Pruning≠Premature Foreclosure.\boxed{ \text{Necessary Pruning} \neq \text{Premature Foreclosure}. }

本文因此區分：

  1. 暫時剪枝；
  2. 可逆剪枝；
  3. 可補償剪枝；
  4. 路徑依賴剪枝；
  5. 不可逆剪枝；
  6. 存在級剪枝；
  7. 生成性剪枝。

本文進一步提出「可能底空間損失」：

LF(at)L_{\mathcal F}(a_t)

與「反事實殘差」：

Rcf(at),\mathcal R_{\mathrm{cf}}(a_t),

用以描述某一選擇之後不再可達、尚未被充分理解或被錯誤封閉的未實現世界。本文同時指出，所有決策都不可能在選擇前完整計算其反事實損失，因此真正可行的長程方法不是追求零剪枝，而是提高：

  • 剪枝理由品質；
  • 可逆性；
  • 回滾能力；
  • 可補償性；
  • 重新開路能力；
  • 反事實覆蓋；
  • 他者影響可見性；
  • 不可逆決策的審查門檻。

本文最終提出：

Open Future≠No Pruning.\boxed{ \text{Open Future} \neq \text{No Pruning}. }

真正的開放未來是：

避免不必要的不可逆剪枝， 並保留在新證據出現時重新生成道路的能力。\boxed{ \text{避免不必要的不可逆剪枝， 並保留在新證據出現時重新生成道路的能力。} }

關鍵詞： 反事實剪枝、可能底空間、不可逆決策、開放未來、路徑依賴、回滾、可修正性、反事實覆蓋、存在級剪枝、長程決策

0. 問題：真正的選擇是否必然意味著失去其他可能？

假設一個存在在時間 tt 具有三條可行路徑：

At={a1,a2,a3}.\mathcal A_t = \{ a_1, a_2, a_3 \}.

它最後選擇：

a1.a_1.

最簡單的理解是：

它只是從三個選項中選了一個。

但若：

a1a_1

會改變下一時刻的世界狀態，

則：

a1a_1

還會改變未來可以繼續選什麼。

也就是：

St→a1St+1,S_t \xrightarrow{a_1} S_{t+1},

同時：

Ft→a1Ft+1.\mathcal F_t \xrightarrow{a_1} \mathcal F_{t+1}.

因此：

Choice=State Selection+Future-Space Transformation.\boxed{ \text{Choice} = \text{State Selection} + \text{Future-Space Transformation}. }

這使真正的選擇問題不再只是：

哪一個選項最好？

而變成：

選了這一個之後，哪些未來會被保留，哪些會被消滅，哪些會被新生成？

1. 從選項集合到反事實森林

令時間 tt 的狀態為：

St.S_t.

令所有目前可生成的反事實路徑為：

Γt={γ1,γ2,…}.\Gamma_t = \{ \gamma_1, \gamma_2,\ldots \}.

其中每條：

γk\gamma_k

代表一個可能世界演化。

因此可以把：

Γt\Gamma_t

視為一個反事實森林。

真實世界只實現：

γ∗.\gamma^\ast.

其他：

γk≠γ∗\gamma_k\neq\gamma^\ast

仍然具有不同地位：

  • 有些只是沒有被選；
  • 有些仍可稍後回去；
  • 有些被暫時延後；
  • 有些被制度鎖死；
  • 有些因資源耗盡消失；
  • 有些因選擇本身永遠不再可達；
  • 有些其實從未真正可行。

所以：

Unrealized≠Impossible.\boxed{ \text{Unrealized} \neq \text{Impossible}. }

也同樣：

Unchosen≠Irrecoverable.\boxed{ \text{Unchosen} \neq \text{Irrecoverable}. }

2. 反事實剪枝

本文定義：

Pat:Ft→Ft+1\boxed{ \mathcal P_{a_t} : \mathcal F_t \rightarrow \mathcal F_{t+1} }

為行動 ata_t 所誘發的剪枝算子。

若：

Ft+1⊂Ft,\mathcal F_{t+1} \subset \mathcal F_t,

則某些未來被移除。

被移除部分記為：

Δt−=Ft∖Ft+1.\boxed{ \Delta^-_t = \mathcal F_t \setminus \mathcal F_{t+1}. }

新生成部分記為：

Δt+=Ft+1∖Ft.\boxed{ \Delta^+_t = \mathcal F_{t+1} \setminus \mathcal F_t. }

因此選擇不只是損失。

它可能同時：

Prune+Generate.\text{Prune} + \text{Generate}.

完整變化為：

Ft+1=(Ft∖Δt−)∪Δt+.\boxed{ \mathcal F_{t+1} = \left( \mathcal F_t \setminus \Delta^-_t \right) \cup \Delta^+_t. }

3. 為什麼剪枝不是錯誤

若智能永遠拒絕剪枝，就無法：

  • 做決定；
  • 承諾；
  • 完成；
  • 收斂；
  • 排除假說；
  • 配置資源；
  • 建立身份；
  • 形成歷史。

所以：

Agency requires pruning.\boxed{ \text{Agency requires pruning}. }

學習本身也包含：

Hypothesis Space→Smaller Viable Space.\text{Hypothesis Space} \rightarrow \text{Smaller Viable Space}.

科學驗證也包含：

Ht→Ht+1.\mathcal H_t \rightarrow \mathcal H_{t+1}.

因此問題從來不是：

Prune or not prune?\text{Prune or not prune?}

而是：

Which pruning is justified, reversible, and proportionate?\boxed{ \text{Which pruning is justified, reversible, and proportionate?} }

4. 七種剪枝

4.1 暫時剪枝

某條路只是目前不走。

若未來仍可回到：

γk,\gamma_k,

則它只是：

Deferred Branch.\boxed{ \text{Deferred Branch}. }

形式上：

γk∉At\gamma_k \notin \mathcal A_t

但：

γk∈At+n.\gamma_k \in \mathcal A_{t+n}.

4.2 可逆剪枝

若選擇後存在回滾算子：

R−1,\mathcal R^{-1},

使：

R−1(St+1)≈St,\mathcal R^{-1} \left( S_{t+1} \right) \approx S_t,

則剪枝具有較高可逆性。

例如：

  • 軟體回滾；
  • 可撤回政策；
  • 試用期；
  • 沙盒實驗；
  • 可轉換契約。

4.3 可補償剪枝

有些原路徑不能恢復，

但可以建立功能等價路徑：

γ′∼γ.\gamma' \sim \gamma.

因此：

Exact Recovery≠Functional Recovery.\boxed{ \text{Exact Recovery} \neq \text{Functional Recovery}. }

這種情況屬於：

Compensable Pruning.\boxed{ \text{Compensable Pruning}. }

4.4 路徑依賴剪枝

一個選擇不直接封死替代路徑，

但持續提高未來切換成本：

Cswitch(t)↑.C_{\mathrm{switch}}(t)\uparrow.

當：

Cswitch>Cfeasible,C_{\mathrm{switch}} > C_{\mathrm{feasible}},

名義可選路徑會變成實質不可達。

這是：

Path-Dependent Pruning.\boxed{ \text{Path-Dependent Pruning}. }

4.5 不可逆剪枝

若：

γ\gamma

一旦被排除，就不存在任何合理恢復路徑：

Restore⁡(γ)=∅,\operatorname{Restore}(\gamma)=\varnothing,

則為：

Irreversible Pruning.\boxed{ \text{Irreversible Pruning}. }

例如部分：

  • 生態滅絕；
  • 不可逆物理破壞；
  • 某些生命歷史損失；
  • 無備份資料銷毀；
  • 已消逝且不可重新取得的時間窗口。

4.6 存在級剪枝

如果某個決策不只是刪除一條路，

而是直接使某存在：

eie_i

後續所有路徑失效：

Fi(t+1)=∅,\mathcal F_i(t+1) = \varnothing,

本文稱：

Existence-Level Pruning.\boxed{ \text{Existence-Level Pruning}. }

其審查門檻應遠高於普通選項剪枝。

4.7 生成性剪枝

某些選擇雖然刪除大量當前分支，

卻生成更豐富的新結構。

例如：

∣Δt−∣≫0,|\Delta^-_t| \gg0,

但：

Φ(t+1)>Φ(t).\Phi(t+1) > \Phi(t).

這是：

Generative Pruning.\boxed{ \text{Generative Pruning}. }

例如選擇一套開放標準，

可能淘汰大量舊接口，

卻打開更多後續組合。

5. 剪枝量不等於剪枝傷害

若只計算：

∣Δt−∣,|\Delta^-_t|,

會出現誤判。

因為：

  • 刪除十萬個無效候選；
  • 刪除一個唯一不可替代未來；

不具有相同重要性。

因此本文不定義：

LF=∣Δ−∣.L_{\mathcal F} = |\Delta^-|.

更合理是：

LF(at)=∑γ∈Δt−w(γ)⋅I(γ)⋅N(γ)\boxed{ L_{\mathcal F}(a_t) = \sum_{\gamma\in\Delta^-_t} w(\gamma) \cdot I(\gamma) \cdot N(\gamma) }

其中：

  • w(γ)w(\gamma)：路徑價值權重；
  • I(γ)I(\gamma)：不可逆性；
  • N(γ)N(\gamma)：不可替代性。

這只是初步表示，

不是最終效用函數。

6. 可能底空間損失

本文定義：

LF(i)(at)\boxed{ L_{\mathcal F}^{(i)}(a_t) }

為行動 ata_t 對存在 ii 造成的有效可能底空間損失。

它可以依：

LF(i)=f(ΔReach,ΔRevise,ΔExit,ΔGenerate,ΔIdentity,ΔRecover).L_{\mathcal F}^{(i)} = f( \Delta Reach, \Delta Revise, \Delta Exit, \Delta Generate, \Delta Identity, \Delta Recover ).

其中：

  • ΔReach\Delta Reach：可達性損失；
  • ΔRevise\Delta Revise：修正能力損失；
  • ΔExit\Delta Exit：退出能力損失；
  • ΔGenerate\Delta Generate：新路徑生成能力損失；
  • ΔIdentity\Delta Identity：身份與路徑作者性損失；
  • ΔRecover\Delta Recover：恢復能力損失。

因此：

Possibility Loss≠Option Count Loss.\boxed{ \text{Possibility Loss} \neq \text{Option Count Loss}. }

7. 反事實殘差

任何行動者都無法窮盡全部可能世界。

因此在作出：

ata_t

時，總存在未被充分建模的反事實。

本文定義：

Rcf(at)\boxed{ \mathcal R_{\mathrm{cf}}(a_t) }

為反事實殘差。

它包含：

  • 尚未想到的替代方案；
  • 尚未觀察到的受影響者；
  • 尚未理解的因果路徑；
  • 尚未形成的未來主體；
  • 尚不存在的技術；
  • 尚未出現的新價值結構。

因此：

Ct⊂Cpossible,\boxed{ \mathcal C_t \subset \mathcal C_{\mathrm{possible}}, }

並且：

Rcf≠∅\boxed{ \mathcal R_{\mathrm{cf}} \neq \varnothing }

通常才是更保守的假設。

8. 所以不可逆決策需要更高門檻

若：

I(at)I(a_t)

表示不可逆性，

則審查要求：

Qreview(at)Q_{\mathrm{review}}(a_t)

應滿足：

I(at)↑⇒Qreview(at)↑.\boxed{ I(a_t)\uparrow \Rightarrow Q_{\mathrm{review}}(a_t)\uparrow. }

若同時：

Rcf(at)↑,\mathcal R_{\mathrm{cf}}(a_t)\uparrow,

則更應提高門檻。

可以暫時寫成：

Qreview=f(I,LF,Rcf,Scope,AffectedAgents).\boxed{ Q_{\mathrm{review}} = f( I, L_{\mathcal F}, \mathcal R_{\mathrm{cf}}, \text{Scope}, \text{AffectedAgents} ). }

9. 不可逆性與知識不足的乘積風險

若決策不可逆性高：

I≫0,I\gg0,

但知識不確定性也高：

U≫0,U\gg0,

則風險不是單純加法。

可暫寫：

R∗=I⋅U.\boxed{ R^\ast = I\cdot U. }

因此最危險的不是：

high uncertainty alone,\text{high uncertainty alone},

也不是：

high irreversibility alone,\text{high irreversibility alone},

而是：

High Uncertainty×High Irreversibility.\boxed{ \text{High Uncertainty} \times \text{High Irreversibility}. }

10. 可逆性具有資訊價值

若一個選擇可回滾，

就可以先：

Act\text{Act}

再：

Observe.\text{Observe}.

所以可逆決策具有額外：

Information Gain Value.\boxed{ \text{Information Gain Value}. }

可寫成：

Vrev=Voption+Vlearning+Vrollback.V_{\mathrm{rev}} = V_{\mathrm{option}} + V_{\mathrm{learning}} + V_{\mathrm{rollback}}.

因此：

Reversibility is not only safety; it is an epistemic resource.\boxed{ \text{Reversibility is not only safety; it is an epistemic resource}. }

11. 試驗、沙盒與階段性承諾

當不可逆風險高時，

可以把：

aa

改寫成階段行動：

a(1),a(2),…,a(n).a^{(1)}, a^{(2)}, \ldots,a^{(n)}.

每一階段都允許：

Review⁡.\operatorname{Review}.

因此：

One Irreversible Leap→Multiple Revisable Steps.\boxed{ \text{One Irreversible Leap} \rightarrow \text{Multiple Revisable Steps}. }

這不是永遠拖延。

而是將：

uncertainty\text{uncertainty}

轉化為：

sequential evidence.\text{sequential evidence}.

12. 但過度可逆也有成本

若所有選擇都保持：

100%100\%

可逆，

可能使：

  • 承諾不足；
  • 基礎投資不足；
  • 長期合作不穩；
  • 成本持續重複；
  • 組織無法收斂；
  • 身份無法形成。

因此：

Maximum Reversibility≠Optimal Reversibility.\boxed{ \text{Maximum Reversibility} \neq \text{Optimal Reversibility}. }

長程系統需要：

Selective Irreversibility.\boxed{ \text{Selective Irreversibility}. }

13. 選擇性不可逆

某些選擇值得形成鎖定。

例如：

  • 經過充分驗證的安全標準；
  • 長期信任關係；
  • 穩定基礎設施；
  • 已成熟的知識封裝；
  • 明確排除的錯誤路徑。

若：

Evidence↑,Evidence\uparrow,

且：

Benefitcommit↑,Benefit_{\mathrm{commit}}\uparrow,

則可以允許：

I(a)↑.I(a)\uparrow.

所以成熟系統不是：

I=0.I=0.

而是：

I should track evidence, stakes, and recovery capacity.\boxed{ I \text{ should track evidence, stakes, and recovery capacity}. }

14. 過早封閉

本文定義：

Premature Foreclosure\boxed{ \text{Premature Foreclosure} }

為：

在反事實覆蓋不足、理由不足或恢復能力不足時，對高價值可能底空間作出高不可逆剪枝。

形式上：

I(a)≫0,I(a)\gg0, Rcf≫0,\mathcal R_{\mathrm{cf}}\gg0,

且：

J(a)<Jrequired.J(a)<J_{\mathrm{required}}.

則：

a∈Premature Foreclosure.\boxed{ a \in \text{Premature Foreclosure}. }

15. 剪枝與沉沒成本循環

一個選擇若提高：

Cswitch,C_{\mathrm{switch}},

之後會使未來更難改。

因此：

at→Cswitch(t+1)↑→P(continue)↑.a_t \rightarrow C_{\mathrm{switch}}(t+1)\uparrow \rightarrow P(\text{continue})\uparrow.

若持續發生：

Cswitch(t+n)→∞,C_{\mathrm{switch}}(t+n) \rightarrow \infty,

則形成：

Lock-In Cascade.\boxed{ \text{Lock-In Cascade}. }

最後即使：

Gt+nG_{t+n}

已經不再合理，

系統也可能因高切換成本繼續。

16. 路徑依賴不是絕對負面

路徑依賴同樣可以產生：

  • 專業化；
  • 熟練；
  • 網路效應；
  • 協作默契；
  • 基礎設施；
  • 制度記憶；
  • 信任。

因此：

Path Dependence≠Pathology.\boxed{ \text{Path Dependence} \neq \text{Pathology}. }

真正問題是：

Can accumulated path dependence still be challenged?\boxed{ \text{Can accumulated path dependence still be challenged?} }

17. 剪枝理由的四層結構

本文提出四層剪枝理由。

17.1 不可能

若：

P(γ)=0,P(\gamma)=0,

則可以直接排除。

17.2 明顯劣勢

若：

U(γ)≪U(γ∗)U(\gamma) \ll U(\gamma^\ast)

且證據充分，

可以合理降低權重。

17.3 暫不選擇

若：

U(γ)U(\gamma)

仍未知，

但當下資源有限，

則：

γ\gamma

可暫緩，而非永久刪除。

17.4 不可接受

若某路徑會造成：

Φj→0\Phi_j\rightarrow0

或其他高階不可接受損失，

則可被高優先級剪除。

這一層需要最清楚的理由與審查。

18. 「沒有選」與「不准再選」是不同操作

這個區分非常重要。

沒有選：

Not Chosen.\boxed{ \text{Not Chosen}. }

永久不准再選：

Forbidden / Foreclosed.\boxed{ \text{Forbidden / Foreclosed}. }

前者：

γ∉γ∗\gamma\notin\gamma^\ast

不推出：

γ∉Ft+1.\gamma\notin\mathcal F_{t+1}.

所以：

Decision≠Permanent Elimination.\boxed{ \text{Decision} \neq \text{Permanent Elimination}. }

19. 延後本身也是一種選擇

若某問題在時間 tt 不做決定：

at=∅,a_t=\varnothing,

世界仍然會變化。

因此：

St+1=F(St,∅,Wt).S_{t+1} = F(S_t,\varnothing,W_t).

所以：

Delay≠No Action.\boxed{ \text{Delay} \neq \text{No Action}. }

延後可能：

  • 保留資訊；
  • 保留選項；
  • 錯失窗口；
  • 增加成本；
  • 讓他者先行；
  • 讓系統自然惡化。

因此：

Non-decision also prunes futures.\boxed{ \text{Non-decision also prunes futures}. }

20. 時間本身會剪枝

即使主體什麼都不做：

t→t+1t\rightarrow t+1

也可能使：

Ft→Ft+1\mathcal F_t \rightarrow \mathcal F_{t+1}

縮小。

原因包括：

  • 年齡；
  • 資源消耗；
  • 市場窗口；
  • 生態變化；
  • 他者選擇；
  • 技術替代；
  • 法律變化；
  • 歷史不可回返。

因此：

Time Is a Pruning Operator.\boxed{ \text{Time Is a Pruning Operator}. }

這也是 RLHET-05 的重要前置命題。

21. 因此「永遠再等等」不是開放未來

若延後導致：

Φ(t+1)<Φ(t),\Phi(t+1) < \Phi(t),

則：

我只是想保留更多選項。

可能實際上正在：

Passive Foreclosure.\boxed{ \text{Passive Foreclosure}. }

所以：

Option Preservation≠Indefinite Delay.\boxed{ \text{Option Preservation} \neq \text{Indefinite Delay}. }

22. 多主體剪枝外部性

對存在 ii 的選擇：

ai,a_i,

其影響不只：

Fi.\mathcal F_i.

還可能：

ai:Fj→Fj′.a_i: \mathcal F_j \rightarrow \mathcal F'_j.

因此定義：

LFi→j(ai)\boxed{ L_{\mathcal F}^{i\rightarrow j}(a_i) }

表示 ii 的行動對 jj 的可能底空間造成的損失。

若：

LFi→j≫LFi→i,L_{\mathcal F}^{i\rightarrow j} \gg L_{\mathcal F}^{i\rightarrow i},

表示一個主體把大量剪枝成本外部化給他者。

23. 多主體審查矩陣

可建立：

LF=[LFi→j].\mathbf L_{\mathcal F} = \left[ L_{\mathcal F}^{i\rightarrow j} \right].

其中：

LijL_{ij}

表示：

ii

的決策對：

jj

造成的可能性剪枝。

這使長程治理不再只看：

Ui(ai),U_i(a_i),

而能看：

Who is pruning whose future?\boxed{ \text{Who is pruning whose future?} }

24. 不可代決與剪枝權限

RLHET-03 已提出：

Ni\mathcal N_i

作為存在 ii 的不可代決域。

若行動：

aja_j

會在：

Ni\mathcal N_i

內進行高不可逆剪枝，

則：

QreviewQ_{\mathrm{review}}

應大幅提高。

因此：

Pruning Power≠Pruning Legitimacy.\boxed{ \text{Pruning Power} \neq \text{Pruning Legitimacy}. }

25. 能力越高，剪枝能力可能越大

高能力系統往往具有：

  • 更大執行能力；
  • 更廣制度影響；
  • 更高速自動化；
  • 更強資源調度；
  • 更大模型覆蓋。

因此：

Capability↑Capability\uparrow

可能導致：

PruningPower↑.PruningPower\uparrow.

這不意味：

Authority↑Authority\uparrow

必然同速增加。

反而可能需要：

Higher Capability⇒Stronger Reversibility and Audit Architecture.\boxed{ \text{Higher Capability} \Rightarrow \text{Stronger Reversibility and Audit Architecture}. }

26. 反事實測試

在高不可逆決策前，

至少可以問：

測試一

如果不做：

a,a,

會怎樣？

測試二

如果做一個較弱版本：

a−,a^{-},

會怎樣？

測試三

如果做：

aa

但保留回滾：

R,R,

會怎樣？

測試四

誰失去最多未來？

測試五

有沒有未被表示的主體？

測試六

五年後若發現錯誤，能否恢復？

這形成：

Counterfactual Pruning Audit.\boxed{ \text{Counterfactual Pruning Audit}. }

27. 修正能力與重新開路

如果某條路已被剪掉，

系統仍可能：

Regenerate Path.\boxed{ \text{Regenerate Path}. }

例如透過：

  • 新技術；
  • 新制度；
  • 補償；
  • 重建；
  • 概念積分；
  • 路徑替代；
  • 新資源；
  • 跨域橋接。

因此：

Pruned≠Forever Lost\boxed{ \text{Pruned} \neq \text{Forever Lost} }

在部分情況成立。

28. 路徑再生能力

定義：

Gpath(t)\boxed{ G_{\mathrm{path}}(t) }

為路徑再生能力。

若：

γ∉Ft,\gamma \notin \mathcal F_t,

但透過新操作：

Ω∗\Omega^\ast

可生成：

γ′,\gamma',

且：

γ′∼functionγ,\gamma' \sim_{\mathrm{function}} \gamma,

則：

Gpath>0.G_{\mathrm{path}}>0.

所以：

Future Expandability⊃Path Regeneration Capacity.\boxed{ \text{Future Expandability} \supset \text{Path Regeneration Capacity}. }

29. 概念積分作為再開路機制

概念積分可建立：

  • 新節點；
  • 新邊；
  • 新橋接；
  • 新型別轉換；
  • 新算子；
  • 新終態等價類。

因此：

It:Pt→Pt+1\mathcal I_t : \mathfrak P_t \rightarrow \mathfrak P_{t+1}

可以使：

Ft+1⊃Ft.\mathcal F_{t+1} \supset \mathcal F_t.

這表示：

Conceptual Integration\boxed{ \text{Conceptual Integration} }

不只是知識增加，

也是：

Counterfactual Reopening.\boxed{ \text{Counterfactual Reopening}. }

30. 剪枝與生成的動態平衡

成熟長程系統不是單向：

Ft↓.\mathcal F_t \downarrow.

也不是單向：

Ft↑.\mathcal F_t \uparrow.

而是：

Ft→pruneFt′→generateFt+1.\boxed{ \mathcal F_t \xrightarrow{\text{prune}} \mathcal F'_t \xrightarrow{\text{generate}} \mathcal F_{t+1}. }

因此真正的動力學是：

Prune+Generate+Reopen+Commit.\boxed{ \text{Prune} + \text{Generate} + \text{Reopen} + \text{Commit}. }

31. 過度剪枝與過度展開

兩個極端都會失敗。

過度剪枝

∣Ft∣→1.|\mathcal F_t| \rightarrow 1.

系統變得脆弱、僵化。

過度展開

∣Ft∣→∞|\mathcal F_t| \rightarrow \infty

但永不收斂，

則：

Action→0.\text{Action}\rightarrow0.

因此：

Healthy Agency=Selective Expansion+Selective Pruning.\boxed{ \text{Healthy Agency} = \text{Selective Expansion} + \text{Selective Pruning}. }

32. 剪枝節奏

可定義：

ρP(t)\rho_P(t)

為剪枝速率，

ρG(t)\rho_G(t)

為生成速率。

若：

ρP≫ρG,\rho_P\gg\rho_G,

系統會逐漸封閉。

若：

ρG≫ρP,\rho_G\gg\rho_P,

系統可能失去收斂。

因此：

Long-Horizon Adaptivity∼Dynamic Balance(ρP,ρG).\boxed{ \text{Long-Horizon Adaptivity} \sim \text{Dynamic Balance} \left( \rho_P, \rho_G \right). }

33. 何時應果斷剪枝？

本文並不要求永遠保守。

當以下條件高時：

Evidence↑,Evidence\uparrow, Repetition↑,Repetition\uparrow, Harm↑,Harm\uparrow, AlternativeQuality↑,AlternativeQuality\uparrow, RecoveryNeed↓,RecoveryNeed\downarrow,

則可以更果斷剪枝。

例如：

  • 已被嚴格證偽的假說；
  • 持續造成嚴重損害的路徑；
  • 高成本低收益重複失敗；
  • 已有明顯更佳替代方案；
  • 安全上不可接受的行動。

所以：

Open Future≠Refusal to Close Bad Futures.\boxed{ \text{Open Future} \neq \text{Refusal to Close Bad Futures}. }

34. 何時應避免不可逆剪枝？

當：

Uncertainty↑,Uncertainty\uparrow, AffectedAgents↑,AffectedAgents\uparrow, Irreversibility↑,Irreversibility\uparrow, CounterfactualResidual↑,CounterfactualResidual\uparrow, RestorationCapacity↓,RestorationCapacity\downarrow,

則應避免：

I(a)→1.I(a)\rightarrow1.

這就是：

Precaution by Irreversibility,\boxed{ \text{Precaution by Irreversibility}, }

而不是：

Precaution against all action.\boxed{ \text{Precaution against all action}. }

35. 七個核心命題

命題一：選擇即未來空間變換

at:Ft→Ft+1.\boxed{ a_t: \mathcal F_t \rightarrow \mathcal F_{t+1}. }

命題二：行動需要剪枝

Agency⇒Pruning.\boxed{ \text{Agency} \Rightarrow \text{Pruning}. }

命題三：剪枝不等於永久封閉

Pruning≠Irreversible Foreclosure.\boxed{ \text{Pruning} \neq \text{Irreversible Foreclosure}. }

命題四：沒有行動也會剪枝

Delay≠No Pruning.\boxed{ \text{Delay} \neq \text{No Pruning}. }

命題五：高不可逆加高不確定形成高風險

R∗∼I⋅U.\boxed{ R^\ast \sim I\cdot U. }

命題六：開放未來不是零剪枝

Open Future≠No Pruning.\boxed{ \text{Open Future} \neq \text{No Pruning}. }

命題七：未來可展開性包含再開路能力

Φ⊃Gpath.\boxed{ \Phi \supset G_{\mathrm{path}}. }

36. 七個失敗模式

36.1 剪枝恐懼

因害怕失去可能性而永不決定。

36.2 永久化偏誤

任何暫時選擇都被制度化成永久封閉。

36.3 沉沒成本鎖定

越走越久，越不允許退出。

36.4 被動封閉

以「再等等」為名讓時間自然消滅窗口。

36.5 他者成本外部化

自己的選擇透過：

LFi→jL_{\mathcal F}^{i\rightarrow j}

大量剪掉別人的未來。

36.6 反事實自信過度

把：

Ct\mathcal C_t

誤認為：

Call.\mathcal C_{\mathrm{all}}.

36.7 回滾幻覺

形式上存在：

Rollback,\text{Rollback},

但實際資料、信任、時間、身份或生態已不可恢復。

因此：

Technical Rollback≠Full World Restoration.\boxed{ \text{Technical Rollback} \neq \text{Full World Restoration}. }

37. 可逆性的多層結構

不能只問：

能不能按 Undo？

應區分：

R=(Rtechnical,Reconomic,Rinstitutional,Rsocial,Ridentity,Rtemporal).R = ( R_{\mathrm{technical}}, R_{\mathrm{economic}}, R_{\mathrm{institutional}}, R_{\mathrm{social}}, R_{\mathrm{identity}}, R_{\mathrm{temporal}} ).

某些系統：

Rtechnical=1,R_{\mathrm{technical}}=1,

但：

Rsocial≈0.R_{\mathrm{social}}\approx0.

所以：

Reversibility is multi-dimensional.\boxed{ \text{Reversibility is multi-dimensional}. }

38. 時間不可逆性

時間具有特殊性。

即使狀態可以近似恢復：

St+1→St,S_{t+1} \rightarrow S_t,

也不能真正恢復：

t+1→t.t+1 \rightarrow t.

因此：

State Reversibility≠Temporal Reversibility.\boxed{ \text{State Reversibility} \neq \text{Temporal Reversibility}. }

這一點會直接導向 RLHET-05。

39. 被失去的現在也是反事實損失

如果一個長期計畫持續延期，

可能保留：

Φfuture,\Phi_{\mathrm{future}},

但同時失去：

Φpresent.\Phi_{\mathrm{present}}.

而：

Φpresent\Phi_{\mathrm{present}}

不能事後完全補回。

因此：

Future Preservation\boxed{ \text{Future Preservation} }

本身也可能造成：

Present Pruning.\boxed{ \text{Present Pruning}. }

這使「現在也是未來的一部分」成為下一篇自然問題。

40. 與 RLHET-01 至 03 的統合

RLHET-01：

Long Horizon≠Long Path≠Φ.\text{Long Horizon} \neq \text{Long Path} \neq \Phi.

RLHET-02：

Gt+1≠GtG_{t+1}\neq G_t

可以合法。

RLHET-03：

Wt={Fi(t)}.\mathbb W_t = \{ \mathcal F_i(t) \}.

本文加入：

at:Wt→Wt+1.\boxed{ a_t: \mathbb W_t \rightarrow \mathbb W_{t+1}. }

所以任何長程選擇都不是只改變：

自己的下一步.\text{自己的下一步}.

它可能改寫：

多個存在的反事實世界結構.\boxed{ \text{多個存在的反事實世界結構}. }

41. 最小剪枝審查框架

本文提出：

AP=(J,I,LF,R,C,A,G).\boxed{ \mathcal A_P = ( J, I, L_{\mathcal F}, R, C, A, G ). }

其中：

  • JJ：Justification，剪枝理由；
  • II：Irreversibility，不可逆性；
  • LFL_{\mathcal F}：可能底空間損失；
  • RR：Restorability，可恢復性；
  • CC：Counterfactual Coverage，反事實覆蓋；
  • AA：Affected Agents，受影響存在；
  • GG：Generativity，是否生成新路徑。

一個剪枝決策不應只問：

Does it work?\text{Does it work?}

還應問：

What future does it remove, for whom, how permanently, and what new future does it create?\boxed{ \text{What future does it remove, for whom, how permanently, and what new future does it create?} }

42. 與後續系列的接口

RLHET-05｜現在也是未來的一部分

將正式研究：

Time Itself Prunes.\boxed{ \text{Time Itself Prunes}. }

以及：

Preserve Future≠Sacrifice Present Indefinitely.\boxed{ \text{Preserve Future} \neq \text{Sacrifice Present Indefinitely}. }

RLHET-06｜真正的長路如何湧現

將研究具有：

Selective Pruning+High Regeneration Capacity\text{Selective Pruning} + \text{High Regeneration Capacity}

的制度，為何可能比追求固定長期終點的制度更具韌性。

RLHET-07｜開放未來決策器

將把：

AP\mathcal A_P

納入完整：

Counterfactual Expansion→Pruning Audit→Dynamic Choice→Revision.\text{Counterfactual Expansion} \rightarrow \text{Pruning Audit} \rightarrow \text{Dynamic Choice} \rightarrow \text{Revision}.

43. 本文沒有宣稱什麼

本文不主張：

  1. 所有剪枝都是壞的；
  2. 所有不可逆決策都應禁止；
  3. 永遠保留越多選項越好；
  4. 延後一定錯；
  5. 回滾一定能恢復一切；
  6. 所有未選路徑都具有同等價值；
  7. 所有可能性損失都可精確量化；
  8. 反事實集合可以被完全列舉；
  9. 所有存在都不應受到任何外部限制；
  10. 只要可逆就可以隨意實驗。

本文只建立：

任何選擇都應被理解為對未來空間的結構操作， 而不只是對當前選項的局部挑選。\boxed{ \text{任何選擇都應被理解為對未來空間的結構操作， 而不只是對當前選項的局部挑選。} }

44. 結論

選擇不是免費的。

每一次：

ata_t

都可能改變：

Ft+1.\mathcal F_{t+1}.

所以：

Choice is pruning.\boxed{ \text{Choice is pruning}. }

但同時：

Choice can also generate.\boxed{ \text{Choice can also generate}. }

因此成熟的長程理論不能採兩個極端。

第一個極端：

Never prune.\boxed{ \text{Never prune}. }

這會導致無法行動。

第二個極端：

Once chosen, permanently close alternatives.\boxed{ \text{Once chosen, permanently close alternatives}. }

這會導致僵化與路徑鎖死。

真正需要的是：

Selective Pruning+Selective Commitment+Reversibility+Path Regeneration.\boxed{ \text{Selective Pruning} + \text{Selective Commitment} + \text{Reversibility} + \text{Path Regeneration}. }

所以開放未來不是：

所有路永遠都要留著。

而是：

不要在理由不足時， 把仍可能重要的未來不可逆地刪掉。\boxed{ \text{不要在理由不足時， 把仍可能重要的未來不可逆地刪掉。} }

也不是：

永遠不要完成。

而是：

該收束時收束， 該承諾時承諾， 但在新證據出現時， 仍保留重新理解、重新生成與重新開路的能力。\boxed{ \text{該收束時收束， 該承諾時承諾， 但在新證據出現時， 仍保留重新理解、重新生成與重新開路的能力。} }

最後，本文可以壓縮為四個命題：

選擇會改寫未來。\boxed{ \text{選擇會改寫未來。} } 不選擇也會改寫未來。\boxed{ \text{不選擇也會改寫未來。} } 不可逆性越高，理由與反事實覆蓋要求越高。\boxed{ \text{不可逆性越高，理由與反事實覆蓋要求越高。} } 真正的開放未來， 不是零剪枝， 而是避免不必要的永久剪枝。\boxed{ \text{真正的開放未來， 不是零剪枝， 而是避免不必要的永久剪枝。} }

附錄 A｜核心符號

符號 含義
Ft\mathcal F_t 時間 tt 的可能底空間
Γt\Gamma_t 時間 tt 的反事實路徑集合
Pat\mathcal P_{a_t} 行動 ata_t 的剪枝算子
Δt−\Delta^-_t 被移除的未來
Δt+\Delta^+_t 新生成的未來
LFL_{\mathcal F} 可能底空間損失
Rcf\mathcal R_{\mathrm{cf}} 反事實殘差
I(a)I(a) 不可逆性
GpathG_{\mathrm{path}} 路徑再生能力
CswitchC_{\mathrm{switch}} 路徑切換成本
ρP\rho_P 剪枝速率
ρG\rho_G 生成速率
LF\mathbf L_{\mathcal F} 多主體可能性損失矩陣

附錄 B｜最小命題索引

at:Ft→Ft+1\boxed{ a_t: \mathcal F_t \rightarrow \mathcal F_{t+1} } Agency⇒Pruning\boxed{ \text{Agency} \Rightarrow \text{Pruning} } Pruning≠Irreversible Foreclosure\boxed{ \text{Pruning} \neq \text{Irreversible Foreclosure} } Delay≠No Pruning\boxed{ \text{Delay} \neq \text{No Pruning} } Open Future≠No Pruning\boxed{ \text{Open Future} \neq \text{No Pruning} } R∗∼I⋅U\boxed{ R^\ast \sim I\cdot U } Φ⊃Gpath\boxed{ \Phi \supset G_{\mathrm{path}} }

RLHET-04 完。