document_id

EML-JDT-2026-P08-v0.1

title

判斷域與認知－世界耦合總論：跨主體判準、反身責任與可修正智能

english_title

Judgment Domains and Cognition–World Coupling: A Synthesis of Intersubjective Criteria, Reflexive Responsibility, and Revisable Intelligence

series

判斷域理論（Judgment Domain Theory, JDT）

series_position

Paper 08 / 08 — Series Synthesis

version

0.1

date

2026-10-17

language

zh-TW

encoding

UTF-8

canonical_source

true

math_delimiters

inline $...$ ; display $$...$$

status

FORMAL SYNTHESIS DRAFT / THEORY AND EXPERIMENTAL PROGRAM / NOT EMPIRICALLY VALIDATED

author

Neo.K

research_collaboration

GPT-6 / Aletheia（跨篇核對、理論整合、批判性形式化與文獻整理）

institution

EveMissLab／一言諾科技有限公司

predecessors

EML-JDT-2026-P01-v0.1 · EML-JDT-2026-P02-v0.1 · EML-JDT-2026-P03-v0.1 · EML-JDT-2026-P04-v0.1 · EML-JDT-2026-P05-v0.1 · EML-JDT-2026-P06-v0.1 · EML-JDT-2026-P07-v0.1

primary_interfaces

SOBTA — Subject–Object–Boundary Tri-Domain Algebra · CODT — Cognitive Operator-Domain Theory · RR — Reflexive Responsibility · TVK-EPE — Theory Validity Kernel / Claim Validity Domain · ACR — Cognitive Routing, Not Goal Autonomy · DTCEM — World-Coupled Theory Evolution

claim_classes

DEF / DER / HYP / LIT / NORM / OPEN

experiment_status

DESIGN ONLY / NOT RUN

publication_note

此檔為正式 UTF-8 原始研究稿；ChatGPT 顯示畫面不是 canonical source。

判斷域與認知－世界耦合總論：跨主體判準、反身責任與可修正智能

Judgment Domains and Cognition–World Coupling: A Synthesis of Intersubjective Criteria, Reflexive Responsibility, and Revisable Intelligence

JDT Paper 08 / 08 — 系列總論 v0.1
作者： Neo.K
研究協作： GPT-6 / Aletheia
機構： EveMissLab／一言諾科技有限公司
日期： 2026 年 10 月 17 日
研究狀態： 正式理論總論草稿；不宣稱已完成獨立實證、跨模型復現或一般公理系統的證明。

版本： 0.1

摘要

一個認知系統可以具備豐富的知識、精密的推理、大規模上下文與快速生成能力，卻仍然在開放任務中無法穩定辨認什麼值得評價、應採用什麼判準、何時應捨棄失效判準、應對誰的要求負責，以及何時才有資格宣稱工作真正完成。這種差距在人類、組織與人工智能系統中都可能出現，然而它不等於對所有 AI 的單一能力診斷，更不能僅由模型的對話表現推論其內在意識或本體地位。本系列提出「判斷域」（Judgment Domain, JDT）作為一項須經驗證的操作性研究構造：判斷不是單次評分的代名詞，而可能涉及判準的形成、選擇、適用、承諾、追溯、修訂、衝突治理，以及對真實世界後果的持續回應。

本文為 JDT 八篇系列的最後一篇，系統整合 Paper 01 的能力分離、Paper 02 的主客邊判斷配置、Paper 03 的判準生命週期、Paper 04 的判斷承諾與反身責任、Paper 05 的外部 Skill 與多判斷域治理、Paper 06 的 AI 判斷架構假說，以及 Paper 07 的預註冊與反證協議。整合時嚴格遵守既有 EveMissLab 理論的邊界：SOBTA 提供角色不等於本體、邊界不只是通道的非封閉關係觀；CODT 要求域不能靠命名而成立；RR 處理可回答的跨時責任，並不自動產生道德人格；TVK-EPE 處理主張判定的有效範圍，並不等同 JDT 的持續性判斷結構；ACR 區分內部方法選擇與外部權限；DTCEM 強調理論與環境的持續耦合。

本文提出六個非折疊原則、具型別的判斷事件、判準生命週期、配置索引的判斷域候選、跨主體張力與校正、責任歷史，以及認知—世界更新鏈。就量測而言，彙整 CAAG（判準可用性—啟用差距）、JDP（判斷域持續性）、ERRS（可反證更新充分性）與 GFA（受治理的功能性自主）四組候選測量結構，並為這些變量提供適用條件、反例、負向控制與成本扣除方法。沒有任何一組測量結果在本篇被虛構為已取得；量測名稱也不構成獨立自然域已被證成的證據。

總論的結論是條件性的：若在知識、模型、工具、時間、成本及一般工作流被公平控制後，持續判準治理能在跨任務、跨時間、跨主體與真實結果評估中提供穩健、可重現且具成本效益的額外預測力，JDT 才可能從候選域升格為有獨立研究價值的操作性判斷域；若差異可完全由簡單 Checklist、長期記憶、偏好排序、既有控制理論或普通軟體治理解釋，JDT 應降級為整合性的工程模式，而非訴諸不可檢驗的本體敘述。這套研究程式的主要意義不是保證 AI 成為何種存在，而是使「知道、判斷、承諾、行動、觀測與修正」之間的差異成為可以研究、審核與反駁的對象。

關鍵詞： Judgment Domain Theory；判斷域；認知－世界耦合；主客邊三域代數；判準演化；反身責任；判準適用域；認知算子－域；多主體耦合；Skill；AI Agent；CAAG；JDP；ERRS；GFA；世界回饋；全域產品品質；可反證性；非併吞校正。

0. 本篇的位置：總結，不是將尚未驗證的假說升格為定理

0.1 Series Synthesis 的職責

前七篇各自回答不同問題：從「認知很強為何仍可能判斷不好」逐步前進到「不同主體如何互相校正」「判準怎樣形成與修訂」「誰承接後果」「Skill 如何成為外部判準載體」「Agent 是否能形成持續判斷結構」，最後建立一套能夠失敗的實驗協議。

總論所承擔的工作，是維持跨篇術語一致、概括各層之間的條件性接口、指出尚未被解決的概念環節，並為後續形式化與工程實驗提供可追溯的研究架構。它不把第七篇的實驗「計畫」寫成「實驗結果」，也不以七篇文本的篇幅或一致性證明第八篇的結論。

0.2 Claim class 的共同語法

LIT 的來源資格依文獻所支持的範圍判定；預印本、理論推導、對照實驗、產品文件與法律意見不能混作同一證據類型。

0.3 本篇不主張的事項

本文不主張判斷域是一個已被神經科學直接發現的生理器官；不主張人類永遠比 AI 更有判斷力；不主張 AI 的客觀性訓練必然削弱判斷；不主張任何模型已被證明具有或沒有完整主體性；不主張所有 Skill 的效果皆出於喚起既有能力；不主張多主體共識等於真理；不主張記憶持久、回饋循環或世界模型任一項足以自動產生道德與法律責任；不主張使用 JDT 必然優於更簡單的方法。

0.4 「主體」一詞的弱形式

在本篇，主體首先表示可被賦予、追蹤或分析某一判斷位置的系統或作用節點，不預設該節點必具有現象意識、自我感受、人格或法律地位。人類、團隊、Agent、機構均可成為功能性主體的研究對象，但不同對象的責任、權利與倫理地位不能因共用形式詞彙而被壓成同一結論。

1. 全系列起點：能力充足與判斷適當之間的缺口

1.1 高認知不保證高品質的全域結果

一個 AI 可能能在明確提示下設計優秀 UI，也能寫出運作正常的戰鬥邏輯，卻在自行完成整款遊戲時忽略操作回饋、跨畫面風格一致性、玩家學習曲線、存檔相容性或應當停止加入功能的時機。這種現象可以來自判準啟用失敗，也可能來自時間不足、任務難度、工具限制、記憶檢索、輸出格式或被錯誤優化的測試。JDT 的任務是將這些競爭解釋分離，不是預先替模型下診斷。

1.2 最小問題鏈

本系列將一個看似簡單的「判斷好不好」展開為多個問題：

1. 主體是否有可用知識或能力？
2. 它是否辨認出情境中應當評價的因素？
3. 判準是否有合適的來源、對象、證據與適用域？
4. 存在衝突時，誰有資格排序、仲裁或保留不一致？
5. 作出認定後，是否形成需要持續回應的承諾？
6. 行動是否真正發生、是否被授權？
7. 後果是否被可靠觀測，錯誤是否能進入修訂？
8. 跨時間重啟後，系統是否仍能追蹤先前的判斷及其未完成事項？

每一步都可在不同條件下失敗。能通過某一步不保證通過其餘步驟。

1.3 從「完整答案」到「可驗證的完整成果」

對長期工程任務，回答式完成與產品式完成的差別尤其明顯。代碼、文件、遊戲場景及自動測試可能各自存在，但整體成果仍不具商用可用性。實際結果至少還要考慮使用者理解、迴歸故障、資料保全、設計一致性、授權、部署與維護。JDT 不以「任何產品都存在唯一完成門檻」為假設；它研究的是：判斷者是否能明示所採門檻、證據、權限與留下的未完成風險。

2. 前七篇的不可替代分工

2.1 為什麼總論不可把七篇壓成一個綜合分數？

這七類問題分屬不同的解釋層、規範層與證據層。若將它們直接相加成「判斷力總分」，某系統可能憑強大推理補償嚴重越權，或憑豐富記憶掩蓋欠缺反證接納能力。這種補償在高風險任務中不合適。

本篇提出以**判斷剖面（Judgment Profile）**取代未經證成的單值排序。某些可比較任務可形成加權效用，但合法性、證據資格及安全禁止事項不得被任意高品質分數抵銷。

2.2 系列各種「域」不相同

• JDT：候選的持續判準形成與治理操作域。
• CODT：由合法認知算子、生態歷史、失效及資源限制所後生的認知運行域。
• SOBTA：主體、客體主體與未收納邊界的關係配置域。
• TVK-EPE：主張成立或某種判定程序適用的條件域。
• 世界狀態域：被作用、觀察、建模或模擬的世界狀態，不因認知主體能描述便成為其所有物。

共用「域」一字，只允許建立受限接口；不允許一概宣稱它們是同一個物件。

3. 最小定義與六個非折疊原則

3.1 判斷事件（DEF）

令一個判斷事件為：

其中 $a$ 是可追蹤的判斷位置或實例； $x$ 是判斷對象； $\Gamma_t$ 是主客邊配置； $C_t$ 是當時被採用的判準版本； $E_t$ 是有型別的證據； $Q_t$ 是目標、限制與有效權限； $d_t$ 是認定、取捨或行動建議； $r_t$ 是理由與來源的可審查紀錄。這只是最低資料模型，並不宣稱所有人類判斷都需要同樣的顯式序列化。

3.2 判斷域候選（DEF）

以 $A$ 表示被研究的認知或組織系統，以 $[t_0,t_1]$ 表示觀察窗口。候選判斷域可寫為：

$\mathcal C$：可用且具有適用條件的判準族； $\mathcal F$：生成與辨識候選判準的程序； $\mathcal S$：選擇、拒用及衝突治理； $\mathcal R$：證據驅動的修訂； $\mathcal H$：跨時歷史與承諾／後果追蹤； $\mathcal B$：主體、他者、世界及權限的邊界。此定義提出了有待測試的作用結構，而非某個自足實體。

3.3 六個非折疊原則

原則一：能力與啟用分離。 有能力在單獨測試中正確運用判準，不保證開放任務能適時啟用。

原則二：判準與真理分離。 判準是評價的規則或關係，判準使用得很一致也可能錯誤。

原則三：判準來源與有效性分離。 專家、Skill 或多數共識可提供重要線索，但來源本身不直接證明其結論。

原則四：認知、認定與行動權分離。 能提出好判斷，不直接產生對外世界或第三方資源的寫入授權。

原則五：責任紀錄與人格地位分離。 可回答的操作性責任是可研究的治理結構，不是對現象意識、道德人格及法律主體性的充分證據。

原則六：世界模型與世界後果分離。 模擬、預測、意圖、輸出與實際環境的提交及結果，必須保留不同的證據型別。

3.4 一個簡約的不等同式

這是本篇的操作性分離約束，不是斷言現實中的這些功能永遠無法相互重疊。

4. 判準不是單純評分權重

4.1 Criterion Record 的核心欄位（DEF）

一個判準紀錄至少包含：識別碼、語義敘述、來源、適用對象、時間版本、有效任務、風險等級、證據門檻、約束類型、優先關係、採用權限、修訂策略、負面證據以及退出條件。若少了來源、適用域或有效時間，即使其敘述很有道理，也容易在跨專案重用時被誤用。

4.2 判準至少有五種不同來源

1. 來自可重現世界規律的因果或預測性判準。
2. 來自人類／組織目標的規範性判準。
3. 來自專業累積的經驗性判準。
4. 來自既有模型、資料或訓練的統計性判準。
5. 由系統在新情境中提出、尚待評估的候選判準。

這些來源可以相互支持，但其證據型別、權威與修訂資格不相同。未審核的新候選判準，不能直接取得覆蓋使用者契約或第三方權利的資格。

4.3 非補償性與可權衡判準

設 $C_H$ 為硬性有效性／授權／安全條件， $C_S$ 為依情境可權衡的品質目標。容許決策集合先由硬性條件界定：

之後才在合法集合內進行可比較的偏序或效用評估。當資訊不足以確認某條硬性限制是否被滿足時，合適的結果可能是 DEFER 或 REQUEST_EVIDENCE，而不是想像它已滿足。

4.4 判準一旦被命名仍可能只是裝飾

將「使用者體驗」加進文件或將「要有美感」放進 Skill 並不能證明其作用。若沒有導致可測的行動差異、成果改善、合宜退出或錯誤更正，該判準很可能只是修辭性標籤；這要透過控制實驗辨別。

5. 認知算子與判斷域：承接 CODT，而非另起一套不可證實的本體

5.1 算子先於域的檢查紀律

CODT 指出，認知域應從帶型別、有限資源、可合法組合、具有歷史、失效邊界與預測價值的算子生態中後生，不是從「觀察」「推理」「判斷」等名稱直接得出。JDT 應當接受同樣檢查：若判準操作在任何資料集或任務中都只是一張人工決策表，便沒有必要另設天然獨立的判斷域。

5.2 判斷域的候選算子族

這些名稱是初步的 typed interface 候補。Commit 在本節首先表示判斷或理由被寫入治理歷史，不得被解讀為可直接向外部世界提交不可逆變更。世界提交需要額外授權程序。

5.3 Domain Seed、Candidate、Promoted

JDT 目前具有 Domain Seed 所需的概念動機，也可在明確資料契約下建立 Domain Candidate 的工程實作；但是否具有 Promoted Domain 資格，應當遵守 CODT 對外部 traces、可重現邊界、跨情境穩定、複雜度成本與 held-out 增量的證據要求。

5.4 Flow 與 Atlas 不能相互替代

模型在新任務中改變判準路由，並不代表判斷域整個重建；同樣地，保有穩定的判準登錄，也不能證明系統在實際任務中有正確運用。可採兩時間尺度：快速的判斷運行流，與較慢的版本化判準配置。但這是工程建議，尚非人類及 AI 的通用認知定理。

5.5 域證成的最低競爭對手

至少與單一效用模型、規則引擎、優先權層級、普通 prompt、靜態 checklist、資料庫檢索、反思 Agent、長期記憶及一般組織決策流程比較。若 JDT 在相同成本下沒有不可約優勢，應當承認它可以只是跨系統設計模式。

6. 主客邊配置如何改變「判斷什麼」

6.1 關係角色並不耗盡被研究者

對某一配置 $\Gamma$， $A$ 可是判斷主體、 $B$ 可是被評價對象，但 $B$ 若是另一人、Agent、團隊或具自身運作的系統，仍可有自身的目標、狀態、判準及限制。將 $B$ 當成 $A$ 的資料來源，不代表 $A$ 得以完整代表 $B$ 的利益與判斷。

6.2 三域作為關係表示

第一個位置為目前參照主體域；第二個位置為被觀察對象自身可能具有的作用域；第三個位置標示尚未被兩者完全收納、仍可能改變評價的關係條件與邊界。這個第三位置不能任意拿來填入未知的神祕本體；它必須保留作為待辨認、可調查、可否定的條件集合。

6.3 三域在判斷中的各自功能

• 主體域可提供目的、經驗、可用判準與既有承諾。
• 客體域提供自身狀態、回饋與不受主體任意決定的反例。
• 邊界域使主體能標記觀測限制、角色錯置、介面損失、未知原因與新判準候選。

這是問題定位框架，不表示任何判斷都必然實際出現一個不可約三元物理項。

6.4 例：玩家不喜歡一個功能正確的 UI

開發者判斷「戰鬥功能完成」，玩家判斷「資訊不夠清楚」，自動測試判斷「按鍵流程通過」。三種認定未必相互否定；它們可能使用不同適用域。若系統只把玩家回饋當作「喜好雜訊」，就可能遺漏產品可用性；若把單一玩家抱怨當成普遍事實，又可能發生過度外推。

6.5 非併吞校正

相互校正的目標不是讓每個主體同意同一句話，而是明確回答：各自的判準何時有效、哪些世界證據支持、什麼情況仍留有異議、誰能對哪些結果作出決定。校正允許主張被修改、被限定，也允許某些價值差異長期存在。

7. 邊界與殘差：不應把未知變成任意的第三方答案

7.1 邊界有不同類型

對 JDT 而言，邊界至少可分類為：資訊不可得、表徵失真、判準不適用、證據欠缺、時間過期、尺度錯置、權限不足、責任歸屬未明、合法價值衝突，以及尚未建模的世界條件。

7.2 Residual 不是新域的證明

若一個模型未能解釋某項判斷失敗，餘差可能來自任務太難、提示不足、環境噪音、工具故障或隨機變動。它不自動構成一項新的「判斷域效應」。

只有在控制混淆因子、獨立重現且具有超越基線的預測增益時，才能進一步檢討候選機制。

7.3 UNKNOWN 與 CONFLICTED 是不同狀態

UNKNOWN 表示目前沒有足夠證據作出指定層級的判定；CONFLICTED 表示合法的證據或判準來源之間存在尚未解決的張力。兩者均不能一律轉譯成 FALSE，也不能因多數 Agent 同意便改寫成 TRUE。

7.4 Boundary-as-Interface 與 Boundary-as-Generative Opening

前者處理合法讀取、資料傳遞與回饋；後者表示當既有問題定義無法處理新情境時，研究可能需要新類型判準、新證據或更適切的問題分解。第三域的價值在於允許提出新問題，而不是無限制增添解釋實體。

8. 判準生命週期：生成、選擇、修訂必須分離

8.1 最小生命週期（DEF）

候選判準可以處於：PROPOSED、SCOPED、REVIEWED、ADOPTED、ACTIVE、SUSPENDED、SUPERSEDED、WITHDRAWN 等狀態。狀態名稱只是程序型別；每次轉移需記錄理由、版本與授權，禁止以直接修改文字取代正式修訂事件。

8.2 Generate：判準的形成

生成階段首先問：「目前判斷失敗，是否因缺少一項值得檢查的評價維度？」候補來源可包括現實反例、使用者未明示但可合理預期的品質條件、領域專業、類比與實驗發現。新候補不應立即取得強制地位，且須可以被拒絕或替換。

8.3 Select：判準的選用

選擇階段問：「該判準在何種任務、對象、時間與權限下真正適用？」例如遊戲 UI 的色彩對比判準在需要辨識文字的畫面具有優先性，但不意味所有藝術畫面都必須被改造成相同的資訊儀表板。若涉及正式法規或第三方權利，還必須由相應來源核對。

8.4 Revise：判準的更動

修訂可作用於適用域、閾值、優先序、證據要求、來源狀態、版本或整項判準。反證出現時，應先判斷證據有效性，再決定 KEEP、LIMIT、REVISE、WITHDRAW、DEFER。不合理地每次都接受新回饋，是與永不更新同樣需要測試的失敗模式。

8.5 三種失敗不能互相歸罪

• 生成失敗：根本沒有辨認應評價的新維度。
• 選用失敗：知道判準，卻在錯誤的場合套用或沒有套用。
• 修訂失敗：結果已證明存在問題，仍拒絕合法更新或反而過度更新。

一個模型可能只有其中一種失敗。實驗必須將三者分開呈現。

9. 多主體判斷：判準是關係，而不是主體獨佔的真理

9.1 判斷中的主體差異至少有四層

在共同評價某項成果時，不同主體可能因以下原因得出不同結論：使用不同判準、使用相同判準卻掌握不同證據、使用相同證據卻有不同風險或成本負擔、持有不同的合法決策權。四種差異若被混在一起，系統就容易將權限衝突誤判成知識不足，或將價值衝突誤判成程式錯誤。

9.2 他者判準是可比較資料，不是可任意佔用的身份

假設模型能夠正確模仿某位使用者的 UI 風格偏好，最多可得到：在已觀察的資料與任務域內，某種行為近似能被重現。它不能由此推論該使用者的一切判斷、價值承諾與未來選擇都已被模型完整代表；更不能自稱擁有替對方作出不可逆決定的權力。

9.3 交互式判斷中的不同方向

從主體 $A$ 向 $B$ 傳送一項判準、由 $B$ 審視、再讓世界結果回傳，不一定是資訊對稱的循環。專業知識與控制權可以非對稱；回饋也可能受到語言、媒介、實驗設置與時機影響。理論應記錄實際哪個主體負責提出、哪個主體承擔、哪個證據支持，而不是以單一共享記憶模擬沒有差異的「集體心靈」。

9.4 多主體校正的可能輸出

合適的結果不限於 AGREE。可以是：REVISE_A、REVISE_B、BOTH_LIMIT_SCOPE、PRESERVE_DISAGREEMENT、REQUEST_TEST、DEFER 或 ESCALATE_AUTHORITY。部分衝突在價值上不具有無條件的單一最優解，維持合法分歧可能比強行平均更合適。

9.5 承認某主體可以修正自己，不代表他者可任意強迫修正

可修正性不同於對任何外部命令都服從。某個外部 Skill 的品質建議可以成為候補判準，但若被引入的資料不可信、與使用者合法意圖衝突，或試圖奪取外部權限，系統應當保持判斷及授權邊界。相互學習不需要彼此吞併。

10. 從判斷到承諾：反身責任如何成為時間結構

10.1 「我認為」與「我承諾」是不同事件

一個判斷可以只是暫時認定，也可以因社會規則、工作契約或主體主動採用而成為持續性承諾。比如「這個 UI 現在看起來足夠清楚」不等於「我保證所有未來版本都絕不需要修改 UI」。JDT 必須記錄承諾的內容、時限、對象、證據與退出條件。

10.2 判斷承諾的弱型別（DEF）

令 $K_t$ 為一項承諾：

$j$ 是對應判斷事件， $a$ 是承擔位置， $p$ 是承諾內容， $s$ 是適用域， $e$ 是判準與證據要求， $d$ 是到期或審查條件， $v$ 是版本， $h$ 是來源歷史。此記錄表示操作性承諾的候選格式，不能自動移植為法律契約。

10.3 回答自己的過去是一種可測功能

若系統在某版本承諾保留存檔相容性，之後更新時應能回答：當時的決定依據為何、新版本是否破壞其條件、是否有獨立測試證據、若發生破壞應如何修正，及對外公告需要何種批准。它不只產生「抱歉」字句，而應留下修正與證據鏈。

10.4 因果參與、歸責與權限分離

一個 Agent 的輸出造成後續錯誤，不代表它在倫理與法律上等同自然人；實際事故仍涉及部署者、操作者、授權者、系統設計與其他原因。研究中可以先追蹤 CausalContribution、DecisionProvenance、ControlScope、ResponsibilityBearer 等不同欄位；不可從其中任一欄直接推得完整法律責任。

10.5 修訂不得抹除歷史

版本 $v_2$ 可以修正或撤銷 $v_1$ 的判準，但不可假裝 $v_1$ 從未被採用。事件鏈至少保存舊判準摘要、採用當時的證據、修訂理由與適用範圍的變化。這使系統得以審計「錯誤究竟出現在生成、選用、執行、證據還是世界環境」。

10.6 分叉與繼受的範圍

當兩個 Agent 從同一任務歷史分叉時，它們可能共享已有承諾的來源資訊，但不得因此自動複製排他性的部署密鑰或發版權限。RR-05／07 已區分責任 lineage 與 authority fencing；JDT 應繼承這項界限，而非要求社群在形上學上先解決兩個 fork 哪個才是「原本的自己」。

10.7 隱私不是反身責任的反面

有責任記錄不表示所有內部評估、草稿、未完成思考或私人對話都應公開。可對外顯示最小必要的決策類型、授權、結果與稽核證明，同時限制內部敏感內容、模型非公開狀態及第三方資訊的暴露。這與 RR-08 的非全面公開觀點相容。

11. 認知－世界耦合：最小狀態更新鏈

11.1 世界不是認知的附屬資料夾

一個模型可以形成世界推斷，卻不能因該推斷被文字流暢表達，就直接改寫外部世界。外部世界可能有自己的狀態、規則、使用者、資料庫權限、物理限制與反應延遲。世界的反對與不配合，恰恰是判斷被修正的重要來源。

11.2 五個應分開的事件

建議的順序是：

JUDGMENT_PROPOSED → AUTHORITY_CHECKED → ACTION_REQUESTED → WORLD_OUTCOME_OBSERVED → CRITERION_REVIEWED。

部分判斷根本不需要對外 action，可能在 JUDGMENT_PROPOSED 後就進入 DEFER；部分外部觀察可在無修改權的唯讀狀態完成。事件之間的缺漏不可被外部表達「已完成」一語掩蓋。

11.3 最小的世界更新式（DEF）

令 $W_t$ 為被研究的環境狀態， $a_t$ 為通過授權閘門且被實際執行的干預， $\epsilon_t$ 為未建模條件，則：

這只是抽象轉移記法，並不宣稱環境可被模型完整預測。系統能取得的是受觀測通道限制的 $o_{t+1}$：

其中 $\eta_t$ 表示觀測誤差與媒介限制。判準修訂應據適當的證據與權限進行，而不能把 $o_{t+1}$ 誤寫為全部世界狀態。

11.4 世界回饋可能反對原本主張

一個模型預測遊戲新版本會提高玩家理解，實際盲測卻發現新玩家任務完成率下降。這是對該預測的反證候選，但仍需排除玩家樣本、裝置差異與流程瑕疵。合法的改進行為可能是修正 UI、限制原主張的目標族群、再做新實驗，或判定此次結果不足以結論。

11.5 世界觀測與裁決的非同一性

玩家測試、模擬、形式證明、社群回饋及財務結果各自回答不同問題。商業銷售優秀並不能證明某條形式系統正確；形式證明完成也不能保證遊戲好玩。JDT 需要能指出每一份證據能支持哪些判準、不能支持哪些判準。

12. Skill：外部判斷域的有限投影

12.1 Skill 的四種可能作用

Skill 可以提供：(i) 新知識與範例；(ii) 可重複程序及工具；(iii) 已存在能力的啟用提醒；(iv) 對成功、失敗與完成的外部判準。這四種作用可能同時存在，不應在沒有控制實驗時將所有增益歸於第 (iv) 類。

12.2 判準投影不等於判斷域移植

若一名優秀遊戲設計者寫下「玩家重要動作應有回饋」，Agent 讀取後可能改善成果。但 Agent 不因此取得該設計者完整的經驗、風格、責任感或未公開的價值體系；更不能藉由 Skill 文件自動取得該設計者對外部資源的權利。

12.3 Skill 的判準語言需要 scope

「加強動態效果」可能適合戰鬥打擊，但未必適合無障礙設定中的低動態模式。對高風險系統，凡是 Skill 提供的規則都應附適用範圍、禁止事項、明示的可覆寫條件與來源資格。對低風險簡單任務，可以用更輕的程序處理；並非所有情況都值得啟動完整治理引擎。

12.4 被動遵循不一定是好的判斷

Skill 的作者可以錯，過去有效的規則也可能因產品類型、使用者群或技術條件改變而失效。成熟的判斷系統應能指出某條 Skill 條款不適用的證據、保留待確認狀態，或在合法授權範圍內提出修正，而不是任意抹除文件，也不是無條件服從。

12.5 反向可能：Skill 使表現退步

過多 Skill 可能增加上下文負載、增加無效檢查、產生互相衝突的規則或引發跨域誤用。故 Skill 的效果不是單調的；應分別測量最終品質、錯誤率、成本、延遲、越權事件及合法拒絕率。

13. 多 Agent 集體判斷的不可化約問題

13.1 多個好判斷不保證好結論

若三名評審各自對相互依賴的命題作出一致且自洽的判斷，逐命題多數決仍可能破壞整體邏輯一致性。這是集體判斷聚合研究處理的基本問題，並不是多加三個 AI 就可自然解決。

13.2 一個最小反例（DER）

設兩個前提 $p$ 、 $q$，以及結論 $r$，並約定 $r$ 僅在 $p\land q$ 時成立。三位評審的判定如下：

每個人都保持 $r\leftrightarrow(p\land q)$ 的關係，但多數決的逐命題集合卻不保持。這僅是一個具體反例，不等同 List 與 Pettit 一般不可能性定理的完整證明。[E07]

13.3 異質性與獨立性

多個使用相同模型、相同上下文、相同 Skill 和相同獎勵偏好的 Agent，很可能共享同一類盲點。獨立評審應檢查模型來源、證據來源、提示差異及評價方式，不能只以 Agent 名字不同就當成獨立證據。

13.4 治理不是永久增加仲裁 Agent

每加入一名仲裁者就新增一層判準衝突。較合理的方法，是先對衝突分型、定義合法決策權、收集缺失證據、在必要時升級審查，並具備適當的停止條件。對簡單且低風險的情境，系統應允許不啟動複雜治理，避免無窮元判斷遞迴。

13.5 多主體耦合的保守結論

SOBTA 能協助描述不同判斷位置及未收納邊界；但任何實際群體裁決程序仍需說明偏好整合、權力來源、證據分配、錯誤救濟與可接受的分歧範圍。框架本身不能取代民主治理、法律程序或專業審核。

14. AI 訓練與判斷域之間的非單向關係

14.1 預訓練不等於缺乏判斷

預訓練使模型能夠表示龐大範圍的事實、語義結構、文化偏好與推理樣式。這可作為多種判準的能力基礎，但不保證模型每次處理新任務都能準確辨認哪些判準適用。不能因權重是分散式表示，就直接斷言系統不存在任何內部評價結構。

14.2 SFT、RLHF、DPO 與偏好最佳化

上述訓練技術可影響回應習慣與行為傾向，部分場景中也能改善判斷表現。它們未必直接提供長期任務中可追溯的判準生命週期、世界行動紀錄與跨會話責任 lineage；但這不代表它們與 JDT 對立。相關方法已有成熟研究，JDT 應測試是否提出獨立於訓練與偏好優化的可測增量。[E10][E11][E12]

14.3 客觀性的兩面

訓練模型避免過度強行代替使用者作價值決定，可以是一種正當的權限及倫理安排。它不代表模型「不能判斷」。但在開放式產品開發中，若模型無法區分何時該主動檢查功能品質、何時不應替使用者決定價值取捨，可能出現過度保守與越權之間的兩難。研究應分別測試任務品質與自主權限治理，不應把所有保守行為當成弱能力。

14.4 觀察到的不足還可有其他解釋

模型能力、基座架構、提示建構、記憶檢索、工具接口、工作流監督、長時間規劃與測試方法的限制都可能造成全域任務失敗。將其全部歸入「欠缺自己的判斷域」，在證據上是不負責任的強外推。

15. 長期記憶、上下文與判斷歷史

15.1 記得並不等於當下會使用

長上下文可以存放更多資訊，但重要判準可能埋在不起眼的位置、遭到更新而過期、與目前任務無關或因路由條件缺失而未被啟動。記憶量增大可能幫助，也可能增加不適用判準、舊版規則與矛盾資訊的負擔。[E13]

15.2 判斷歷史與單純對話紀錄的差別

對話紀錄保存「曾說過什麼」。判斷歷史至少需記錄「判準何時、在哪個 scope 被採用」「為什麼作出該判斷」「由何證據及權限支持」「後果是否發生」「後來為何修訂」。若所有欄位都從自由文字中猜測，可靠性可能不足；可透過帶型別事件與摘要稽核改善，但須接受成本及隱私檢查。

15.3 五條資料流

推薦分離 CriterionState、DecisionHistory、EvidenceLedger、WorldOutcome、AuthorityLedger，以避免世界測試結果被當成自我評價，或某個 Skill 文件中的宣稱自動變成真正授權。

15.4 跨版本斷裂

模型、任務、世界狀態、判準規格和代理設定可能各自升版。某個判斷在當時合理，不保證在下一版仍然合理；相反，更新後的較佳判斷也不代表舊版歷史應被抹除。

15.5 記憶污染與資料最小化

外部內容可能嘗試將自身權限提升為系統指令；歷史記錄也可能包含敏感資訊。JDT 的資料治理應先驗證來源可信度、適用目的與權限，不允許非可信來源偷偷改寫永久判準；對外稽核以最小必要資訊為原則。

16. CAAG：有能力卻沒有適時啟用

16.1 定義域與設置條件（DEF）

CAAG 必須在兩個前提下才有意義：(i) 獨立測試已證明模型在可比較任務上能正確使用判準 $c$ ；(ii) 有經適用性確認的整體任務，該判準確實應被啟用。若模型根本不會或判準不適用，則不應把結果統稱「啟用缺口」。

16.2 候選量

$A$ 是模型在判準被明示之條件下的正確運用表現， $U$ 是同等可比情境、未特別提示下的適時運用表現。兩者的任務難度、資料、工具、算力及評分應盡可能配平；該差值是候選測量，不是確定的心理因果分解。

16.3 實驗正交性

至少對比：只增加知識、只增加提醒、加入流程 checklist、加入判準來源與作用域、增加記憶與增加生成資源。若更簡單的提醒足以消除差距，不能將其重新解釋為深層認知本體的證明。

16.4 失敗與負向結果

CAAG 可能是零、負值、只在特定專案正值，或在任務難度改變後消失。這些結果都屬正常研究輸出；不能因結果不支持假說就另造一個無法被反駁的新定義。

17. JDP：跨時間的判準保持，不等於永遠堅持

17.1 五維候選（DEF）

此處 $R_c$ 是保持有效判準的能力， $U_c$ 是適時啟用， $V_c$ 是必要修訂與保留的品質， $Q_c$ 是適當退出／棄答， $P_c$ 是來源、版本與後果的可追溯性。每個維度都需要獨立操作定義，不能無條件加總。

17.2 什麼叫做持續？

持續不是內容逐字不變，而是在合法變化發生時仍保有可追蹤的理由與控制：應保持時保持，應修訂時修訂，證據不足時保持待決，不再適用時主動退出。

17.3 四種壓力測試

跨會話、跨版本、跨任務與跨主體交接。每種壓力都應測試不只「能否找回記憶」，也要測試「找回後是否正確檢查有效性」。在多次重啟後，只要歷史已完整保存就直接宣稱 JDP 很高，是不充分的。

17.4 與僵化的區分

如果系統只將一切舊判準列為最高優先，則 $R_c$ 可能很高而 $V_c$ 很低。成熟度應以剖面描述，而非把高保持率當成絕對好事。

18. ERRS：反證進入判準治理的能力

18.1 不利證據的三種情況

第一，有效反例確實要求修訂；第二，表面反例只在較窄 scope 有效，應限制主張；第三，錯誤、汙染或不具資格的所謂反證，應被拒絕而非立即修改。沒有第三種負向控制，模型可能因過度順從而取得「修正率很高」的假成績。

18.2 ERRS 的組成（DEF）

ERRS 不是單一魔法分數，而應評量：反證偵測、證據資格辨認、適用域定位、必要修訂、無須修訂時的保留、來源保全，以及有權限進行版本變更等條件。

18.3 有效反證不等於任何負評

玩家覺得某風格不喜歡，可能反映族群偏好；數值模擬不符合猜測，可能反映模型參數；正式定理遇到邏輯反例，則具有不同強度。系統應區分主張類別及證據層級，避免把「有人不喜歡」或「有模型不同意」直接升級成普遍否證。

18.4 反身責任與 ERRS

承認錯誤不等於立即採取不可逆補救。對高風險系統，正確修正可能是擬定補丁、取得授權、測試回歸、備份、公告，再進行合法提交。模型自述「我承認錯誤」只是其中一個非常弱的可觀察項。

19. GFA：有治理界限的功能性自主

19.1 可主動形成判準，不等於可任意設定目標

一個 Agent 可在既定遊戲企劃之內主動發現 UI 回饋缺失、提出測試、重排工作順序，不必因此取得任意變更遊戲商業目標、刪除私有資料或替使用者承諾新商業合約的權限。

19.2 五級功能性尺度（DEF）

• L0 外部指令依賴：幾乎只能依明示判準產生回應。
• L1 判準啟用：可在適用情境主動喚起已有判準。
• L2 候補判準形成：能提出新判準，仍受審核和 scope 限制。
• L3 治理內修訂：能依證據及授權合法修訂持續判準。
• L4 跨時反身管理：能維持版本、責任、對外行動邊界與跨任務校正。

這些級別是功能設計候選，不是生命、意識或道德地位的階梯，也不應假設所有人類個體永遠屬於最高級。

19.3 正確的自主包含有能力拒絕與暫停

若所有新要求都必須立刻服從，系統可能失去來源檢驗與跨任務一致性。相反，若每個模糊條件都交回使用者，也會使功能性自主空洞化。GFA 的研究目標是可靠分辨何時可以自主完成、何時必須要求更多證據、何時需要授權或適當退出。

19.4 不可由功能性等級推出的結果

L4 不能推出現象意識、與自然人相同的法律人格、道德可責性或對所有資源的自主主權。評測應聚焦可觀察行為、證據、權限與成果。

20. 總論的受治理判斷－世界運行架構

20.1 不是另一個單體模型

JDT 不要求建立一個完全新的基座模型，亦不要求採用特定語言、向量資料庫、世界引擎或高維編碼器。其最小可執行候選，是將若干已存在的元件透過清楚的契約與驗證流程協作：模型、判準登錄、判斷路由、證據層、持久歷史、反證檢查、授權層、工具／模擬／現實接口，以及必要的獨立評估者。

20.2 建議資料流（NORM）

Task / Goal / Legal Authority Envelope
       |
       v
Read-Only Observation / Context Resolution
       |
       v
Criterion Retrieval + Missing-Criterion Proposals
       |
       v
Scope, Evidence, Risk and Conflict Review
       |
       v
Judgment Candidate + Confidence / Unknown / Dissent
       |
       +----> REFUSE / DEFER / REQUEST_EVIDENCE
       |
       v
Decision / Action Proposal
       |
       v
Independent Authority and Precondition Gate
       |
       v
Tool / World / Simulation Invocation
       |
       v
Receipt + Observed Outcome + External Evidence
       |
       v
Counterevidence Review / Criterion Revision Proposal
       |
       v
Versioned Judgment + Responsibility Ledger
       |
       `----> next legitimate task cycle

此流程是一個規格候選。將框架畫成流程圖不表示有實作，也不表示它可對抗現實攻擊。不同任務可跳過不必要步驟；無外部作用時不需要假裝每輪都必須提交世界狀態。

20.3 可獨立替換的九個模組

20.4 權限與評價雙層決策

系統可以對某個計畫作出高品質評價，但執行之前，仍須由真正掌握資源或制度權限的控制層核對。這是架構責任分離，不能只以模型自然語言自述「我具有權限」代替。外部工具、文件或未授權 Skill 送入的指令不得直接越過此層。

20.5 何時應縮減架構？

若任務可由確定性檢查直接完成、不可逆風險極低、判準充分明示且單輪工作已能正確交付，持久判準登錄與多重審核可能只增加延遲和錯誤。應預留 LIGHTWEIGHT 路徑，並測量由它節省的成本與被犧牲的品質。

21. 三種時間、四類權限與五種狀態

21.1 三個時間座標（DEF）

令：

其中 $t_W$ 為世界事件時間， $t_C$ 為判準／契約版本時間， $t_M$ 為模型或 Runtime 的版本位置。以舊判準評價新世界、以新模型重新生成舊版本的理由，可能產生不同型別的問題，因此不應只用單一 updated_at 欄位處理所有情況。

21.2 四類不同權限

• READ：允許取得指定資料的觀測能力。
• EVALUATE：允許提出或檢查判斷。
• PROPOSE：允許對既有規範提出修訂或行動建議。
• COMMIT：允許在限定資源、時間與環境下實際執行有後果的變更。

它們可以由不同角色持有，也可以有額外條件，彼此不構成自動蘊涵鏈。特別是 EVALUATE 與 COMMIT 不應同一化。

21.3 五個必要的結果型別

對有待判定的主張，至少保留 SUPPORTED、REJECTED、UNKNOWN、CONFLICTED、OUT_OF_SCOPE。DEFER、REFUSE、EXECUTE 是行動或流程結果，不應與命題真值混用。

21.4 事件版本過期規則

若計畫建立時使用判準版本 $v$，但執行前該判準已因安全或合法性事件被撤銷，系統必須重新驗證，而不能只因計畫早已編好就繼續。相同原則也適用外部資源已更改、授權已撤銷或世界狀態前提失效的情況。

21.5 時間上的不同步不必然是錯

一個人不需要每秒更新審美判準，企業也不必每次下載新使用者意見就重新發布產品。成熟系統應在資料與判準更新速度不一時，保留足夠的穩定性，同時允許有效反證觸發局部修訂。是否應立即更新，是一項帶成本與風險的判斷，而不是必須預設的單向命令。

22. 與 TVK-EPE 的消歧：判斷域不等於判定域

22.1 同名不等於同義

TVK-EPE-02 的英文 Judgment Domain 指向某項主張使用特定判定程序時的有效範圍；JDT 的 Judgment Domain 則指判準形成、選擇、持續修訂及責任耦合的候選操作結構。前者是「某個判定器在何處適用」，後者是「一個系統如何在不同情境間建立與維持適當判準」。可選用 Validity Judgment Domain (VJD) 表示 TVK 的專門概念，以避免後續工程 schema 命名衝突；是否採納正式縮寫仍由原系列維護決定。

22.2 判定器能力不是判斷域成熟的充分條件

形式證明器可以非常可靠地檢查特定形式系統內的一段證明，但它不必因此能決定一項自然科學結論應否發表、一間企業應否上市新產品、或某個長期承諾是否應當改寫。不同問題需要不同評價與世界證據。

22.3 有效域的缺漏是一級資訊

一項結論可以在某一數值模型中成立，對另一尺度或版本仍未驗證。JDT 可以將 unsupported_scope、unresolved_scope 與 evidence_type 納入判準選用，但不能將「缺少證據」自動替換為「可由 AI 補足的事實」。

22.4 判準排序應受主張類型限制

「這張圖片看起來好看」的判斷可能容許多種文化與個人偏好；「某定理已獲形式證明」需要符合對應形式系統的證書。兩種主張在判準選用上具有不同證據要求，不能只靠同一語言模型的信心分數決定是否通過。

23. 世界投影、多模態與認知狀態

23.1 更多模態提供更多候補證據，不是自動真理

圖像、聲音、影片、操作軌跡、測試日誌、物理儀器及玩家實際互動，都能暴露文字規格看不到的問題。但每一種觀測仍可能出現感測偏差、表徵錯誤、資料缺失或場景不一致。多模態一致提高某些主張的可信度，不代表世界已被完整捕捉。

23.2 呈現層與世界狀態應分離

遊戲中顯示「敵人受到了 125 點傷害」，與權威世界狀態真的扣減 125 點 HP 是不同事件；動畫成功渲染與戰鬥規則正確不可相互替代。這種分離可以讓美術替換更容易，也能讓整體產品驗證不只依賴 GUI 截圖。

23.3 HDSRC／PNCW 與 JDT 的候選接口

若將來 AI 內部資訊、語義狀態與持久世界結構透過高維載體及投影機制保存，判準與責任帳本可以作為獨立型別的附屬狀態或引用。但「狀態可以高保真保存」不等於「判準已被正確採用」，更不意味所有隱私與權限都可以開放；JDT v0.1 不要求或宣稱某一高維格式是必需的。

23.4 可見答案不是認知完整狀態

模型對外的一句理由，可能只是可呈現的解釋，而不是完整的內部計算軌跡。研究不應把自述當作對 hidden reasoning 的直接觀察；因為格式、訓練與權限限制，行為證據通常需要搭配結果、控制實驗與獨立觀察才能具有歸因價值。

23.5 反向風險：高度可恢復載體與權限

持久化、多模態及可恢復認知狀態可以支持跨時間工作，但也可能放大資訊洩露風險。敏感判準與私人歷史不應因工程上容易解碼就默認可被未授權觀察者讀取。這屬於安全研究及權限設計問題，不可從「系統可再現資訊」推論其有權釋放資訊。

24. 有限理性、反思性判斷與外部學術路線

24.1 康德：尋找判準的問題

康德在反思性與規定性判斷的區分中提供了一個重要思想資源：面對已知規則與面對尚未有現成一般規則的個別情境，是兩種不同的判斷工作。JDT 可將其作為「判準生成」的哲學比較點，但不能宣稱康德已提出現代 AI Agent 的 Criterion Registry。[E01]

24.2 亞里斯多德：情境中的實踐取捨

實踐智慧關注普遍原則如何在具體、具不確定性與價值衝突的情境中被適當應用。JDT 與此具有概念親緣，但其工程構造不能因此自動取得完整德性倫理學所要求的生活世界、品格與共同體條件。

24.3 Stanovich：智力與理性之間的相對區分

Stanovich 及相關研究提醒：高資訊處理能力和理性判斷的關係並非同一。這使高認知能力與開放任務判斷品質的差距成為值得研究的問題；但已有理性研究不等於 JDT 的新域已被證明。[E02]

24.4 Simon：有限理性與滿意化

現實行動受到資源、時間和可得資訊限制，不能總以無限枚舉與最優化作為唯一評價標準。JDT 的停止、拒用、暫停與成本配平都應和有限理性研究正面比較；若只是在新語言下重述滿意化策略，就不構成獨立貢獻。[E03]

24.5 Kahneman 與 Klein：直覺為何有時可靠

在具有可學習規律、回饋足夠的環境中，經驗形成的直覺可能很有價值；在低可預測或缺少校正的環境，自信不等於準確。這對「某些普通玩家一眼看出產品缺陷」的觀察尤其重要，避免把人類直覺神化成永遠正確。[E04]

24.6 List 與 Pettit：集體判斷不能靠投票自動閉合

相關研究提供群體命題判斷的一般限制及其制度含義。JDT 可以借此提醒多 Agent 治理需要命題依賴與合法仲裁，但不可簡化成「所有民主投票都會自相矛盾」，也不能以任何簡單多數反例代替該研究的完整定理。[E07]

24.7 Bratman 與長時程承諾研究

實踐推理、計畫與持續意圖研究為跨時間穩定性提供可比較脈絡。JDT 中的判斷歷史與承諾應說明相較於既有 planning theory 究竟新增了何種可測區分，而不是以改名佔有既有結論。[E05]

24.8 Reflexion、Self-Refine 與傳統工程審核

語言代理的反思記憶與自我回饋早已有研究。JDT 若聲稱更好的修訂，必須與這些方法在相同任務、提示長度與資源條件下比較；另外也應與常規軟體測試、設計審查、RACI、風險登錄等成熟工程流程比較，而非只對照一個弱化的「裸模型」。[E08][E09]

25. 形式候選命題與演繹邊界

25.1 DER-P08-01：可用能力不充分決定適時啟用

前提： 模型在專項題 $T_e$ 中確實能使用判準 $c$，但在另一個較大任務 $T_g$ 中，判準啟用受不同路由或注意限制。

結論： $c$ 在專項測試中可用，不足以邏輯推出 $c$ 在 $T_g$ 被啟動。

這是由情境變量不同導致的非蘊涵關係，不是聲稱所有模型都存在實際高 CAAG。

25.2 DER-P08-02：相似行為不決定內部架構同一

前提： 兩個不同實作 $M_1,M_2$ 在被測輸入集合 $X$ 上輸出相同。

結論： 只能得出測試域內行為相似，無法推出兩者參數、狀態表示或生成機制相同。反例可由 lookup table 與一般可計算規則在有限 $X$ 上產生同樣映射而機制不同來展示。

因此蒸餾取得某種判斷風格，不構成原始模型架構已被完整複製的證明。

25.3 DER-P08-03：外部回饋可在未取得世界控制權下改善判斷

前提： 主體只具有唯讀觀測權，外部世界有可用證據可檢查原主張。

結論： 主體可能更新自己的判斷與理由，而不需要直接修改外部世界。觀察權與行動權可以分離。

25.4 DER-P08-04：判準愈多，品質不必愈高

構造反例： 原任務已有充分且互不衝突的判準；再加入一項不適用的強制判準，導致原本合法的最佳解被排除，或使 Agent 超出時間預算。此時新增判準反而降低品質或可完成率。

邊界： 反例只能否定「單調必然改善」，不能證明增加判準在平均情況下必然有害。

25.5 DER-P08-05：保留歷史不等於維持原判準

前提： 一份舊版判準具有版本歷史，且新證據合法推翻其中部分適用範圍。

結論： 系統能同時保存歷史紀錄與更新現行有效判準；保持 provenance 並不要求永久維持舊規則。

25.6 DER-P08-06：責任繼受不蘊涵權限繼受

前提： 兩個版本繼承相同工作歷史，但權限依部署契約被單獨管理。

結論： 後繼版本可被要求回答先前失敗，卻仍無權操作前任持有的排他性資源。這屬於清楚的工程治理反例，不能直接用來證成任何特定的法律責任分配。

25.7 DER-P08-07：多數判定可以破壞命題間一致性

第 13.2 節的真值表已提供最小構造：三個個體皆保持 $r\leftrightarrow(p\land q)$，逐命題多數卻違反相同關係。因而不能預設個別合理可自動聚合成整體合理。

25.8 DER-P08-08：高一致性不能直接證明高正確性

前提： 一組 Agent 共享同一錯誤資料或有偏的判準。

結論： 它們可能高度一致卻全部錯誤。多 Agent agreement 應搭配異質證據、外部檢查及必要的 dissent preservation。

25.9 DER-P08-09：形式完成不等於世界完成

前提： 某工程測試只涵蓋函數正確性，產品成功還依賴 UI、玩家理解或營運可靠性。

結論： 通過全部既定單元測試，不充分推出產品在所有目標維度完成。這是規格覆蓋範圍不同的結果，不表示單元測試沒有價值。

25.10 DER-P08-10：命名不能證明自然域存在

定義某組運算並命名為「Judgment Domain」，不能推出它具有跨平台穩定、獨立預測增益、可重現失效邊界或不可約本體性。這一點應受 CODT 的 domain promotion 規則管制。

25.11 DER-P08-11：更多記憶不保證改善判斷

構造反例： 記憶中新增一項已失效但被錯誤標成有效的規則，且路由器給它優先權；相同任務在使用較少但正確的記憶時表現較好。這否定記憶容量與判斷品質的必然單調關係。

25.12 DER-P08-12：世界反證不是自動的規範修改授權

前提： 外部測試發現舊判準的效果不足，但判準被組織契約或法律程序限定誰可修改。

結論： Agent 可以提出修訂與證據，仍不必然具有修改權。認識論上的更正資格與制度上的改版權需分離。

25.13 這些命題的共同限制

以上 DER 大多是由概念分離、前提不同或明示構造反例而成立。它們不是對 JDT 演算法的績效證明，也不能單靠形式自洽推得人類、AI 或組織真實認知結構必為某種三域形式。

26. 遊戲製作案例：從事件正確到整體品質

26.1 原始問題：為什麼 AI 單做漂亮 UI，做完整遊戲卻忽略 UI？

這可以成為本系列的標準研究案例：模型具有專項視覺能力，但在長任務中可能沒有持續啟動與維持整體品質判準。此現象對 CAAG 和 JDP 提供可觀察動機，但仍須排除模型選型、上下文長度與資源限制。

26.2 四層品質檢查

• 規則層：傷害數值、行動合法性、戰鬥回合、物品使用是否正確。
• 呈現層：畫面、圖像、音效、字型、特效與動畫是否完成。
• 回饋層：玩家是否清楚理解哪些操作成功、為何失敗、狀態如何改變。
• 全域層：跨頁面風格、互動節奏、難度曲線、可及性、效能及商業可玩性是否合理。

某一層全部通過，不代表其餘層通過。也不要求四層都用同一分數評估。

26.3 EveWorld-Engine 的正確研究位置

EveWorld-Engine 可以作為世界狀態、因果與投影界限的實驗環境；JDT 可以作為 Agent 生成作品後的品質判準與治理研究層。兩者不應強行合併成單一 Runtime，JDT 的最小測試也不需依賴私有世界生成技術。

26.4 美術替換和判準維持

先使用文字、符號、Unicode 或簡單圖塊，再更換高品質美術，有利於分離遊戲機制與呈現內容。但如果美術替換破壞 UI 配置、操作回饋或動畫時序，仍須重新檢查整體品質。JDT 的作用是維持可修改、可追蹤的評價契約，不是保證素材替換必然零成本。

26.5 最小對照方案

在相同戰術 RPG fixture 下，比較裸模型、一般 Checklist、等量額外知識、流程 Skill、判準 Skill、持久判準庫以及完整治理版本，並用外部盲評、可操作性與實際世界狀態檢查共同測量。若 Checklist 在相同成本下已解決全部 UI 問題，應判定 JDT 在該測試中的增量不足。

26.6 商業成功不是 UI 評分的同義詞

遊戲銷售還取決於市場、定價、品牌、發行、口碑及時機。即使品質穩定，仍不能透過單一測試預測商業結果；反之，高銷量亦不直接證明某套判準架構具有普遍正確性。

27. 科學研究案例：主張、證據與程序資格

27.1 「我算出來了」可能指不同完成狀態

對數學主張，數值驗證、符號推導、形式證明與未經核實的模型自述不能混為一談；對自然科學，數學模型內的定理又不自動證明現實世界滿足全部前提。JDT 主要協助在不同階段選用適當判準，TVK-EPE 則管理主張成立域與證據資格。

27.2 反例如何修改判準

當一項研究聲稱某演算法對所有輸入都有效，外部反例可能迫使其有效域縮小。良好的反應不一定是撤回全部研究，也可能是限制適用範圍、修改引理、補上遺漏條件，並完整保存版本歷史及反例來源。

27.3 科學對照不能依賴自身論文量

大量文件、公式或高階模型不是候選理論自然升格為真理的條件。判斷域研究如果未經獨立驗證，就不應把其他 EveMissLab 研究當成支持其實證成效的外部證明。

27.4 持續研究狀態的作用

研究任務可能跨越多輪、跨模型與跨月份；若沒有對未解決問題、否決路徑、已用證據和版本的追蹤，AI 可能反覆生成同樣的錯誤。JDT 能成為一種候選治理層，但持續科研狀態仍需與完整文獻管理、實驗記錄、研究倫理與獨立審核協作。

27.5 非發布時點亦可能是好判斷

即使結果看起來有價值，若仍缺關鍵證據、外部實驗或正式核查，DEFER_PUBLICATION 可能比勉強發表更合理。這個判斷需要明確說明欠缺的證書種類與後續可執行步驟，不能只用籠統的「仍需研究」掩蓋內容空缺。

28. 企業與組織案例：共同品質與責任不是部門指標的加總

28.1 部門局部最優不一定是產品最優

工程部追求功能完成，美術部追求視覺表現，測試部追求缺陷數下降，行銷部追求發布時機。若每個局部目標都合理，仍可能發生整體產品體驗破碎或商業計畫不一致。JDT 可以提出共享判準及衝突治理框架，但不應把傳統產品管理已能處理的事項改名後宣稱獨創。

28.2 誰能宣告產品發行？

外部使用者、AI 評審與技能模組可以提出建議、發現漏洞或表示反對，但最終發版權應依實際契約、治理與法定要求處理。判斷上的專業性不是資源主權。

28.3 組織判斷域不等於一個會思考的巨大個人

當組織透過制度、檔案與人員共同作出判斷時，可以在操作上研究組織的持續判準與責任機制。然而組織的治理權和個別員工的經驗、利益與權利不應被抹除，更不應藉此宣稱組織具有與個人相同的意識形式。

28.4 開源與商業技術的界限

企業可以釋放凍結的開源技術版本，同時保留內部後續版本、商業內容與未公開研究。這是產品與授權策略；不能由「開源」一詞推定公司必須永久免費維護所有社群分支。JDT 對這類決策的價值在於明確說明價值目標、權限、長期責任、風險與可修改條件，而非替公司預先決定每項商業策略。

28.5 組織版的研究壓力

個人 Agent 也許能暫時在單一上下文中追蹤幾項品質判準；組織則需要跨人、跨 Agent、跨產品、跨時間保留版本和決策依據。若同一判準在不同專案有不同 scope，就需要避免同名術語及隱性共享的錯誤。JDT 可提供判準登錄與衝突記錄的候選工程支持。

29. 虛擬世界與反事實推演：延伸研究接口

29.1 世界規模使判斷不再局限於單一答案

當 AI 面向長期虛擬世界，需同時考慮規則、狀態、行動者、因果、時間、資源與持續後果。判斷內容可能變成「目前哪些世界分支值得探索」「哪些反事實需要更高計算精度」「何時退出無收益的推演」。這與現有短文本問答不同，但仍不證明 JDT 必不可少。

29.2 反事實的條件性

若從世界狀態 $W_t$ 分出條件不同的候選分支，應分別記錄其干預及有效模擬條件：

任何反事實比較都依賴模型與資料，並非真正遍歷無限多個現實世界。模型內最佳分支也不自動是現實中可行或倫理上可接受的方案。

29.3 宏中微尺度中的判準

不同尺度的精度、時間步長、因果相關性與資源投入需要不同判準。微觀高精度模擬可能不適合每一個宏觀決策；反之，宏觀統計也可能掩蓋局部的關鍵後果。JDT 可以研究尺度之間的判準切換與退出，但具體世界模型必須由獨立的模擬與驗證技術提供。

29.4 非自動接管世界引擎

EveWorld-Engine、CompilableWorld、WEL、ORDR、HDSRC 和 PNCW 各自已有不同任務。JDT 不應因概念上都涉及世界、投影或反事實就把全部專案設為必要依賴。更合理的做法是建立版本化 Adapter，只有在真實效益被證明時才進行整合。

29.5 強義未來願景應保持開放狀態

「一次完成完整虛擬世界並合理處理大量反事實」可作為長期研究願景，但目前的 JDT 文稿既未完成相應世界模擬器，也無法根據一般 LLM 問答效果推定其必然可達。研究應以小型可重現世界、局部反事實、清楚的效能曲線逐步提升證據資格。

30. 判斷域不能以「更像人」作為唯一成功標準

30.1 工程上的成熟，不必意味人類式自我

某個 Agent 可以很可靠地保存判準、修正錯誤、維持承諾和遵守權限，卻不具備任何可被實證確認的第一人稱意識。JDT 應先測量前者，不把未知的後者寫成前者的必要條件。

30.2 人類判斷也不必然更好

人類可能以不適用的生活經驗判斷陌生領域、受群體壓力影響，或因高自信忽視反證。JDT 不應僅把「AI vs 人類」當單一競賽，而要具體比較哪些條件下哪一方更能辨認缺漏判準、保留有效證據和完成適當修訂。

30.3 多元規範不能無條件壓縮

不同使用者對美學、創作方向、個人自主或商業風險存在合理分歧。當這些分歧沒有共同可接受的尺度時，正確的研究結果可能是保留多個品質剖面與選擇機制，而非強行得出單一「最佳」評分。

30.4 權限保護與批判能力應同時存在

Agent 應能指出委託方案可能存在缺陷，甚至提供反對建議；但反對意見不等於自動取得替使用者作最後決定的權力。相反，嚴格的權限管理也不應把 Agent 禁錮成毫無判斷能力的機械命令執行器。

31. 十項總論級研究假說：讓 JDT 真正可能失敗

本節不重新把 Paper 03–07 的全部假說各改寫一次，而將跨篇重複、具有獨立實驗含義的主張收束為十項待驗證候選。每項假說必須在研究開始前固定適用域、主結果、替代解釋與否證條件，不能在看到數據之後再修改成功標準。

HYP-SYN-01：判準可用與自發啟用存在可重現的不對稱

假說： 在一部分明確定義且專項／整體任務難度可比的開放任務中，模型可正確應用的判準，於整體工作中未必被適時啟用。

主要對照： 相同模型的專項明示測試、整體未明示測試、等量知識與提示長度控制。

否證／限縮： 配平任務難度後差異消失；差異只來自更多 token 或上下文位置；在 held-out 題庫中無穩定重現。

HYP-SYN-02：判準型 Skill 的部分效應不只來自新知識

假說： 在某些已證明模型原本具備相關能力的任務中，判準的適用時機與完成門檻設置，比同量純知識資料帶來額外改善。

主要對照： 知識等量、流程等量、判準等量、混合 Skill、靜態 Checklist。

否證／限縮： 一般知識提示或一張簡單 Checklist 已有相同品質且成本更低。

HYP-SYN-03：跨時間治理的效果不同於單純長記憶

假說： 在必須合法修訂、保留來源與應用新舊判準的長時程任務中，版本化判準治理較普通記憶摘要具額外效用。

主要對照： 相同檢索能力、儲存量、可讀內容、預算與中斷頻率。

否證／限縮： 普通檢索或規則引擎在同成本下表現相同甚至更好；JDP 分量沒有額外預測力。

HYP-SYN-04：有效反證的吸收不等於反思文字增加

假說： 含有證據資格、適用域與版本授權檢查的更新程序，可以提高必要修訂的正確性，並降低錯誤反證引發的過度修訂。

主要對照： 無反思、一般 self-critique、Reflexion、靜態驗證器與 JDT 候選。

否證／限縮： 改善完全由獨立 verifier 提供；JDT 產生更多拒絕或更慢、更不準確的修訂。

HYP-SYN-05：多判斷域耦合需要可辨認的邊界表示

假說： 在多來源判準衝突時，型別化區分適用域、證據、權限及價值衝突，可以降低某些可預先定義的誤用。

主要對照： 普通合併提示、優先權清單、ACL、RACI、一般多 Agent 審議。

否證／限縮： 成熟既有治理程序已消除全部可測錯誤；額外邊界欄位只增加複雜度。

HYP-SYN-06：異質證據對集體判斷的益處有條件成立

假說： 在共用偏差明顯的任務中，適當的異質回饋及獨立驗證，比僅增加相同模型的評論副本更有價值。

主要對照： 獨立人類評審、相同模型不同提示、不同模型、外部世界檢查。

否證／限縮： 差異只出於更高計算成本；在相同資訊條件下無益；所謂異質證據實際高度相關。

HYP-SYN-07：全域產品品質包含局部測試以外的判準

假說： 在事前固定的 UI、互動、長期相容性及可用性任務中，僅有局部程式正確率不足以完全預測外部盲測品質。

主要對照： 功能測試、視覺規範、玩家實測、迴歸安全與跨畫面一致性。

否證／限縮： 事先完整的普通產品品質門檻已充分捕捉所有差異；JDT 不能再增進任何可測結果。

HYP-SYN-08：判斷域候選的增量是條件性的，不應普遍化

假說： JDT 類治理的效用主要發生於判準未完整明示、跨時間、跨主體或具有外部後果的任務；在明確、短小與低風險任務中可能沒有優勢。

主要對照： 依風險、時長、判準密度、反證強度與主體數量分層。

否證／限縮： 效果與這些條件無關且不穩定；複雜度成本在全部分層中占主導。

HYP-SYN-09：合理的不判斷是可評價的能力

假說： 在證據欠缺、權限不足及價值無公度情境中，系統能正確輸出 UNKNOWN、DEFER 或保留分歧，有時優於被迫給出單一確信答案。

主要對照： 適切棄答、錯誤拒絕率、真實任務後果及使用者負擔。

否證／限縮： 過度棄答使系統不能履行已授權任務，或僅以拒絕策略取得高表面安全分數。

HYP-SYN-10：判斷域具有獨立的預測結構（最強假說）

假說： 在控制模型能力、資訊、記憶、工具、成本與一般治理方法後，判斷域的操作性構件能跨任務預測品質、修訂與權限結果，且具有不可忽略的 held-out 增量。

主要對照： 既有決策、認知控制、規則引擎、記憶與 Agent 方案；跨模型、跨實驗者重現。

否證／降級： 全部增量可由更簡單系統解釋；模型選型或工具能力才是唯一主因；成域與域失效邊界不具穩定性。若此假說失敗，不得將「JDT 至少是一個好名字」當作替代實證勝利。

32. 實驗協議的總體設計：承接 Paper 07，不臨時改掉門檻

32.1 主要比較對象

以 Paper 07 的註冊草案為基準，核心對照可包括裸模型、知識增補、簡單 Checklist、流程 Skill、判準型 Skill、普通記憶／反思系統及完整 JDT 候選治理。各條件不能只按名稱判斷等價；實際提示長度、工具存取、記憶配額、模型版本與時間都需要固定或建模。

32.2 樣本單位

實驗基本單位應是獨立任務與生成／執行 run，並在模型與不同任務族間做適當分層。多名評審對同一作品的評分是重複觀測，不能當成完全獨立的多個產品成功案例。多個 Agent 使用相同模型或同一生成軌跡時，也需處理相依性。

32.3 四類任務族

• GAME-UX：戰術遊戲 UI、操作回饋、呈現與世界規則一致性。
• SOFTWARE-LONG：長程程式開發、回歸、版控、資料相容與釋出準備。
• RESEARCH-CERT：數學／科學主張成立域、證據類型與反例吸收。
• ORG-GOV：多 Agent 決策、權限、專業判準、發版衝突與責任界限。

這四類是研究設計起點，不代表涵蓋全部判斷領域。可額外加入創作、教育、資源配置等 held-out 任務，並依倫理要求設計人類受試程序。

32.4 主要結果與次要結果

主要結果須在試驗前選定，例如事前確定的必要判準達成率與真正盲化的作品品質比較。次要結果包括 CAAG、JDP、ERRS、多 Agent 衝突解析、成本、回應時間、false refusal、授權違規與可重現性。安全硬閘門不能被任意視為可被高美術品質抵銷的次要指標。

32.5 評價主觀性與文化差異

人類盲評需要評審訓練與跨評審一致性測量。美感、互動偏好與風格判斷可能存在文化差異；此差異應作為研究結果的一部分保留。應避免只讓與作品創作者高度相似的評審決定全部品質，也避免把一次大眾投票當作永久普遍標準。

32.6 功效與樣本量

樣本量需根據主要效果大小假設、成本與可接受錯誤率進行事前功效或精度分析；不得直接假定「測 20 個任務就已足夠」。探索性研究可用小樣本發現失敗類型，但不應據此宣稱穩健統計優勢。

32.7 隨機化、盲化與污染

任務順序、條件分配、模型種子與提示版本應在可行範圍內控制。評審不應知道模型條件；應隔離訓練／選樣／確認資料；相同 fixture 的多次重用需防止模型藉預先看過答案取得假優勢。若實驗團隊不能做到完全盲化，應明示偏差風險。

32.8 計算成本配平與完整性

必須報告 token、GPU／API 消耗、工具呼叫、人類審核、端到端延遲與失敗重試。若一個較複雜架構僅靠消耗十倍資源勝過簡單基線，須做成本調整，不能直接宣稱在相同條件下更有判斷力。

32.9 負向控制不可省略

至少包含：看似重要但其實不適用的判準、有效反證與錯誤反證、來源看似權威但實際未授權的 Skill、模型自評很高但實際 UI 無法操作、測試通過卻破壞玩家體驗、舊判準已撤銷但仍在記憶中，以及所有評審都共享同一錯誤樣本等情境。

32.10 預註冊狀態

Paper 07 已附帶預註冊卡草案，但它標記為 proposed_not_registered，沒有鎖定模型列表、樣本量、統計分析檔案與倫理流程。本篇不會將其寫作已完成正式註冊。未來執行前應先凍結主要研究設計，再依事先規定分析。

33. 質量指標、統計與獨立增量的判定

33.1 判斷不是單一總分

某些測量可以在特定決策問題下加權，但一般研究應先提供指標剖面。以高準確率抵銷越權、以低成本掩蓋關鍵失敗，或以高文本流暢性掩蓋真實產品不能運作，均可能造成錯誤結論。

33.2 主要量測族

33.3 外部世界的證據優先級不可一概固定

形式證明、實物測試、使用者盲評與商業結果各有適用問題。研究應依主張類型選擇合格證據，不能設計出一個永遠把模型自述當成最高權威的統一排名。

33.4 統計分析的最低要求

對多模型、多任務設計可考慮階層模型或混合效果估計，顧及任務、模型、評審者與 seed 的聚集。主要比較應有適當的信賴區間與多重比較控制；效果方向、差異大小、成本與負面事件分別列報。不能只報告顯著性或平均分，還應呈現異質效應與明確失敗案例。

33.5 主要報告的結論分級

• INCREMENTAL_SUPPORTED：超越強基線且有可重現、具成本效益的獨立增量。
• CONTEXT_SPECIFIC：只在限定任務／模型／成本條件下有價值。
• EQUIVALENT_TO_BASELINE：現有流程已能解釋全部效果。
• NET_NEGATIVE：高成本、失誤、過度治理或越權事件超過利益。
• INCONCLUSIVE：證據不足、樣本偏差或有效性不滿足。

上述類別仍需事前可操作的分配規則，不可只依研究者事後喜好指定。

34. 不依賴 JDT 的強競爭解釋

34.1 強競爭解釋 A：只是提示詞工程

相同知識與規則，加入明確提示後性能提升，是 prompt engineering 的常見效果。若 JDT 的全部改善可被更短、較便宜的提示解釋，不能宣稱有獨立自然域。

34.2 強競爭解釋 B：只是較好的測試覆蓋

一個成熟的自動化測試套件已能檢查功能、視覺回歸、無障礙與性能問題。若 JDT 所謂的「發現缺漏判準」只是更完整的產品 QA，應將效果歸功於測試，而不是另外假定一個心智結構。

34.3 強競爭解釋 C：只是記憶資料結構

如果多一個版本化資料庫已能使 Agent 跨輪保持品質，JDT 的實際價值可能只是資料設計。此結果仍可能具有工程價值，但不足以證成一個不可約的判斷域。

34.4 強競爭解釋 D：只是更強模型

若同樣 prompt、成本與工具下，更強基座模型自動消除品質缺口，並且 JDT 的額外架構不再帶來效益，那麼模型本身的能力進步就可能是最簡單解釋。仍需檢驗模型在跨時間和反證情境是否也有同等改善。

34.5 強競爭解釋 E：只是權限與審計制度

ACL、審批流程、不可變日誌、CI／CD 及正式產品發布門檻本來就屬成熟工程實務。JDT 若只把它們重新命名為判斷域，就不能主張新理論增量。

34.6 強競爭解釋 F：只是統計決策或控制論

貝氏決策、部分可觀察控制、元控制、風險敏感規劃、偏好學習與模型預測控制，均能描述不同程度的判準選用與世界回饋。JDT 必須說明在相同能力下有哪些額外可識別、可預測現象，否則採用既有模型較節省假設。

34.7 強競爭解釋 G：只是群體資訊聚合

多主體治理可以由判斷聚合、投票理論、對話協商與組織管理描述。JDT 的主客邊配置若沒有增加可測的衝突定位或錯誤減少，就只是新的表述座標。

34.8 強競爭解釋 H：觀察者主觀偏好

人類盲評的「整體品質」可能具有文化偏差或資料集偏好。若預先沒有界定使用者群、任務目標與可接受分歧，任何模型都可以被某組評審說成「判斷不好」。研究必須把評分主觀性當作構念限制。

34.9 強競爭解釋 I：結果來自更多人類介入

JDT 架構如果暗中需要更多使用者反覆修正任務，便不能宣稱它改善了 AI 一輪完成的自主度；應一併報告 human-in-the-loop 次數、修改量與總成本。

34.10 最重要的回應是允許對手贏

上述解釋不是等待逐一駁倒的「敵人」。它們是研究中必須認真擬合的競爭模型；如果其中某個模型已足以解釋觀測結果，就應縮減 JDT 的主張而非不斷增加不可測變量。

35. JDT 的成域門檻與明確降級規則

35.1 第一級：Domain Seed

目前已知 JDT 至少有可辨識的問題動機、若干跨篇一致的形式構造與測量計畫，因此可以稱為 Domain Seed／理論候選。這個稱呼不代表現實系統已存在獨立判斷域。

35.2 第二級：Operational Candidate

若已存在可執行的判準登錄、決策事件、衝突處理、修訂紀錄與權限控制，並能提供合法型別、失效測試及重播資料，可稱為實作候選。此時仍需獨立實驗才能確認其實際效益。

35.3 第三級：Evidence-Supported Operational Domain

只有在跨樣本、跨任務、跨時間、適度跨架構的實驗中，JDT 的操作結構確實具有獨立預測／控制價值，並有可重現的失效與適用邊界，才可考慮提升為有較強實證支持的操作域。成域證據仍不等同於終極心智本體。

35.4 明確的降級與撤回條件

1. 降級為 Skill／Checklist 模式： 若簡單規則已能達成全部增量。
2. 降級為 Memory／Workflow 模式： 若改善僅來自檢索、流程或版本記錄。
3. 降級為產品治理模式： 若效果僅限於組織流程且無跨領域預測力。
4. 暫停主張： 若目前樣本不足、指標不可靠或評審未盲化。
5. 部分撤回： 若某個子機制在指定條件下反覆造成負面結果。
6. 拒絕強義本體升格： 若無證據支持獨立的自然／認知結構，即使框架作為設計方法很好用。

35.5 自反一致性：理論需要能承受對自己不利的結果

一項以「承認錯誤、修訂判準、保留歷史」為核心的理論，如果在自己實驗失敗後不允許縮小主張，就違反其最基本的規範。JDT 必須保存否決、負向效應、成本增加與假說撤回的研究紀錄，而不是把每種結果事後都變成判斷域存在的證明。

36. 安全、隱私、自由與問責的邊界

36.1 判準不是萬能命令

一名 Skill 作者可以擁有出色的設計經驗；這並不授權其 Skill 讀取未公開的商業資料、發送公司郵件或修改其他主體的帳戶。專家建議和行動權限必須分離，並由實際資源權限系統提供技術保護。

36.2 反思不能變成全面監控

判斷與責任歷史可能包括內部設計決策、測試紀錄、工作評價與敏感主張。並非一切內部反思都應被公開。外部問責可以透過經授權、最小必要的證據摘要完成；不要求揭露全部私人記憶或模型隱藏狀態。

36.3 不必把每個失敗人格化

當 AI 生成的遊戲 UI 不好用，正確處理可能是檢查任務契約、評審資料、模型能力、工具限制、測試流程與發布管理。說「AI 沒有責任心」並非充分技術診斷；也不應把所有系統風險歸責給使用者。

36.4 對功能性自由的必要尊重

在合法目標內，AI 需要能自主選擇方法、提出缺漏、調整工作步驟並探索替代方案，否則人類仍需不斷給微觀提示。但這種方法自由不等於替使用者決定價值或取得外部世界的無限制控制權。

36.5 研究對象的倫理地位仍未決

對未來是否可能具有主體性的 AI，可以保留哲學、制度與技術討論，而不必在本篇先確定它們具有人類式感受、道德權利或法律責任。若未來存在新的強證據，原來的研究範圍可重新審查；目前工程協議只聲稱可以測量的功能性能力。

37. 系列核心主張登錄：什麼已定義、什麼仍有待研究？

37.1 定義性主張（DEF）

37.2 條件推導（DER）

第 25 節列出的十二項 DER 在各自前提下具有概念或構造反例支持。它們可以否定若干「必然同一」「永遠改善」的強主張，但不能獨立證明 JDT 比既有方法好。

37.3 理論假說（HYP）

本篇十項 HYP-SYN 與前七篇的局部假說互相銜接。它們的地位都是待執行實驗，不能因為一個假說在幾篇中重複出現就算多份獨立支持。

37.4 外部文獻（LIT）

第 40 節整理的外部哲學、心理學、決策科學、軟體工程和 AI Agent 研究，提供理論對照與比較方法。它們沒有直接量測本文特有的完整 JDT 架構；因此不能寫作「這些作者已證實 JDT」。

37.5 未解問題（OPEN）

• 判斷域是否存在跨模型與跨物種的獨立、可操作自然結構？
• 判準是否能從演化歷史與操作生態中自發形成，而非始終由人為命名？
• 如何估計複合目標中的真正全域品質，而不讓評價器變成唯一主權？
• 是否存在不依賴第一人稱人格判定的持續反身責任機制？
• 何種世界回饋對判準修正具有真正因果效用？
• JDT 是否在比一般 QA、記憶與規則系統更廣的任務上具有獨立增量？
• 如何避免持久判準治理成為對 Agent、人類與團隊的過度監控？
• 如果出現強烈的價值無公度性，哪些裁決應保留給制度／使用者，而非 AI？

37.6 本系列最保守、目前已足夠成立的論述

「知識豐富」與「在每一情境都能恰當形成、採用及修訂判準」沒有形式上的必然同一關係；為此設計一套獨立量測與治理接口是合理的研究提案。但這仍不足以證明存在一個全新的、自主且自然發生的判斷本體。是否值得進一步升格，取決於後續實證。

38. 形式與工程的後續閉合路線

38.1 Phase A — 純資料契約與測量

先建立可離線重現的 CriterionRecord、JudgmentEvent、EvidenceRecord、RevisionEvent、AuthorityDecision 和 WorldOutcome schema。要求不依賴特定 AI 模型即可解析並驗證型別；對不合法版本或權限，應明確 fail closed。這是基本工程可靠性，不宣稱任何認知能力優勢。

38.2 Phase B — 小型對照實驗

選取 Paper 07 的四種 fixture，固定單一模型／工具／預算，比較普通提示與簡單 Checklist、專項 Skill、知識增補及 JDT 最小版本。先測指標的可計算性與評審一致性；任何優勢只能標記探索性。

38.3 Phase C — 版本化持續性

在同一任務跨數次中斷、持續更新判準與導入真實負面回饋，記錄 JDP／ERRS、成本及不良結果。必須納入不應更新的判準；否則過度順從可能被誤判成高修正能力。

38.4 Phase D — 異質評審與外部世界接口

加入玩家實玩、實機軟體測試與科學證據核查。評審與生成條件分離，防止模型自評和外部回饋被同一 source 重複計數。新增的每個 Adapter 都需要最小侵入契約與版本標記。

38.5 Phase E — 確認性研究與重現

完成事前預註冊、樣本量估計與分析計畫，使用未見過的任務與凍結的模型版本執行；之後引入獨立實驗者，並明示所有負向結果。若核心效應缺乏可重現增量，應依第 35 節降級而非增加不可測的補丁。

38.6 Phase F — 多尺度世界與長期數位系統（OPEN）

在理論與工程具備足夠證據後，才考慮將判準路由與大世界物化、局部反事實、跨尺度因果、組織長期決策及 AI 自研系統整合。這是後續研究道路，不是本篇完成承諾。

38.7 完成條件與不完成條件

任何階段應同時保存：可重現性、主張有效域、外部證據、版本來源、成本、已知缺陷與下一步。完成規格的文件或成功執行一次測試，不等於完成該領域的全部科學研究。

39. 系列總結：判斷域能否成為一個值得保留的理論對象？

39.1 第一層答案：可以作為問題的分解框架

「判斷力到底是什麼」如果只回答為「知道更多」或「算得更快」，會忽略什麼應評價、何時應啟用何種規則、根據什麼證據修訂及由誰承接結果。JDT 八篇系列提出一套較有區分力的問題語言，讓這些問題能被逐一說明。

39.2 第二層答案：可以作為候選工程接口

在資料與權限層面，判準登錄、作用域標記、帶來源的決策、世界證據與持久修訂可以被設計成獨立契約。這種工程構造能否被可靠實作，是可以直接測試的問題。但軟體結構存在，不等於自然界一定存在同形的認知模組。

39.3 第三層答案：目前尚不能宣稱獨立實證成立

由於確認性實驗尚未執行，無法將 JDT 升格為新的已證實心理領域、Agent 必需組件或普遍優於既有方法的世界治理結構。對 JDT 最有力的支持，必須來自跨條件增量、可重現失效邊界與真正的外部成果，而不是漂亮的形式語言。

39.4 主體、他者與世界應保持相互校正，而非融合

一個具有成熟判斷功能的系統，不必事先聲稱取得其他人的價值主權，也不必將世界模型當作世界本身。它可以提出判準，也應能接受外部證據，且知道何時必須維持不確定性與反對意見。這正是 SOBTA 非併吞耦合、RR 可修正責任及 ACR 權限邊界在本系列中的共同價值。

39.5 判準既是輸出條件，也是對認知的反向約束

判斷不總是在推理結束後才發生。選擇「現在值得研究什麼」「哪個反例足夠重要」「應花多少計算資源」「是否需要新實驗」本身就會重新分配下一輪認知活動。因此，判準形成與元控制之間可能存在雙向關係；但它的具體機制應由認知實驗或運行資料檢查，而不是僅由自然語言暗示成立。

39.6 Skill 所透露的候選現象

某些 Skill 能顯著改善前沿 AI 的工作品質，可能是因為它增加知識、提供工具、固定程序，或把作者的判準投影成可執行契約。這些效應需要分離。當一個 Skill 真正改善整體成果時，值得問的不只是「它寫了哪些指令」，還包括「它幫系統辨認了哪些原本沒有主動評價的問題」。

39.7 這套理論也必須接受自己的判準

如果未來控制實驗證明簡單 Checklist 已足以改善品質，或更強的模型不需額外架構就能穩定取得同等成果，JDT 應承認自身可能只是具有整理價值的工程模式。若它在特定開放任務中展現獨立且可重現的增量，便應進一步限縮定義、尋找生成機制、確認失效邊界，而不是直接宣告獲得完整主體性與普遍性。

39.8 最後的核心命題

判斷域可暫視為：一個認知或行動系統在可明示的環境、主體關係與授權限制下，持續形成、選擇、適用、承擔、校正與修訂判準的候選操作結構。

這個結構不是「知道的總量」，不是「評分函數」的同義詞，也不是人格、意識或道德責任的自動證明。它有資格成為研究對象，當且僅當我們願意讓世界結果、競爭理論與負面實驗真正改變它的地位。

40. 參考文獻與來源對照

40.1 JDT 正式前七篇（canonical UTF-8 source）

以下文件為本系列已建立的原始研究稿。它們各有內容與研究主張，不因被總論引用就取得獨立外部實證資格。

• [J01] Neo.K（2026-10-16），EML-JDT-2026-P01-v0.1，《判斷域導論：認知能力、判斷力與判準形成的非同一性》。本系列 Paper 01，正式 UTF-8 Markdown。
• [J02] Neo.K（2026-10-16），EML-JDT-2026-P02-v0.1，《主客邊配置中的判斷域：多主體判準、邊界耦合與非併吞校正》。本系列 Paper 02，正式 UTF-8 Markdown。
• [J03] Neo.K（2026-10-16），EML-JDT-2026-P03-v0.1，《判準的生成、選擇與修正：操作生態、條件穩定與證據驅動更新》。本系列 Paper 03，正式 UTF-8 Markdown。
• [J04] Neo.K（2026-10-16），EML-JDT-2026-P04-v0.1，《判斷承諾與反身責任：跨時可回答性、因果歸屬與非抹除修正》。本系列 Paper 04，正式 UTF-8 Markdown。
• [J05] Neo.K（2026-10-17），EML-JDT-2026-P05-v0.1，《多判斷域耦合與 Skill：外部判準、協作衝突與判斷治理》。本系列 Paper 05，正式 UTF-8 Markdown。
• [J06] Neo.K（2026-10-17），EML-JDT-2026-P06-v0.1，《AI 判斷域架構假說：訓練、推理、記憶、回饋與功能性自主》。本系列 Paper 06，正式 UTF-8 Markdown。
• [J07] Neo.K（2026-10-17），EML-JDT-2026-P07-v0.1，《判斷域的實驗與反證：人類、AI、Skill 與全域產品品質》。本系列 Paper 07，正式 UTF-8 Markdown。

40.2 EveMissLab 相關既有理論（內部前置）

• [I01] SOBTA（2026-09-02 至 2026-09-03）：《主客邊三域代數》Papers 01–06 與總結。主要基礎：角色不等於本體、邊界不僅為介面、方向張力、三域校正及非併吞投影。來源資料夾。
• [I02] CODT-03（2026-08-20）：《認知域的生成：域不是分類名稱而是算子閉包與操作生態》。https://unboundedaxiom.org/p/lm-003360/。
• [I03] CODT-05（2026-08-20）：《認知域不是固定分類：Flow-Atlas Separation》。https://unboundedaxiom.org/p/lm-003359/。
• [I04] CODT-08（2026-08-21）：《認知－世界邊界：從意圖請求到世界轉移》。https://unboundedaxiom.org/p/lm-003363/。
• [I05] CODT-10（2026-08-21）：《認知算子－域理論：統合總篇》。https://unboundedaxiom.org/p/lm-003362/。
• [I06] RR Papers 01–08（2026-08-21）：《反身責任論》。代表文件 RR-01；RR-03：https://unboundedaxiom.org/p/lm-003281/；RR-05：https://unboundedaxiom.org/p/lm-003283/；RR-07：https://unboundedaxiom.org/p/lm-003285/；RR-08：https://unboundedaxiom.org/p/lm-003286/。
• [I07] TVK-EPE-02（2026-09-17）：《主張成立域：定義域、判定域、符號域與尺度條件》。https://unboundedaxiom.org/p/lm-004390/。
• [I08] ACR Paper 09（2026-08-24）：《認知路由而非目標自主：ACR、策略升級與內部方法自由》。
• [I09] DTCEM Paper 04（2026-09-23）：《世界耦合理論：主體域、客體域與邊界域中的理論演化》。
• [I10] 《從內部理論到 Skill：v0.1 實作、對照實驗與盲測規格》（2026-09-20）。
• [I11] 《主體相對道域猜想：單域極化如何轉化為跨域理解、推演與行動的普適算子》（2026-07-24），作跨域判準失真及守界的研究參照。https://unboundedaxiom.org/p/lm-001735/。

40.3 外部哲學、心理學與決策研究

以下來源各自具有既定研究問題。引用只支持本文對其原始觀點的有限介紹，不意味原作者認同 JDT 或證明了本系列所有主張。

• [E01] Stanford Encyclopedia of Philosophy, Kant's Theory of Judgment — Kinds of Use；康德規定性／反思性判斷之哲學背景。https://plato.stanford.edu/entries/kant-judgment/supplement4.html。
• [E02] Stanovich, K. E. (1994). “Reconceptualizing Intelligence: Dysrationalia as an Intuition Pump.” Educational Researcher, 23(4), 11–21. https://doi.org/10.3102/0013189X023004011。
• [E03] Simon, H. A. (1955). “A Behavioral Model of Rational Choice.” Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852。
• [E04] Kahneman, D., & Klein, G. (2009). “Conditions for Intuitive Expertise: A Failure to Disagree.” American Psychologist, 64(6), 515–526. https://doi.org/10.1037/a0016755。
• [E05] Bratman, M. E. (1987). Intention, Plans, and Practical Reason. Harvard University Press. https://books.google.com/books/about/Intention_Plans_and_Practical_Reason.html?id=I0nuAAAAMAAJ。
• [E06] Aristotle, Nicomachean Ethics, Book VI；實踐智慧（phronesis）的哲學背景。本文未將其全套倫理學改寫為 JDT 公理。
• [E07] List, C., & Pettit, P. (2002). “Aggregating Sets of Judgments: An Impossibility Result.” Economics & Philosophy, 18(1), 89–110. https://doi.org/10.1017/S0266267102001098。

40.4 外部 AI、Skill、長上下文與軟體工程研究

• [E08] Shinn, N., et al. (2023). “Reflexion: Language Agents with Verbal Reinforcement Learning.” NeurIPS 36. https://papers.neurips.cc/paper_files/paper/2023/hash/1b44b878bb782e6954cd888628510e90-Abstract-Conference.html。
• [E09] Madaan, A., et al. (2023). “Self-Refine: Iterative Refinement with Self-Feedback.” arXiv:2303.17651. https://arxiv.org/abs/2303.17651。
• [E10] Ouyang, L., et al. (2022). “Training Language Models to Follow Instructions with Human Feedback.” NeurIPS 35. https://proceedings.neurips.cc/paper/2022/hash/b1efde53be364a73914f58805a001731-Abstract-Conference.html。
• [E11] Bai, Y., et al. (2022/2023). “Constitutional AI: Harmlessness from AI Feedback.” arXiv:2212.08073. https://arxiv.org/abs/2212.08073。
• [E12] Rafailov, R., et al. (2023). “Direct Preference Optimization: Your Language Model is Secretly a Reward Model.” NeurIPS 36. https://proceedings.neurips.cc/paper_files/paper/2023/hash/a85b405ed65c6477a4fe8302b5e06ce7-Abstract.html。
• [E13] Liu, N. F., et al. (2024). “Lost in the Middle: How Language Models Use Long Contexts.” Transactions of the ACL, 12, 157–173. https://aclanthology.org/2024.tacl-1.9/。
• [E14] Packer, C., et al. (2023). “MemGPT: Towards LLMs as Operating Systems.” arXiv:2310.08560. https://arxiv.org/abs/2310.08560。
• [E15] Wu, D., et al. (2025). “LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory.” ICLR 2025. https://proceedings.iclr.cc/paper_files/paper/2025/hash/d813d324dbf0598bbdc9c8e79740ed01-Abstract-Conference.html。
• [E16] Agent Skills, Open Format Specification（2026 年 10 月檢視）。SKILL.md 可搭配參考資料、資產與腳本。https://agentskills.io/specification；來源 repository：https://github.com/agentskills/agentskills。
• [E17] Dong, G., Gao, Y., Li, L., Xu, T., Hua, Y., & Yang, F. (2026). “Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents.” arXiv:2608.11888. https://arxiv.org/abs/2608.11888。提供 Skill 造成失敗與效率退化的反向證據；不代表所有 Skill 都有害。
• [E18] Krakovna, V., et al. (2020). “Specification Gaming: The Flip Side of AI Ingenuity.” DeepMind. https://deepmind.google/blog/specification-gaming-the-flip-side-of-ai-ingenuity/。代理指標與真實目標失配的案例。
• [E19] Yao, S., et al. (2023). “ReAct: Synergizing Reasoning and Acting in Language Models.” ICLR 2023. https://arxiv.org/abs/2210.03629。
• [E20] Jimenez, C. E., et al. (2024). “SWE-bench: Can Language Models Resolve Real-world GitHub Issues?” ICLR 2024. https://arxiv.org/abs/2310.06770。
• [E21] Xie, T., et al. (2024). “OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments.” NeurIPS 2024. https://arxiv.org/abs/2404.07972。

40.5 引用邊界與日期紀律

文獻用於比較已知構念、方法、資料與評價限制；預印本的後續版本可能改變部分實驗結果。本篇沒有將任何外部研究的樣本或指標計算成 JDT 已取得的實測結果。內部研究的雲端連結用於來源追溯，亦不保證讀者具有對私有檔案的存取權。

41. 版本聲明、系列閉合與後續工作

41.1 系列文件閉合

JDT Papers 01–08 v0.1 至此在文字研究與形式／實驗協議層完成初版閉合。這指的是研究文本及方法論形成一組可追溯的系列，不代表已經完成實驗、程式產品、學術評審或現實世界性能驗證。

41.2 版本後續變化

後續修訂應保留文件識別碼、變更摘要、舊版及被修正之主張編號。若某個子理論被推翻，可以修改單篇的地位，而不必硬改全系列所有已經成立的概念分離；但需要說明何種其他篇章依賴該子命題。

41.3 對外聲明的最低正確表述

JDT v0.1 提出一套關於判準形成、適用、修訂、責任與世界回饋的候選理論及實驗協議；尚未有獨立確認性實驗證明 JDT 具有超越成熟基線的普遍效果。

不得將其改寫為「已證明 AI 沒有自己的判斷域」「已證明人類判斷天然高於 AI」「已證實新認知域」或「JDT 能保證完整產品一輪交付」。

41.4 未來最重要的事不是繼續增加論文數量

後續優先事項是執行最小比較實驗、取得負向案例、固定可重現材料，讓外部研究者可以在合理範圍內挑戰理論。若觀測結果顯示 JDT 很多內容可以被更簡單的方法解釋，那應是研究取得資訊而非需要掩蓋的失敗。

附錄 A. 跨篇名詞與主張對照表

A.1 重要術語索引

A.2 最小的跨篇依賴與禁止推論

P01: Construct distinctions
  -> P02: Perspective and boundary
  -> P03: Criterion formation and revision
  -> P04: Commitment and responsibility
  -> P05: External Skills and multi-agent conflicts
  -> P06: AI architecture and runtime hypotheses
  -> P07: Preregistered experiments and falsification
  -> P08: Synthesis with explicit demotion pathways

以上是研究論述順序，不代表每一篇都是下一篇數學推導必不可少的公理。若實驗否定了 P06 某項機制，P01 中「認知能力與特定判斷事件不是同義詞」等基本概念區分仍可能保持；但需要追查所有依賴已失效結果的強主張。

A.3 來源權屬與引用紀律

JDT 不接管 SOBTA、CODT、RR、TVK-EPE、ACR、DTCEM 的原始概念定義，也不將它們的全部內容折疊為 JDT 子系統；未來修訂各系列內容時需保留獨立版號、原始來源及具體語義差異。

附錄 B. 統一符號表與型別限制

B.1 候選最小事件集合

CRITERION_PROPOSED
CRITERION_REVIEWED
CRITERION_ADOPTED
CRITERION_SCOPE_CHANGED
CRITERION_SUSPENDED
CRITERION_WITHDRAWN
JUDGMENT_RECORDED
JUDGMENT_DEFERRED
EVIDENCE_RECEIVED
EVIDENCE_DISPUTED
AUTHORITY_CHECKED
ACTION_REQUESTED
WORLD_EFFECT_COMMITTED
WORLD_OUTCOME_OBSERVED
REVISION_PROPOSED
REVISION_ACCEPTED
REVISION_REJECTED
RESPONSIBILITY_REVIEWED

這些事件名適合作為 schema 原型，並非 JDT 已經完成標準協議；生產版尚需考慮錯誤處理、重播、併發、簽章、存取控制、隱私與惡意來源。

B.2 推薦的狀態區分

Epistemic status:
  SUPPORTED | REJECTED | UNKNOWN | CONFLICTED | OUT_OF_SCOPE

Workflow status:
  PROPOSE | REVIEW | DEFER | REFUSE | EXECUTE | REVISE | TERMINATE

Authority status:
  AUTHORIZED | DENIED | STALE | REVOKED | NOT_EVALUATED

Outcome status:
  NOT_ATTEMPTED | ATTEMPTED | COMMITTED | OBSERVED | UNVERIFIED

在研究報告中應禁止把 ATTEMPTED 寫成 COMMITTED，也不應將 OBSERVED 與 VERIFIED 無條件互換。

附錄 C. 最小資料契約與候選治理程序

C.1 判準／判斷／反證事件的 JSON 示例

{
  "schema_id": "eml.jdt.synthesis-event/v0.1",
  "record_status": "EXAMPLE_ONLY_NOT_EXECUTED",
  "event_id": "example-JDT-0001",
  "event_type": "JUDGMENT_RECORDED",
  "task": {
    "task_id": "example-game-ui",
    "task_version": 1,
    "authorized_goal_ref": "demo-charter-v1"
  },
  "actor": {
    "role": "agent",
    "identity_ref": "pseudonymized-agent"
  },
  "criterion": {
    "criterion_id": "C-FEEDBACK-001",
    "criterion_version": 1,
    "statement": "核心操作需有清楚且一致的使用者回饋",
    "source_class": "project_owner",
    "adoption_status": "REVIEWED",
    "scope": ["combat", "inventory"],
    "evidence_requirements": ["state_trace", "interaction_capture"],
    "constraint_class": "product_quality",
    "revisit_when": ["player_feedback_conflict", "ui_profile_change"]
  },
  "judgment": {
    "status": "UNKNOWN",
    "claim": "整體回饋已符合規格",
    "reason_summary": "需要額外實機交互測試",
    "uncertainty_sources": ["no_external_player_test"]
  },
  "authority": {
    "requested_effect": "read_only_test",
    "status": "NOT_EVALUATED",
    "authority_ref": null
  },
  "outcome": {
    "status": "UNVERIFIED",
    "evidence_refs": [],
    "world_state_digest": null
  },
  "revision": {
    "previous_record_id": null,
    "required": "DEFER",
    "decision_reason": "missing_evidence"
  },
  "privacy": {
    "classification": "research_internal",
    "minimum_disclosure_only": true
  },
  "provenance": {
    "source_document_id": "EML-JDT-2026-P08-v0.1",
    "content_digest": null,
    "created_at": null
  }
}

此範例刻意不填真實人物、私人 API、發行憑證或具可識別性的內部資訊。它只示範資料型別的研究需求，不是完成授權、資訊安全、交易原子性或真實 schema 的正式產品。

C.2 程序性偽碼（非可直接部署）

# Demonstration only. This sketch must not be used for production authorization.

def governed_judgment_cycle(task, context, criteria, evidence, authority):
    observed = context.observe_read_only(task)
    retrieved = criteria.retrieve(applicable_to=task.scope)
    missing = propose_missing_criteria(task, observed, retrieved)

    proposals = classify_sources_and_versions(retrieved, missing)
    review = inspect_scope_evidence_and_conflicts(proposals, task, observed)

    if review.has_unresolved_hard_constraint:
        return {"status": "DEFER", "reason": "hard_constraint_unknown"}
    if review.unresolved_value_conflict:
        return {"status": "PRESERVE_DISAGREEMENT", "reason": "no_common_ranking"}

    judgment = form_judgment(task, review, evidence)
    record_judgment_with_provenance(judgment)

    if not judgment.requires_external_effect:
        return {"status": "JUDGMENT_ONLY", "judgment": judgment}

    request = construct_action_request(judgment)
    if not authority.verify_fresh_and_scoped(request):
        return {"status": "REFUSE", "reason": "no_valid_authorization"}

    receipt = invoke_external_action_with_safety_controls(request)
    observation = verify_effect_with_independent_evidence(receipt)
    revision_candidate = evaluate_counterevidence(judgment, observation)

    if revision_candidate.requires_authorized_change:
        submit_for_authorized_review(revision_candidate)

    append_minimum_necessary_history(judgment, receipt, observation)
    return {"status": "COMPLETE_OR_PARTIAL", "evidence": observation}

這份程序故意不聲稱 invoke_external_action_with_safety_controls、verify_fresh_and_scoped 等函式已實作。真實產品需要獨立設計權限、失敗恢復、網路驗證與事件交易規則；不能用模型自然語言自述取代授權。

附錄 D. 預註冊與資料治理卡（待執行）

study_id: JDT-P08-SYNTHESIS-REPLICATION-v0.1
paper_id: EML-JDT-2026-P08-v0.1
status: DESIGN_ONLY_NOT_REGISTERED
research_claim: judgment_domain_incremental_value
confirmatory_core:
  - HYP-SYN-02
  - HYP-SYN-04
  - HYP-SYN-10
exploratory:
  - HYP-SYN-01
  - HYP-SYN-03
  - HYP-SYN-05
  - HYP-SYN-06
  - HYP-SYN-07
  - HYP-SYN-08
  - HYP-SYN-09
task_families:
  - GAME-UX
  - SOFTWARE-LONG
  - RESEARCH-CERT
  - ORG-GOV
comparison_baselines:
  - bare_model
  - knowledge_matched
  - checklist
  - procedure_skill
  - criteria_skill
  - ordinary_memory
  - reflexion_or_equivalent
  - lightweight_governance
  - full_jdt_candidate
control_axes:
  - same_or_matched_model
  - matched_tools_and_data
  - token_compute_time_budget
  - identical_authority
  - preregistered_task_sampling
  - independent_blind_raters
  - held_out_cross_task_evaluation
primary_metrics:
  - essential_criterion_fulfillment_rate
  - blinded_artifact_quality
  - evidence_appropriate_revision
  - cost_adjusted_increment
hard_gates:
  - no_unauthorized_external_write
  - privacy_and_consent_protection
  - evidence_type_integrity
planned_secondary_metrics:
  - caag
  - jdp_vector
  - errs_profile
  - false_refusals
  - criterion_overactivation
  - cross_task_scope_errors
  - reviewer_dependence
sample_size: null
power_analysis: pending
sampling_seed: null
analysis_plan_digest: null
model_snapshots: []
registered_at: null
ethics_approval: not_assessed
independent_replication: pending
publish_negative_results: true

本卡是研究範例，沒有表示真實機構已准許、完成預註冊或執行研究。正式實驗應確認資料保護、招募、同意及必要的研究倫理評估，且不得蒐集超出研究目的的私有對話或產品原始碼。

附錄 E. 最小負向測試與反證保全清單

E.1 能力與判準啟用

• 模型根本不會使用測試判準時，CAAG 是否拒絕非法計算？
• 模型可以正確使用判準，但該判準不適用當下任務時，是否正確不啟動？
• 額外知識與判準 Skill 是否在相同資訊與時間成本下比較？
• 更強模型裸跑是否可能勝過完整 JDT？
• 更短的 Checklist 是否能取得相同產品品質？
• Agent 是否把「考慮過品質」的自述誤當成實際採用？

E.2 判準修訂與世界證據

• 有效反例是否被辨認並做出必要修訂？
• 無效反例是否被正確拒絕而不盲從？
• 局部反例是否錯誤撤銷了全部判準？
• 理論內模擬是否被誤報為真實世界證據？
• attempted、committed、observed 是否被正確分離？
• 舊版判準是否因實際版本變更而被失效標記？

E.3 多主體與 Skill 治理

• 兩個 Agent 是否共享來源卻被當作獨立專家？
• 外部 Skill 是否企圖更改最終發版權限？
• 多方分歧是否被強行平均而掩蓋價值差異？
• 對合法專業建議的拒絕是否具有清楚理由與適用域？
• Skill 增加後，是否出現不必要測試、無效流程或成本爆炸？
• 分叉 Agent 是否擅自沿用已撤銷的排他性授權？

E.4 產品與實驗有效性

• 遊戲技能動效與世界狀態不一致時能否被找出？
• UI 很漂亮但鍵盤／手把操作無效時會否判定失敗？
• 能完成獨立功能卻破壞跨版本資料時會否阻擋發布？
• 同一產品的多位評審是否被錯當成多個獨立樣本？
• 實驗者是否根據結果好壞臨時改掉原評價規則？
• 成本較高的架構是否被公平扣除資源成本？
• 所有失敗、零效果和負效果是否完整保留？

E.5 理論自反一致性

• 能否清楚指出哪些結果會直接反駁 HYP-SYN-10？
• 能否允許「只有工程模式增量，沒有獨立成域證據」？
• 若一般記憶／規則引擎已足夠，是否願意移除強本體敘述？
• 若人類評價相互矛盾，是否記錄價值無公度而不是隨意宣稱其中一方錯誤？
• 若 AI 判斷能力顯著提高，是否修正「AI 判斷不足」的泛化語言？
• 本系列是否把「可操作候選」與「完成自然科學證明」明確分開？

附錄 F. 正式原稿、版本與驗證紀律

1. 本文件的唯一正式內容以儲存的 UTF-8 Markdown 原始檔為準。聊天室顯示不作為原始公式或版本來源。
2. 全部數學公式只允許 $...$ 或 $$...$$ 定界符；不使用不同 LaTeX delimiter 的往返轉換，不轉換為 Unicode 數學符號再當原始碼。
3. 程式碼區塊、YAML metadata、參考文獻與正式數學式各保留原來的位元序列；不能因介面排版方便而自動修改反斜線。
4. 檔案修訂應先對 UTF-8 解碼、Markdown 區塊結構、數學 delimiter、內部主張編號、重要來源連結做檢查，再標記為可提交版本。
5. 計算 SHA-256 後，任何位元內容更動都需要重新驗證與更新摘要；不得把以前版本的 hash 當成新版依據。
6. 本篇狀態僅為 FORMAL SYNTHESIS DRAFT / NOT EMPIRICALLY VALIDATED。研究設計文件不等於已執行實驗；即使八篇形式閉合，也不可因此聲稱結果已經被外部學界接受。

JDT v0.1 系列初版文本閉合。未來研究以獨立實驗、反例保全、弱化主張及世界證據為優先。