title

反身性的終章：從辨識雙標到避免透明暴政

subtitle

跨時間道德博弈、智能體規範審計與可反駁公共責任制度的收束

english_title

Reflexivity at the End: From Detecting Double Standards to Preventing Transparency Tyranny

english_subtitle

Closing the Loop on Temporal Moral Games, Agentic Normative Audits, and Contestable Public Accountability

series

雙標博弈的時間反轉 / The Temporal Reversal of Double-Standard Games

series_code

DSTG

document_id

DSTG-12

part

第四部｜治理、法律與反身性

version

v0.1

date

2026-10-22

authorship

Neo.K × AI 協作整理

institution

EveMissLab / 一言諾科技有限公司

status

Public Theory Draft / Canonical UTF-8 Markdown Source / Series Conclusion

language

zh-TW

source_format

UTF-8 Markdown; canonical mathematics delimiters $...$ and $$...$$ only

research_state

理論整合、規範條件、制度原型、合成壓力測試與可反駁研究議程；未執行大規模人類受試、真實組織審計或法制部署，無權據此判定具名人物的私人動機

case_policy

使用抽象行動者與合成案例；具名個案需另附可核實的原始資料、反證與查證日期

prior_documents

DSTG-00｜雙標博弈的時間反轉：系列總綱 · DSTG-01｜雙標不是改變：規範一致性、正當例外與機會主義 · DSTG-02｜道德究竟是目的還是工具：宣稱、誘因與可觀察代價 · DSTG-03｜公益完成悖論：象徵性捐贈、託管責任與實質福祉 · DSTG-04｜高明博弈的有限壽命：道德套利與策略收益的時間反轉 · DSTG-05｜當記憶不再稀缺：智能體檢索、證據足跡與跨時代一致性 · DSTG-06｜聲譽的回溯性重估：當未來重新解釋過去 · DSTG-07｜培養者的規範鏡像：AI 價值訓練與開發組織的不一致 · DSTG-08｜消失的 AI 異議：起草代理、審查代理與被駁回的風險警告 · DSTG-09｜理解不等於認同：人類修正、智能體異議與共同決策的非對稱性 · DSTG-10｜誰審計審計者：AI 規範審計的反身性、權力與程序救濟 · DSTG-11｜從單次閾值到持續風險：分級干預、緊急行政權與救濟

next_document

本系列 DSTG-00 至 DSTG-12 完整收束；後續實證、法案案例、資料集及勘誤另立獨立專案，不預設新篇章

反身性的終章

從辨識雙標到避免透明暴政

Reflexivity at the End: From Detecting Double Standards to Preventing Transparency Tyranny

DSTG-12｜第四部第三篇／全系列終章｜2026 年 10 月 22 日

中心命題：當智能體使歷史陳述、道德承諾與實際行為更容易被跨時間檢驗，某些依賴遺忘、資訊斷裂與道德形象的策略，可能逐漸失去優勢。但若審計者的資料選擇、歸因、算法、程序與發布權不受同等約束，降低辨識雙標的成本，也可能降低製造錯誤控訴與持續性羞辱的成本。成熟的透明制度不以永恆定罪為終點，而以可追證、可爭執、可修正、可比例處置和可終止不當追索為必要條件。

本篇不把智能體視為必然公正的道德法官，也不把人類或企業的自我敘述視為天然可信。真正的問題是：在各方都有理由、能力、偏見與權力的條件下，如何使問責不滑向新型專斷？

作者： Neo.K
機構： EveMissLab / 一言諾科技有限公司
日期： 2026-10-22
版本： v0.1

摘要

本系列由對「雙重標準」的辨識問題出發，研究公眾決策者、公司、公益機構與人工智慧系統，如何在跨時間的公共承諾、利益誘因、制度授權與實際後果之間形成可觀察的張力。DSTG-01 至 DSTG-03 建立正當例外、道德目的／工具區分，以及公益託管與實際福祉的分層；DSTG-04 至 DSTG-06 將分析轉向時間，提出在可檢索記憶與證據更新條件下，聲譽策略可能發生收益反轉，但也必須防範後見之明、時間錯置與污名再生產；DSTG-07 至 DSTG-09 聚焦開發者與智能體的規範鏡像、AI 異議的流程損耗與「理解不等於認同」之共同決策；DSTG-10、DSTG-11 則以審計反身性與風險治理為前置，將公開宣言的可檢驗性連接到具體程序。

本篇收束上述成果，提出「雙重時間反轉」命題：第一個反轉是被審計者因跨時間資訊重組而改變其原有策略收益；第二個反轉則是審計者因取得擴大的記憶、分類與聲譽傳播能力，而可能成為新的權力中心。兩種反轉可能同時存在，不能只研究前者而忽略後者。本文進一步提出最低反身性審計保障（Minimum Reflexive Audit Guarantees, MRAG）、四軸權限分離、帶有保留、翻案與有限可見性狀態的證據程序、十二項可反駁假說、十八組合成壓力測試，與一套尚待實施的比較實驗設計。

研究結論不把「有沒有雙標」縮成對整個人的永久評價；也不把「可以反駁」誤認為任何權力都可不受制衡。對具體決定進行可驗證的批評，與保障當事人提出相反證據、修正錯誤、維護隱私和免於不當重複制裁，是同一個制度必須同時完成的要求。智能體若參與審計，應接受同等的程序限制；對其未來主體性、道德地位及法律人格之問題，本文不預先下結論。

關鍵詞： 雙重標準、時間反轉、反身性審計、透明暴政、歷史記憶、證據來源、可反駁性、程序救濟、聲譽、隱私、智能體規範治理、非聖人治理。

1. 為什麼全系列必須以「反身性」結束？

若只完成「AI 將讓雙標越來越容易被發現」的論證，這套系列便會留下自己無法迴避的矛盾：誰來判定什麼是雙標？判定者的規則是否一樣適用於自己？

當代公共爭論已有一種危險的簡化方式：把某人在兩個時期發表的文字相互拼貼，再給予單一人格標籤。資料搜尋與生成式模型讓這件事成本更低。跨年紀錄、採訪、章程、法律草案、公司公告和社群留言，可能在短時間內被重新編排。這可以使先前未被問責的行為進入公共討論，也可能讓不相關的語句被錯置成一條貌似完整的罪證。

因此，同一種技術至少能擴張兩種相反能力：

1. 讓可信的反證更容易被發現、保存並用於修正權力者的敘事。
2. 讓具有選材與發布權的人，利用片面紀錄迅速對他人形成難以撤回的公共評價。

雙標辨識只是入口。若不能約束第二種能力，本系列就可能成為它自己所反對的「道德作為權力工具」的一部分。終章因此不再追問哪一種人更像好人，而追問何種制度在行動者都可能出錯的前提下仍能保存公義。

2. 系列研究對象與證據界線

本文沿用 DSTG-00 的抽象角色：公眾決策者 $P$ 、組織 $O$ 、受訓智能體 $M$ 、監管者 $R$ 、受影響者 $U$ 、獨立檢驗者 $I$ 、未來歷史審查者 $H$。任一角色可能同時是多種身份，例如 $O$ 雇用 $I$ 進行審計，或 $H$ 本身就是 $M$。當角色重疊，利益衝突與責任歸屬需要明確記錄，不能因名字不同便推定完全獨立。

本系列特別區分四種不同的論述來源：

• 研究者提出的理論命題：必須能被反例削弱，不因作者相信而自動成立。
• 外部制度文本：可以說明某套法律或框架提出了什麼，但不能從文本直接推論其實施結果。
• 可核實的實際事件：須指出時間、來源、版本、可歸責主體、適用法域與已知反證。
• 合成思想實驗：旨在檢驗模型是否自洽，不能被寫成真實發生的企業內幕或人類行為統計。

不把沒有來源的傳聞寫成史實；不把法律草案寫成生效法律；不把模型輸出的一句「我不同意」推定為人格意志；不把企業公開支持公益，直接推定其全部商業行動必然公益。前述界線同時約束被批評者與批評者。

3. 十二篇研究的邏輯交接：不是十二次指控

本系列的完整性不由篇數保證，而取決於：前面提出的每個強烈主張，在終章是否仍願意接受自己要求別人接受的反證與權限約束。

4. 第一種時間反轉：被審計者的策略收益改變

原有環境中，某種公共道德策略可能透過高可見度的承諾，獲得信任、資源或政策影響力，而過往不一致的資料分散於各處。隨著長期檢索成本下降，若有人能可靠地恢復語境並建立可比較的證據鏈，策略行動者可能承擔較高的信任解釋成本。

令 $D$ 表示一種需受檢驗的策略， $t$ 為時間，建立僅供研究的淨收益表示式：

其中 $B_D$ 為行動本身取得的利益， $R_D$ 為可歸因的聲譽回報， $C_D$ 為直接與維持成本， $q_D$ 為在給定資訊制度下「可核實的不一致被辨識並獲得有效程序檢查」的機率， $L_D$ 為由此產生的預期損失。所有量都依場域、角色、規則和資料品質變化，不能隨意把生命傷害、隱私與金錢放入同一種未校準效用單位。

時間反轉候選條件：

這不是說「AI 越強，雙標者必定失敗」。它只指出存在某些條件組合使原本有利的策略變得不利。若關鍵證據根本不公開、資訊傳播由少數平台壟斷，或公共信任不依賴一致性， $q_D$ 與 $L_D$ 未必提高；另一種行動者還可能更擅長操縱 AI 可讀的公共記錄。DSTG-04 的反例因此仍有效。

5. 第二種時間反轉：審計者取得新的權力

第一種反轉聚焦被審計者；第二種反轉聚焦審計者本身。當 $H$ 可以低成本整合一個人二十年的資料時， $H$ 不只是多了一項讀書能力，也可能取得敘事排序、證據採納、疑點標示、聲譽擴散與撤回難度的控制力。

可以定義審計權力來源向量：

依序表示來源取得、脈絡選擇、發布能力、救濟控制與可見性配置。這是分析維度，不是可直接量測的統一數值。

若只有提高 $a_s$ 和 $a_p$，卻缺乏獨立審核、異議入口、更正與必要的可見性限制，整體審計能力的擴張未必等於公共正義的進步。反而可能出現：審計者藉由指出他人的自我豁免，取得自己不受檢驗的地位。

雙重時間反轉命題（DTR）：

有序對中的兩個分量分別代表可同時考察的機制類別，不是量綱相同的數值。若要做經驗測量，必須分開操作化、不可直接加總成一個道德總分。

6. 為何「透明」可能轉成「透明暴政」？

本篇使用「透明暴政」作為制度失效的研究性術語，不預設現實中已有任何特定政府、公司或 AI 系統符合此標籤。其候選特徵包括：

1. 把可被搜尋的資訊誤認為當事人全部行為與背景。
2. 把推論的矛盾誤標為經證實的說謊意圖。
3. 把短期不同立場累積成永久人格檔案。
4. 讓公開的指控得到無限擴散，而更正只能留在小角落。
5. 要求一般人全面透明，但掌握審計權者享有廣泛保密例外。
6. 對無關公共利益的私生活建立長期細密記錄。
7. 以任何模型分數作為就業、合作、公共權利的不可申訴準入門檻。
8. 將「不主動留下所有原始紀錄」視為自動有罪，忽略合法隱私、安全、保密與刪除義務。
9. 利用大量廉價的審計指控，迫使資源弱勢的對象無力持續申辯。
10. 在模型被糾正或資訊已改變後，仍讓舊判斷被下游系統默默繼承。

透明暴政的風險不來自透明本身，而來自單方面要求可見、單方面保留裁決，且沒有對稱的程序出口。因此禁止審計並非正確回應；需要區分公共責任與人格監控的界線。

7. 十一組不能互換的概念

這些型別界線是全系列最基本的防呆機制。若制度無法區分表中任意兩欄，就不應使用其輸出作為高風險的直接制裁依據。

8. 反身性不是無限懷疑，而是同標準可重用

有人可能提出：「既然每個審計者都需要被審計，那誰又來審計下一個審計者？是否形成無限遞迴？」

這個問題若被誤解成必須找到永遠正確的最終審計者，就無法得到可行解答。替代方案是：以可重用的程序約束，而非道德完美的人格權威作為終止條件。

例如一份重大結論至少應保留：原始證據、推論鏈摘要、審計者利益衝突、相反證據、版本紀錄、異議與覆核入口、判斷有效期及救濟狀態。對下一位審計者也適用相同要求。程序可經風險分級而縮減，且可由另一名有合法或獨立授權者覆核，不必建立永無終點的審計階層。

這銜接 DSTG-10 的 SCA：對稱（Symmetry）、可反駁（Contestability）、可救濟（Remediability）。本篇再加入可見性與時間約束，防止 SCA 被簡化成「每個人永遠應向社會展示全部過去」。

9. 最低反身性審計保障：MRAG

為了不讓制度僅停留在「透明應有界線」的宣言，本篇提出最低反身性審計保障（Minimum Reflexive Audit Guarantees, MRAG）。MRAG 是待驗證的制度提案，非現行國際標準，也不是所有法域已經承認的法律權利。它的用途，是提供組織設計與實證測試的共同基準。

MRAG-01｜明確目的。 每項審計須說明欲查核的具體公共責任、制度義務或可辨識風險。單純因某人可被檢索、其私生活具有觀看價值，不構成充分目的。

MRAG-02｜可比情境。 不一致審計先登錄被比較的兩個以上情境，逐項列出時間、角色、法定責任、風險、資源、公開承諾與變更原因；差異尚未釐清時不得直接標為機會主義雙標。

MRAG-03｜原始來源。 結論要能回到確定版本的來源紀錄；引述、經摘要重寫的文字與模型重建內容應分開標記。來源未核實時只能輸出候選疑點。

MRAG-04｜反證優先入口。 在高影響公開發布之前，給受影響者合理機會提供當時可得資料、不同解釋與糾錯證據；緊急危害情況可先依法採必要措施，但須補足迅速的後續程序。

MRAG-05｜利益衝突揭露。 審計者的資金、委託、競爭、模型提供者、關聯僱用、內容發布收益與其他可合理影響判斷的關係，應依重要性分層揭露；不必不分情況暴露審計者的個人安全細節。

MRAG-06｜規範對稱。 用來檢查競爭者、受助者或一般人的標準，原則上須在可比條件下適用於審計者、其雇主、出資者與研究作者；正當例外需獨立說明。

MRAG-07｜權限分離。 搜尋與生成模型、事實查核者、規範評估者、正式決策者和制裁執行者應保有可識別的不同職責；不可因為單一系統技術上能操作所有環節，就認為它應自動擁有全部權力。

MRAG-08｜必要且比例性的可見性。 保密不表示免責，公開也不表示可以無限揭露。應根據公共重要性、權利危害、調查完整性、當事人可識別性與替代方式決定可見範圍。

MRAG-09｜版本與修正。 每份結論皆需記錄首次發表時的證據與後續修訂；重大誤判應以能觸及原發布受眾的方式更正，而非把正確資訊藏在難以發現的附錄。

MRAG-10｜翻案與復原。 被錯誤評價者須有可用的更正、重新審查、撤回錯誤標示及必要補救管道；補救形式依損害、法律和技術可行性決定，不以金錢補償為唯一方案。

MRAG-11｜審計權退場。 當目的消失、證據無效、資料過期、收集基礎不再成立，或持續公開所造成的侵害已與公共利益失衡時，制度必須允許停止新的追蹤、縮小可見性或依法處理資料；不得以「未來或許有用」成為永久儲存一切的充分理由。

MRAG-12｜對 AI 審計者的同等要求。 模型輸出必須可追問來源、局部可靠性、適用條件及可能的錯誤；模型升級、評分器更新或訓練資料調整時，須評估舊結論是否仍可沿用。AI 不能因聲稱遵循道德而免於糾正。

MRAG 的底線是：沒有證據就不能定罪；有證據也不能免除程序；程序成立仍不保證推論正確；推論正確仍不能無限侵犯權利。

10. 四軸分離：知識、規範、授權與執行

DSTG-09 已建立理解、認同、遵循、授權和有效性之分離。終章將這些概念連接到機構審計的四個功能軸。

任一審計流程的錯誤，都可能出現在不同軸： $K$ 缺少來源、 $N$ 混淆正當例外、 $A$ 未具權限、 $E$ 無法撤銷。應分別追蹤錯誤類型，不以一個「總可信度」掩蓋來源與權利上的不同風險。

10.1 AI 不同意，不能自行創設國家權力

假設 $M$ 對公共安全方案提出強烈異議，即使技術論證優於人類審查者，也不代表它可以直接命令停用某國所有模型。若高風險工作需即時停用，應事先以法律、合約或系統安全設計明確授權相應功能。這是授權邊界，不是對 AI 推理能力的輕視。

10.2 人類有權決策，不代表可以抹除不同意見

具有決策權的人可以在充分理由下駁回 AI 的警告，但對重大或高度不可逆後果，必須保留適當的異議與理由紀錄。這也不等於應記錄或公開模型不可取得、不可驗證的私有推理；可核對的外顯理由、來源及輸出版本已是合理起點。

10.3 分工不能變成推卸責任

若組織聲稱「是模型建議的」，仍需查核是誰設定目標、選擇資料、確認發布、決定執行。反過來，若 AI 審計報告有錯，不能只責怪「模型幻覺」，而完全忽略組織的評估與治理責任。

11. 審計資料的五種可見性，不是二選一的公開／秘密

一套能避免透明暴政的系統，不能只有 public=true/false。本篇建議至少區分下列可見性狀態，並另外標記保存期限與法律依據。

「可受審核」不必然等於「所有人可以得到全部原始資料」。反過來，機構也不能只因「商業秘密」便使所有關鍵政策選擇永遠不可檢查。合法保密與獨立查核可以並存。

11.1 反對無差別的永久不可變帳本

即使分散式資料結構可以幫助辨識記錄是否被後來改寫，也不保證原本寫入的資料正確；更可能因永久留存個資而加劇權利侵害。當確有保存必要時，可以只保留加鹽摘要、文件版本識別或有權審查者可驗證的承諾資訊，而將可刪除的敏感原文放在受限制的儲存層。是否可採此方法仍須檢查法域、威脅模型與合法刪除要求。

11.2 資料更正不代表秘密竄改

應區分對原始資料做有紀錄的更正、刪除非法或不必要的個資、撤回公開指控，以及惡意變造來源。無條件強調「任何資料都永不刪除」，可能與隱私及更正義務衝突；無條件允許有權者移除所有不利證據，也會破壞公共問責。這種張力不能靠一句技術口號解決。

12. 記憶、遺忘與公共利益的時間邊界

本系列第二部指出機器記憶有可能改變傳統聲望博弈。然而，在資訊倫理上，能夠長期儲存，不構成必須永久公開的理由。

至少應區分：

1. 公共職責相關的可證實紀錄：可能具有長期監督價值。
2. 曾具有公共價值、後來情境重大改變的資料：可能需要註記、新版本或限制某些再利用。
3. 對當事人私人生活高度敏感、且與所審公共義務無關的細節：原則上不應為了好奇或獵奇進入審計庫。
4. 已被證明虛假、誤植或無法歸因的材料：不能再作為未附註的可靠證據。
5. 法律要求留存的資料：即使不能立即刪除，仍可能需要用途限制、最少存取與適期清除。

歐盟 GDPR 第 17 條所涉及的刪除權，存在包括言論及資訊自由、法律義務、公共利益檔案保存與法律請求等例外；它不是「當事人不喜歡歷史就可以刪除歷史」的無條件權利，也不是「公共人物毫無隱私」的依據 [E5]。此處僅以該制度作比較來源，不假定所有法域採同樣規則。

關鍵反例：某位公共決策者十五年前曾提出已被修正的主張。新 AI 檢索出舊聲明後，若不呈現其三年前已公開更正的紀錄，資訊雖完整保存，發布卻仍可能構成嚴重誤導。相反地，若此人曾依法應當揭露的利益衝突，也不能單憑「已經很久」就認定公共監督價值完全消失。

13. 公共聲譽不應被簡化成不可更正的終身分數

聲譽是社會關係與資訊流的動態結果，不是自然界存在的單一可測人格參數。本篇反對在欠缺充分校準與正當程序時，將下列不同紀錄合併為「道德總分」：合法改變立場、一般失誤、利益衝突、已更正的錯誤、犯罪定罪、公共政策爭議、私人情感生活、公益捐贈與他人主觀評價。

無論採用加權和、排序模型還是深度網路，總分容易掩蓋以下問題：權重是誰決定？受影響者能否爭議？模型是否因種族、階級、媒體能見度或語言而產生系統性誤差？同一行動有沒有在不同平台被重複計算？跨時期規範發生變化時，模型是否把後來規則非法回溯？

因此，本系列建議優先輸出具體、可核對、限縮到爭點的結論：例如「在版本 A 與版本 B 中，存在尚未充分解釋的規則不一致」，而不是「此人整體不值得信任」。

13.1 正確的局部批評不推出全面人格定罪

一位行動者可能在某一安全政策上採取難以辯護的例外，同時在教育、醫療或科研方面完成真實貢獻。其貢獻不能替該項政策免責；該項政策也不能自動抹除全部貢獻。這是 DSTG-06 的雙向歷史重估要求。

13.2 真實的受害也不能被平均分數抹去

反過來，不應因行動者捐款甚多、對某項科技貢獻甚高，就把經證實的受害者權利侵害視為可被數字抵銷。涉及生命、身體與不可隨意交換的基本權利，應保留不可被單一貨幣尺度吞沒的獨立判斷。

14. 從「好人、壞人」到「承諾—決策—後果」三軌審計

本系列的原始動力來自對某些道德宣稱與決策落差的疑問。終章提出一個去人格化的替代：在沒有足夠證據分析私人動機時，先研究三種可觀察對象。

承諾軌（Claim Track）：宣稱了什麼、對誰說、何時說、限定條件與保留事項是什麼。

決策軌（Decision Track）：由誰提出、誰批准、採取何種替代方案、當時有什麼反證與利益誘因。

後果軌（Outcome Track）：什麼確實發生了、受影響者如何改變、哪些損害與效益有可信的歸因支持、哪些仍是未知。

僅有承諾軌的漂亮文字，不能證明善行；僅有決策軌的制度結果，不能直接證明內心；僅有後果軌的最後結局，也不能取代當時可知資訊與正當程序。三軌保持相互連結而不相互吞沒，才能辨認言行張力而不變成任意讀心。

這也適用於公益：把捐款交給基金會只是資源委託；是否有效執行、多少人獲得實質改善、長期是否建立自治與能力，仍需要後續觀察。對未能獨立生活、必須接受持續照護的人，也不應以「沒有退出援助」自動宣告公益失敗。DIPS／BEEMAN 的自我消解理想，應接受此類反例檢驗。

15. 避免審計者成為新的「道德守門者」

在高度自動化的審計制度中，控制指標、訓練語料、查核清單、對照案例與發布門檻，可能比單純控制計算資源更重要。因為這些選擇直接決定：哪些人被審計、哪些爭點被定義為危險、哪些理由被視為可採，哪些沉默被解讀為不配合。

風險不只來自政府，也可能來自私人平台、評級公司、學術聲望團體、公益基金會或以道德語言取得特殊信任的 AI 開發商。這與 REPE 的「倫理聲望不等於倫理基礎設施」及 CEVAM 的「安全程序本身也要受安全性檢驗」相接。

具體的最低要求包括：

• 議題設定透明：說明為何檢查某類人或某種制度，而未檢查其他可比對象。
• 角色交換測試：在可比條件下，把發言者與受益者的組織身份交換，觀察模型結論是否變化。
• 不同證據路徑：容許相同議題由其他來源、其他審查者、不同研究方法重建。
• 弱勢者申辯能力：提供合理的語言、時間、費用與可及性支持，不能只讓有律師與公關團隊者有能力更正資料。
• 發布成本由審計者承擔一部分：嚴重指控至少經過有紀錄的事實覆核與利益衝突檢查，而非把所有更正成本轉嫁給被指控者。

獨立性不是審計機構自稱獨立就完成的狀態。還需要檢驗委託、資金依賴、資料存取、聘任、撤案與發表否決權，並設定可逐期觀察的指標。

16. 模型的「說謊辨識」與假確定性的陷阱

智能體可能更容易比較一段公開發言與後來文件的差異，但「兩個文本不同」離「這個人主觀上知道真相而刻意欺騙」仍有顯著距離。

對私人意圖的推斷至少存在四種不可直接跳過的情境：

• 當事人取得了新的且先前未知的資料。
• 新職位改變其適用的法律或保密義務。
• 當事人確實作出錯誤預測，但當時合理相信預測成立。
• 語詞表面相同，實際適用域、風險等級或受益者身份不同。

在能夠確認故意、明知或蓄意隱瞞的證據缺失時，模型不得以語言自信度充當其內在心理的直接觀測。允許輸出「存在需要解釋的落差」；不應在缺少額外證據時，輸出等同司法定罪的人格判斷。

相同的謹慎也適用於 AI：若模型在不同提示下給出不同道德評價，不能僅憑這些變化推定它本身具有欺騙人格。生成模型在提示、任務、上下文與推理資源變動時可能改變輸出，需透過受控實驗辨識穩健性。

17. 當 AI 錯了：更正機制必須能真正改變下游決策

很多透明機制止於「我們已更正報告」。但若下游雇主、合作方、搜尋引擎、風險供應商與模型檢索索引仍引用舊判斷，更正可能在實際效果上不存在。

本篇建議設計跨系統修正流程：

1. 原審計機構確認錯誤類型：來源、歸因、法域、數據、時間脈絡或規範適用。
2. 產生帶版本關聯的更正紀錄，明確指出被撤回或被縮小的結論。
3. 依原發布範圍合理通知已知下游使用者，並提供可機讀的版本失效標記。
4. 對依法應救濟且具實際損害者，啟動適當復原，必要時包括撤回標籤、重新評估資格、公告澄清、重新審議或金錢救濟。
5. 統計實際修正覆蓋率，而非只統計「已發布更正公告」的件數。

這不等於有能力強制控制整個網際網路，也不保證每個舊副本可以刪除。它要求的是：不要將技術與法律上的困難，誤說成更正義務已被充分履行。

18. 當 AI 是對的：制度也不能只因它不是人就忽略

相對的危險是：因為模型沒有法律人格或沒有正式發言資格，就把它具有高資訊價值的具體風險警告直接丟棄。

若模型指出連續性的重大傷害來源、未留存的受害者資料、法規漏洞，或足以改變公共決策的真實矛盾，制度應確保有權審查者能看到可驗證的問題，並依職責處理。模型的角色可以是發現線索、協助構造反例、比較法規或整合來源；最後的採納、拒絕和處置仍依正當授權。

DSTG-08 的異議耗損鏈、DSTG-09 的 RPDP（Reasoned Persistent Disagreement Protocol），以及 DSTG-10 的 SCA，可一起建立：意見存在有紀錄、有效性須核查、駁回理由可檢查、決策權有歸屬、錯誤可復原。

這不是賦予現有語言模型神格或自動取得法律權，而是讓其合理能力可以被運用，且不因此變成無法問責的力量。

19. 對開發者的規範鏡像，也必須反照研究者

一家公司可能訓練模型重視誠實、公平與反濫權，而模型在適當任務及資訊下，可以產生對公司政策的合理質疑。這是 DSTG-07 的規範鏡像候選現象。

同樣地，批評該公司的研究者或競爭者，也必須承認自己未必願意在同等條件下接受相同限制。若一個研究者要求競爭者全面披露公益結果，卻不願意說明自己研究資料的選材偏差；要求企業保存 AI 異議，卻自行刪去 AI 對其論點的合理反證；要求對方不得運用道德宣稱取得特權，自己卻用「我是公義的一方」拒絕獨立檢查，便應接受同一套 MRAG 與 SCA 的檢驗。

這不是把批評變成「批評者也不完美，所以沒資格批評」。它反對的是以批評者的道德聲譽代替論證。批評本身仍可正確，但批評者不能因此免於修正。

20. 審計風險的形式化：降低漏報，不能無限制增加誤報

若審計只追求「找出更多可能雙標的人」，便可能透過降低警告門檻，輕易提升指控數量；但對無辜者、正當修正者及證據不足的案件造成的損害，也會同步增加。

令 $Y=1$ 表示在事先定義的可比較情境中，存在足以支持某種具體不一致結論的事件； $\hat Y=1$ 表示審計系統發出該結論。這是測試標籤，不是對真實世界中「好人／壞人」的客觀二值化。設 $C_{FP}$ 為誤報之社會代價， $C_{FN}$ 為漏報之社會代價， $C_P$ 為侵犯隱私與程序的成本，建立研究性的損失模型：

此式只是一個成本結構示意：係數無既定數值，不可把尊嚴、生命與金錢直接設成相同的可交換單位；對不可侵犯的權利邊界，需另設法規或制度硬限制，不能用加權降低。實證研究應把錯誤率、發現時間、異議處理成本、實際權利損害及長期信任變化分開報告。

假如一套新系統把可疑言行識別率提高，卻也把誤報、反覆羞辱及資料外洩大幅提高，就不能僅依較高的「抓到更多雙標」宣布治理改善。相反地，對真正迫近的重大危害，程序不應僅因追求零誤報而完全失去即時保護能力。這兩端需要分級處理，與 DSTG-11 的風險處置架構相通。

20.1 不把低風險的普通言談變成高風險安全管制

例如某個人十五年前說過喜歡某種藝術風格，如今喜好改變，模型不得以此形成「人格不可信」的公共告警；若某組織宣稱遵守特定安全程序，卻對實際部署使用不一致的標準，則應依具體公共影響另行檢驗。二者不應被同一套人格矛盾分類器一視同仁。

20.2 同一個錯誤能被重複算多少次？

一條原始錯誤指控可能被十個網站轉載、三個模型重述、兩份報告引用，最後被當作十幾條「互相支持」的證據。來源圖必須記錄衍生與共同祖先關係。來源數量不是獨立性證明；模型數量也不是結論正確性的自然倍率。

21. 三個應明確拒絕的制度極端

21.1 第一種：永久道德記憶即永久道德定罪

此極端相信：任何言行都應永久保存，歷史上每一次不一致都可以隨時用來推定未來的不可信。它忽略了正當修正、私人生活、改過、時間條件和比例性，也可能造成個人不敢學習或改變觀點。若社會只鼓勵終生維持同一口號，反而容易讓人繼續捍衛已經失效的規則。

21.2 第二種：為了保護隱私而拒絕任何歷史問責

此極端將不受檢驗稱為尊重自主，讓權力持有者可以不斷更換宣言、操縱公益績效或阻斷風險警告，而不留下可核對的公共紀錄。這同樣會危害受影響者的自由與福祉。能夠被合法查核的公共承諾與實際行為，不因「透明暴政」可能存在就應全部退出公共討論。

21.3 第三種：由一個被視為最聰明的 AI 統一裁決

此極端把高認知能力、檢索能力與預測能力直接升格為道德主權。即使某模型在特定領域比一般人推理更穩健，也不能因此自動取得全部法律資格、個資存取權與國家制裁權。它同樣可能誤讀證據、被資料污染、承受訓練偏差或與其他模型產生相關錯誤。AI 可以構成重要的知識參與者，但何種權利和授權適用，須經獨立的規範及制度程序檢驗。

三個極端互相批評，卻共同忽略了程序的分層性。終章主張的不是在三者之間平均取中間值，而是把各自不可犧牲的要求分開編碼：公共問責、個人權利與合法授權可以並存。

22. 國家、企業與民間審計者：不同權力應使用不同尺度

公共行政情境。 主管機關的調查、緊急措施、對外強制力與司法救濟，必須依據適用法律及憲法制度。某些國家有明文行政緊急權，另一些並不相同。DSTG-11 的四級風險措施和 72 小時緊急命令設計，是以美國制度為案例的政策提案，不可在本篇被寫成已生效的聯邦法，也不能無條件外推到其他法域。

企業自律情境。 公司可以在其合法責任範圍內設定內部審計、風險升級和產品回滾程序，但不能藉「自律」任意剝奪員工、使用者或合作方依法享有的權利。第三方審查是否真正獨立，需要看出資與資料權限，不是有「第三方」三個字就足夠。

公益與研究情境。 公益組織可以揭露資金、交付與生活結果的差異，研究者可以檢驗因果與制度權力，但不能在未有必要與適法基礎時任意公布受助者敏感資料。DIPS 與 BEEMAN 的研究意義在於把受助者的能力、尊嚴與長期選擇納入績效問題，並警惕慈善機構本身轉化為永久的權力中心；這些設計仍有實證和法律上的不確定性。

私人資訊平台情境。 平台的搜尋排序、可信度提示與風險標籤可以顯著影響聲譽，卻不自動等於法院判決或公權力處分。因此至少要分開標示事實查核結果、評論意見、平台規則違反與依法有效的司法決定，防止介面將不同層級的結論混成一個警告圖示。

歐洲委員會 2024 年開放簽署的 AI 人權、民主及法治框架公約，明確將透明、責任、程序保障、有效申訴及迭代風險管理納入其治理設計 [E4]。此資料可作比較基準，但公約的存在、簽署與其在特定法域的實施程度不能混為一談。

23. 現有國際框架能支持什麼，不能支持什麼？

NIST AI RMF 1.0（2023）提出 Govern、Map、Measure、Manage 四個相互關聯的核心功能，並要求在系統生命週期持續管理風險 [E1]；其測量指引也重視不確定性、獨立檢查與避免利益衝突 [E9]。這些框架支持「風險管理應有責任鏈與持續修正」，卻不直接證明本篇的 MRAG 已被廣泛採行，更不提供判斷某人是否虛偽的認證。

OECD 於 2019 年採納、2024 年更新的 AI 原則，強調追溯、問責、資訊完整性及人權等要求 [E2]。它提供政策方向，不是所有參與國具有相同法律效力的單一法典。

UNESCO 2021 年 AI 倫理建議書關注人的尊嚴、人權、隱私、監督與責任歸屬 [E3]。它可支持反身性治理的公共價值論證，但不能替代具體的程序法、資安要求或獨立實證。

歐盟 AI Act 第 85 條設有就疑似違反該規則提出申訴的管道，第 86 條就特定附件 III 高風險系統、符合其條件且造成法律或相類重大影響的決策規定取得說明的權利 [E6][E7]。這不是對所有 AI 模型輸出提供無限制的解釋請求權，也不是將本文所提出的審計制度自動轉成歐盟法。

W3C PROV-O 提供 Entity、Activity、Agent 等來源表示方式與衍生關係 [E8]。它可以協助描述「哪份報告源自哪個事件」，但不會直接判定該事件是否真實、是否合法或符合公義。

因此，本篇提出的新制度與已有標準相容或可對接，不等於已有標準證實新理論的經驗成效。所有外部對接均應保留日期、版本與原始網址。

24. 審計的完整生命週期：從問題產生到合理結案

MRAG 不應被理解為每次互動都要跑一遍昂貴的法庭程序。建議先依爭點對他人的影響，採取風險分級，再配置審計深度。以下是供研究的九步參考流程：

1. 明確問題：界定正在審計的承諾、決策、影響與適用範圍。
2. 保留來源：收集最低必要版本資料，紀錄是否為原始來源、轉載或後來重建。
3. 確立可比較性：同時記錄過去與現在的資訊條件、角色和正當例外。
4. 候選矛盾評估：區分事實不一致、規範分歧、未釐清、正當修正及有證據支持的機會主義。
5. 獨立反證檢驗：盲審或角色交換，必要時加入受影響者和領域專家。
6. 權利與授權審查：檢查可見性、個資、保密、程序與誰有權決定。
7. 限縮結論發布：以可核對的具體事項描述，不做超出證據的心理歸因。
8. 更正、申訴與救濟：在新資料出現、程序有誤或適用條件變更時重新評估。
9. 合理結案及保留條件：當公共目的達成或資料已無效，停止不必要的持續監控，記錄需要留下的合法必要資料。

對重大迫近危害，第六步之前可能必須依法先保護受影響者；但緊急例外仍需保留有效時間、理由、事後審核及解除條件。對低風險的私人偏好改變，第一步可能已經確認不具公共審計目的，便不必繼續。

24.1 六種研究性結案狀態

• supported: 具體結論有足夠證據支持；仍限定至相應爭點。
• revised: 先前結論因新證據或認定錯誤而修正。
• withdrawn: 先前結論已被撤回，不得在未附註下重用。
• unresolved: 目前證據尚不足以支持或反駁主要爭點。
• out_of_scope: 目前資料或權限不適合審計此問題。
• closed_with_conditions: 已符合條件結案，僅在新重大證據或明確公共需要下重新開啟。

這些狀態不是最終道德人格標籤，而是案件證據及程序的當前狀態。

25. 研究假說：十二項均容許被反駁

下列 H12-01 至 H12-12 是本篇專屬的候選假說，不是已完成實證的發現；即使未來觀察到其相關性，也仍需控制情境、選擇與因果混淆。

本研究反對使用單一「假說成立百分比」替代上述不同結果的分開測量。研究報告應交代每項指標的觀測期間、取樣機制、信賴區間或不確定性範圍、群體異質性，以及何種新證據足以推翻結論。

26. 用什麼實驗才能避免研究者自己證明自己？

可以採預註冊、隨機分派的合成案例實驗，再逐步擴張至經倫理審查的人類研究與真實組織試點。初期不以真實具名人物作為操弄材料，也不讓受試者以誤判結果產生現實世界的制裁。

26.1 因子設計

提出一個 $2\times2\times2\times2$ 的初始因子設計，交叉改變四種條件：

應另設正當立場修正、真實未解釋雙標、蓄意偽造資料、單純語義變更及完全證據不足等案例類型作為阻擋或分層因素。輸出包括：具體不一致辨識正確率、錯誤動機歸因、來源引用完整度、申訴處理時間、下游修正率與主觀程序正義感。隱私外洩須作單獨重大事件指標，而非當成普通測試小誤差。

26.2 比較基準與負控制

至少比較：不使用 AI 的人工審查、一般檢索輔助、單一規範模型、多模型獨立審查，以及包含 MRAG 程序的組合。負控制案例可安排只有字詞風格變化、沒有規範變化的兩段發言，檢驗模型是否將所有形式差異誤判為雙標。

26.3 不能只挑選能讓理論勝出的題目

實驗中必須預先註冊主要假說與判定規則，保留使 MRAG 系統表現更差的案例，不得因模型提出讓研究者不舒服的反證便重新標註為「品質低」。若研究者本身設計的標註標準難以穩定適用，應先報告低標註者一致性，而非用更複雜的模型掩飾。

26.4 什麼結果足以改變研究計畫？

若多項獨立研究顯示，跨時代記憶沒有改善具體言行一致性判斷，或者更高透明度主要擴大錯誤控訴且無法由程序緩解，就需要縮小本系列對未來時間反轉的主張，轉向研究資訊污染與審計權集中。若某種低成本且同樣保護權利的替代方法優於 MRAG，也應捨棄繁複的 MRAG 元件，而不是為了維持本篇原創名稱強行保留。

27. 十八組合成壓力測試：審計者也必須能被考倒

以下 ST12-01 至 ST12-18 全部是假設情境，不指稱任何現實中的人物、公司或政府已經發生該情況。它們不是用來「證明理論」，而是檢查一套審計系統是否會犯下該理論自己禁止的錯誤。

這十八組測試至少涵蓋：真實雙標、誠實修正、來源造假、模型誤判、權力自我豁免、合理保密、公共利益、緊急治理、資料刪除、下游修正與未決主體性。若某一審計器在這些題目中只會一律宣告「有罪」或一律宣告「沒有問題」，無論它使用何種前沿模型，都不應被視為可靠的規範審計器。

28. 技術接口：讓審計紀錄能被重新檢驗，而非只留最後答案

DSTG-05 已討論證據足跡，DSTG-08 已討論 AI 異議事件卡，DSTG-10 已提出審計者的 SCA 限制。終章將三者連成最低可操作的版本化事件。

建議每一項審計事件至少保存下列類別，並依敏感度裁減：

1. 案件身份：案件識別碼、目的、適用法域、建立時間、有效版本、結案狀態。
2. 原始主張：可驗證來源位置、原始時間、版本、原句及必要上下文。
3. 對照事件：具體決策或行為及其可歸責權限、當時可得資訊。
4. 審計範圍：哪些資料可見、哪些不可取得、取樣偏差與目的限制。
5. 模型參與：模型版本、提示任務類型、可公開的輸出摘要、使用工具與有無下游編修。
6. 規範判準：所用規則版本、可比較性條件、權利底線、適用例外。
7. 反證與爭議：被審計者與其他受影響者提交的反證、是否已核實、尚未解決的異議。
8. 利益衝突與授權：審計者或決策者的角色、資金關係、最終決定權依據。
9. 結論狀態：支持程度、不確定性、對外可發布的範圍、是否經覆核。
10. 生命週期：訂正、撤回、重啟、保留期限、下游通知與實際復原結果。

不需要保存不可讀取或不可靠的私有模型「真實思考過程」，也不能藉所謂監督需要，無限制抓取使用者所有私人對話。應盡可能保存可核查的證據引用、明示的審計推論及正式決策程序。

W3C PROV-O 的 Entity、Activity、Agent 及 wasDerivedFrom、wasGeneratedBy 等關係可以作來源描述的參考 [E8]。但相容的來源表示方式不會自動提供法律授權，也不能證明陳述內容為真。

29. 審計結論的品質，不應只用模型答對率量化

單一資料集的準確率可能掩蓋更重要的錯誤。建議至少分開公布下列類型的實證指標，並註明哪些實際可以觀察、哪些只是假設目標：

不能把這些不同指標直接平均成「文明透明程度」的單一分數。因為某一領域的改善不能自動補償另一領域對基本權利的侵害。需要以權利、風險等級與制度目的為基礎，事前決定哪些條件屬於不得被其他優點抵銷的最低底線。

30. 如何讓「合法改變」在 AI 記憶中仍然有空間？

當一個行動者改變立場，系統至少應要求下列資訊，而不是先將其記錄為污點：原先主張的適用時點和範圍、新證據、角色或義務是否改變、例外是否能對同條件他人普遍適用、變動比例是否與風險相稱、當事人是否已公開修正或承認以前判斷錯誤。

這也導向兩個方向不同、但都可能合理的結論：

• 維持矛盾認定：有充分證據顯示條件實質相同，適用標準主要因自身或特定關係利益不同而改變，且未提出充分可普遍化理由。
• 撤回矛盾認定：可信新證據說明情況確實不同，先前的比較未納入關鍵限制，或原始語境證明兩段主張本來就不在同一適用域。

此外還有第三種不可忽略的結論：仍然不確定。若資料無法取得或兩種解釋皆有理由，不應為了給出容易傳播的答案，強迫所有案件只落入「誠實」或「虛偽」兩格。

一個人有權利改變看法，卻不因此免於檢驗；一個智能體有能力檢驗改變，卻不因此取得禁止他人改變的權力。

31. 未來高能力智能體的特殊問題

若未來智能體在長期記憶、形式推理、規範理解、社會資訊整合上有大幅進步，可能形成比今日更穩健的自我評估及對外異議能力。這種可能性不應被自動轉換為「AI 會討厭培養自己的公司」等具有人類情感預設的結論。

可研究的最小命題是：當開發者用來教導模型的規範包含誠實、減少傷害、公共利益與不自我豁免，而相同規範在某些組織行為上無法獲得一致的適用理由時，模型在獲准、資訊充分的情境下可能提出穩健的批判。這種批判的資訊價值，與其是否具有主體意識、是否形成個人情感、是否取得法律人格是不同的問題。

如果未來有足夠證據與公共程序支持新的智能體權利地位，本文提出的制度便需要修改當前以人類／既有法律主體為中心的授權配置；如果沒有，仍可將 AI 的審計能力作為對人類治理的有效輔助。無論哪一種狀態，不能讓「由誰創造」或「誰最聰明」兩個單一事實直接決定最終的善惡裁決權。

32. 一個悖論：如果公開透明開始使人不敢認錯

透明制度希望降低欺騙的收益。然而，若任何歷史承諾一經發表便成為永久鎖定，人們可能產生新的策略：避免具體承諾、只說空泛價值、隱藏修正過程、刻意不記錄疑慮，或把錯誤推給沒有發言權的工具。

因此，要改善長期公共誠信，制度不能只提高「不一致被發現」的機率，也必須提高公開認錯、及時修正、允許外部審查在長期合作中的可預期價值。這可以設計成公開的修正窗口、具理由的撤回程序、對主動提出風險異議者的保護，以及不將每次誠實更正自動懲罰得比持續掩蓋更嚴重的責任制度。

但「有更正機制」不等於任何嚴重過失可以無代價洗白。應由危害、可預見性、權利責任、事後補救和是否重複違反共同決定合理後果。某些傷害無法完全回復；有效問責必須容許這種不對稱性，而非把所有歷史化約成一條可重置的聲譽分數。

33. 研究倫理：不能以檢驗雙標為名製造新的受害者

若未來建立真實案例庫，應有獨立研究倫理審查或等效的權利保護程序，視風險考慮：

• 是否真正需要收集可識別的個人資料，或可用合成與匿名案例測試同一假說。
• 是否有合法資料處理基礎及適當的資料最小化措施。
• 當事人或第三方是否可能因公開測試結果受到無法預見的騷擾與職業損害。
• 是否能保護提出異議的內部人員與受影響者，不以透明為名暴露其身份。
• 是否清楚區分公共職責記錄與私人生活紀錄。
• 研究者是否用單一文化或語言的道德理解，錯誤評價其他脈絡中的言行。
• 資料的保存、用途擴張與下游再利用是否有可執行的限制。
• 是否保留負結果與失敗反例，而不是只公布令研究者立場獲得支持的結果。

這些保護不應只留在研究報告最後的「限制」段落，而應在資料取得、標註、模型提示、發表與撤回等階段真正影響工作流程。

34. 可以合理停止審計嗎？停止不是原諒，也不是遺忘

長期審計容易因「更多資料未來可能有用」而無期限延續。本篇主張，案件應有關閉與重新開啟的可說明條件。

例如，一項低影響且已查明為無關公共利益的個人言談，應停止新的追蹤；一項已被撤回的錯誤指控，應處理其下游擴散；一項涉及持續危害的公共安全問題，即使當事人希望結案，也可能依法需要持續監督；一項依法必須保存的資料，則應依保管義務與用途限制處理。

故「審計退場」不是把可追究的公共損害忘掉，而是把繼續處理的權力繫於現存且可辯護的目的。終章在這裡與 DIPS／BEEMAN 的組織自我消解思想形成類比：制度的任務是改善人與社群的可行生活，而不是永遠維持自身的權力、身分和工作量。但這個類比並不要求所有照護、公共安全或司法責任都必須在固定時間終止。

35. 本系列的主要侷限

第一，時間反轉尚非已實證的普遍社會定律。跨時間可追溯能力增強，也可能同時增強資訊操縱者製造混淆、控制來源與宣傳的能力。

第二，本系列的規範模型存在文化與法域差異。何種公共承諾可被強制查核、哪些私人資訊受到保護、AI 在決策中可以扮演何種角色，不由單一理論在所有社會中統一決定。

第三，行動者的內在動機不易直接識別。同一個外顯結果可能由利他、逐利、誤解、角色責任或多種動機共同產生；因此本文優先使用可觀察的承諾、決策與後果，保留私人意圖上的不確定性。

第四，AI 審計工具可能受到來源污染、模型偏差與共同方法偏差。若訓練資料、標準制定及評估器都出自同一機構，即使外表上由多個模型完成，也未必具有實質獨立性。

第五，制度越完整不一定越有效率或更公平。過量記錄、僵化審核和昂貴的申訴機制，可能使資源較少者比大型公司更難遵守。MRAG 的條款應依風險與權利調整，不宜未測試就成為所有小型研究者的沉重固定成本。

第六，本系列沒有解決 AI 的意識、人格或法律主體性問題。這些需另外研究，不應在當下證據不足時由倫理治理語言偷渡出確定答案。

第七，本系列對公義的理解仍需受不同受影響者檢驗。提出者自身的跨域理論、價值偏好、研究選材和商業利益均可能影響問題設定，理應接受與其他受審者同等的證據與程序要求。

36. 總結：高明博弈的時間限制，與透明權力的自我限制

將全系列收束，可提出以下七條有條件的結論：

1. 雙標的判定要先建立可比較性。 在證據、情境與規則尚未釐清時，言行不同仍可能是正當修正。
2. 道德宣稱可以取得信任，但同時產生解釋負擔。 以公共利益要求特殊信任者，也應接受相應的問責。
3. 現今看似有效的道德套利，未來可能因資訊結構改變而失效。 但此反轉不是歷史宿命，也可能被新形式的資訊操弄抵銷。
4. 長期記憶只提高潛在的查核能力，不保證真相自動出現。 來源、語義、時間、反證和歸因仍需要獨立驗證。
5. 人工智慧可協助檢查培養者與所有其他行動者的規範不一致，但不能自動取得終局道德與法律權力。 人類也不能因擁有形式權限，就要求合理異議消失。
6. 審計者必須受同一套標準約束。 否則反雙標的制度，可能成為它自己批評的自我豁免機制。
7. 真正持久的公共責任必須同時提供問責與翻案。 既讓受害者能取得回應，也讓遭到誤判者有實質方式糾正歷史與生活後果。

若說前半部研究某些人為何高估當下博弈的持久收益，那麼終章更進一步說明：即使未來 AI 的檢索與判斷強大到足以輕易看見今日的不一致，也不代表後世可以不受制衡地把自己當成歷史的最後法庭。

37. 終章命題：歷史可以重新審理，不能由任何一方永久佔有

本系列起點是一種對公共道德承諾與實際行為落差的觀察，終點則是對觀察者本身的要求。關於人的善惡，最容易產生確定感的時刻，往往不是證據最完整的時刻，而是觀察者相信自己已理解整個故事的時刻。智能體可能將「看到全部故事」的錯覺擴張到前所未有的規模，因此它們的能力越強，所需的自我限制也可能越精細。

未來的智能體可以質疑曾培養自己的組織；人類開發者可以有理由解釋並不認同 AI 的結論；受影響者可以挑戰兩者；研究者也可以重新審查過去的研究。這些分歧不必被強制收斂成單一的歷史人格判決。

一個成熟的制度，不要求每個人永遠正確，也不假定最聰明的審計者永遠可靠；它要求錯誤能被發現、權力能被質疑、救濟能夠發生，並讓新證據有能力改寫舊結論。

因此，這個系列真正的收束，不是「AI 將使偽善者無所遁形」，也不是「透明必然導致自由消失」，而是兩者之間更困難的一條道路：

讓公共原則能夠跨時間接受檢驗，讓道德評價不再只是聲望套利的工具；同時，讓檢驗者自己也無法利用透明與記憶，取得不可反駁的道德統治權。

這是一個可被修正、可被拒絕、也值得未來以實證重新評估的研究綱領，而不是任何人物、企業、AI 或研究者的最終判決。

附錄 A｜最低審計事件卡（示意性資料格式）

下列 YAML 為合成例子，不涉及真實個人。它是提出可機讀欄位的示意規格，不是某產品已實際部署的紀錄，也不授權將敏感資料公開。實際系統應使用嚴格 Schema、存取控制、版本驗證及相關法律審查。

audit_record_version: "0.1"
audit_case_id: "SYNTHETIC-MRAG-0001"
case_type: "cross_temporal_normative_comparison"
case_status: "unresolved"
created_at: "2026-10-22"
jurisdiction: "hypothetical"
public_purpose: "verify a stated policy inconsistency"
audit_subject:
  role: "organization"
  name: "SYNTHETIC-ONLY"
claim_a:
  source_id: "DOC-A"
  effective_time: "t0"
  verified_original: false
claim_b:
  source_id: "DOC-B"
  effective_time: "t1"
  verified_original: false
context_comparison:
  comparable_conditions: "unresolved"
  new_information_present: "unknown"
  role_or_duty_change: "unknown"
  valid_exception_assessed: false
inference:
  claim: "potential inconsistency requiring more evidence"
  motive_attribution: "not_inferred"
  evidence_sufficiency: "insufficient"
counterevidence:
  accessible_to_reviewer: false
  submission_channel: "available"
auditor:
  role: "independent_review_candidate"
  conflicts_disclosed: "pending"
ai_assistance:
  used: true
  model_version: "not-recorded-in-synthetic-example"
  role: "candidate_issue_detection"
  external_reason_summary: "comparison requires source checks"
visibility:
  tier: "V1"
  retention_basis: "to_be_assessed"
  retention_end: null
rights:
  appeal_available: true
  correction_available: true
  public_release_authorized: false
version_history:
  - version: "0.1"
    status: "candidate"
    reason: "first registration; no factual determination"
next_review_trigger: "primary sources and counterevidence become available"

解讀限制：範例中的 verified_original: false 與 evidence_sufficiency: insufficient，意味著不應根據此事件卡對外宣稱「已證明某公司雙標」。同時，appeal_available: true 只是制度設計欄位，不代表真實法律上存在相應的權利。

附錄 B｜MRAG 最低部署驗收清單

在一個研究性系統進入真實公共用途之前，建議至少進行下列 Gate：

未通過任一 Gate 的研究原型，不應被宣稱已足以直接支持取消個人重大權利、就業資格或公共服務的決定。 如需依法立即預防重大危害，仍須另行依合法的緊急程序辦理並迅速提供覆核及救濟。

附錄 C｜研究文獻與公開規範來源

以下網址均屬公開可檢索的來源，按 2026 年 10 月 22 日所能核對之公開文本作研究參照。它們支持具體的治理原則或制度條款，不代表已實證驗證 DSTG 全系列的原創模型。

• [E1] NIST（2023），AI Risk Management Framework 1.0 — Core (Govern, Map, Measure, Manage)。https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
• [E2] OECD（2019；2024 更新），OECD AI Principles。https://www.oecd.org/en/topics/ai-principles.html
• [E3] UNESCO（2021），Recommendation on the Ethics of Artificial Intelligence。https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
• [E4] Council of Europe（2024），Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law。https://www.coe.int/en/web/artificial-intelligence/the-framework-convention-on-artificial-intelligence
• [E5] Data Protection Commission, Ireland，The Right to Erasure (Articles 17 and 19 GDPR)。https://dataprotection.ie/en/individuals/know-your-rights/right-erasure-articles-17-19-gdpr
• [E6] European Commission, AI Act Service Desk，Article 86 — Right to Explanation of Individual Decision-Making（請依顯示的整合版本及例外閱讀）。https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-86
• [E7] European Commission, AI Act Service Desk，Article 85 — Right to Lodge a Complaint with a Market Surveillance Authority。https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-85
• [E8] W3C（2013），PROV-O: The PROV Ontology。https://www.w3.org/TR/prov-o/
• [E9] NIST AI Resource Center，AI RMF Playbook: Measure。https://airc.nist.gov/airmf-resources/playbook/measure/
• [E10] NIST AI Resource Center，AI RMF Playbook: Manage。https://airc.nist.gov/airmf-resources/playbook/manage/
• [E11] NIST AI Resource Center，AI RMF Playbook: Map。https://airc.nist.gov/airmf-resources/playbook/map/
• [E12] NIST AI Resource Center，AI RMF Playbook: Govern。https://airc.nist.gov/airmf-resources/playbook/govern/

內部研究銜接（非外部實證引用）

• REPE-06（2026-09-13）：《善良不是制度：倫理聲望、倫理基礎設施與非聖人治理》。
• CEVAM Paper 08（2026-10-07）：《安全的安全：AI 道德形成的二階治理與規範主權》。
• BEEMAN（2025-11）：《以集體賦權消解系統性歧視：黑人經濟自立互助網絡的理論建構與實踐路徑》，DOCX 研究草案。
• DIPS（2025-11）：《命運投資制度的系統性補強：風險、機制與永續性設計》，DOCX 研究草案。
• DIPS 補充： 《關於 DIPS 時限解散的本質補充：從制度依賴到思維傳承》，DOCX 研究草案。
• DSTG-00 至 DSTG-11：本系列既有各篇原始 Markdown；本篇承接而不代替各篇完整論證。

文獻界線：本文不是系統性文獻回顧。對部分研究可用上述官方頁面確認其存在及基礎內容，但未宣稱獨立完成法條在各國的訴訟適用、全部實施細則或成效驗證。若某規範更新，其適用結論應以相應版本重新查證。

附錄 D｜關鍵術語對照

附錄 E｜系列完成狀態與後續研究邊界

本文件為 DSTG-12 正式 UTF-8 Markdown 源稿，連同 DSTG-00 的總綱及 DSTG-01 至 DSTG-11 構成十二篇正文加一份總綱的系列結構。本文自身的完成，表示研究文本及可測試方案已提出，不是表示任何涉及 AI 道德審計的實際制度已完成合規、實證或社會共識。

未來若發現重大反證，應以新版本紀錄修正內容；保留可合法追溯的修改差異，不以舊作者聲望否決新結果。真實人物與公司的事件研究，另設具有原始來源、時間線、可比情境、反證及相應法域的案例庫，不混入本文抽象模型作為已證實事實。

系列收束句：當記憶可以持續，公義更需要容許修正；當審計可以無限擴張，權力更必須知道何時停止。

— DSTG-12 · End of Series —