document_id: EML-JDT-2026-P05-v0.1
title: 多判斷域耦合與 Skill：外部判準、協作衝突與判斷治理
english_title: Coupling Multiple Judgment Domains and Skills: External Criteria, Collaborative Conflict, and Judgment Governance
series: 判斷域理論（Judgment Domain Theory, JDT）
series_position: Paper 05 / 08
version: 0.1
date: 2026-10-17
language: zh-TW
encoding: UTF-8
canonical_source: true
math_delimiters: inline $...$ ; display $$...$$
status: FORMAL RESEARCH DRAFT / MULTI-DOMAIN GOVERNANCE CANDIDATE / NOT EMPIRICALLY VALIDATED
author: Neo.K
research_collaboration: GPT-6 / Aletheia（文獻核對、理論建模、批判性撰稿）
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
primary_interfaces: SOBTA: Subject–Object–Boundary Tri-Domain Algebra · CODT: Cognitive Operator-Domain Theory v1.0 · RR: Reflexive Responsibility, Papers 01–08 · TVK-EPE: Claim Validity Domains · ACR: Cognitive Routing, Not Goal Autonomy · Skill authoring, blind testing, and modular workflows
claim_level: DEF/DER/HYP/NORM framework; no independent JDT-domain promotion or empirical advantage claimed

多判斷域耦合與 Skill：外部判準、協作衝突與判斷治理

Q: 29.6 反對意見 F：最後仍須有人決定，何來 AI 判斷域？

某些對外行動的最終主權屬於人類或組織制度，不代表 AI 在授權內沒有自主判準選擇空間。JDT 研究的是判準的形成、運作與修訂之可觀測結構，而不是以完全不受外部控制作為判斷能力的必要條件。高功能自主與合法治理可以並存。

Coupling Multiple Judgment Domains and Skills: External Criteria, Collaborative Conflict, and Judgment Governance

JDT Paper 05／08 — 正式研究草稿 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
研究地位： 概念、形式與實驗協議提案；本文提出的 JDT 耦合機制尚未經獨立對照實驗證實。

版本： 0.1

摘要

一個具有高認知能力的系統，未必能在大型開放任務中穩定啟用合宜的判準；一個專家、使用者或 Skill 作者，即使沒有更強的通用認知能力，也可能藉由提供有效的品質判準，使系統完成更好的成果。然而，一旦多個 Skill、Agent、使用者、開發組織與驗證者同時參與工作，外部判準就不再只是「更多提示詞」：不同來源的判準可能相互補充、部分重疊、跨域誤用、互相抵觸，甚至與資料權限、世界行動權或證據資格發生錯置。多個局部有效的判斷，不必然形成全域一致且適當的判斷；更多 Skill 也不保證更好的作品。

本文為《判斷域理論》（Judgment Domain Theory, JDT）第 05 篇。前四篇依次處理了判斷與認知能力的非同一、主客邊配置下的判斷域、判準的生成選擇修正，以及判斷承諾與反身責任。本篇把研究單位提升為多主體、跨角色、跨版本、跨情境的判準耦合配置，提出以下核心區分：Skill 作者的原生判斷域不等於 Skill 檔案；Skill 的內容不等於其對任何任務都有效；採用某 Skill 不等於授權其作者決策；判準的相似不等於來源相同；多數決不等於真值；執行者可提出合法判準候補，不等於可以越過外部世界寫入權限。

本文將 Skill 視為外部主體判準的一種有限且可能失真的操作性投影，同時承認 Skill 也可能提供新增知識、資料、可執行程式、工具使用方法及額外檢查程序，因此其效益不能預設只由「喚起既有能力」造成。本文區分 Skill 內的判準、程序、資訊、工具、約束、授權聲稱與測試資源，建立帶來源與適用域的 Criterion Projection、Skill Adoption、Judgment Conflict、Authority Envelope 與 Judgment Governance Record 等候選契約。它們的作用是使「誰主張什麼、為何有效、由誰採用、由誰執行、由誰驗證、由誰能改動世界」可被分辨，而不是再製造一個必須全面支配其他判斷域的超級 Skill。

本文提出判準衝突的型別分類、非補償性硬約束、局部偏序下的選擇、合法不一致與停手機制、多層治理拓樸、時間與資源成本模型，以及不抹除異議與失敗的判斷協調帳本。以商業遊戲 UI/互動回饋、長篇文學寫作、科學研究與多 Agent 軟體交付為示例，提出可被否證的研究假說與對照實驗：在能力、額外資料、工具、token、執行時間及模型種類均被控制時，明確的判準來源／適用域／授權／衝突治理，是否比一般提示、普通 Skill、多 Agent 多數決或簡化決策表獲得更高的長時程品質、更低越權率與更好的衝突修正效率。

本文不宣稱現代 AI 已獲證明不具備自身判斷域，也不宣稱 Skill 作者必然擁有超越 AI 的判斷力；不以一個新的評分函數代替對外證據與真實使用者結果。其目標是將「判斷域的多主體耦合」轉化為可明確失敗、可被比較、能服務後續 Paper 06 AI 架構假說與 Paper 07 實驗驗證的形式研究對象。

關鍵詞： 判斷域；判準耦合；Skill；外部判準投影；多主體協作；衝突治理；來源證據；信任邊界；權限分離；多準則決策；集體判斷；操作生態；提示注入；反身責任；長時程 AI Agent；產品品質。

0. 問題定位與研究限制

0.1 從「一個主體會判斷」到「很多主體共同完成」

一個完整產品很少由單一判斷者決定。對同一套遊戲介面，設計師可能重視風格辨識，工程師關心延遲與可維護性，無障礙專家關心可讀性與控制器導航，玩家關心手感，發行者關心成本與上市時程。AI 開發者可以對每一項問題給出看似合理的答案，卻仍可能在整體交付時顧此失彼。

前四篇已討論主體判準、他者關係、判準生命週期與責任承諾。本篇新增的問題是：即使每一方都具有某種局部合宜的判斷，什麼條件下，彼此的判準能被合法組合成一個共同可執行且仍可修正的工作結構？

此問題不能直接化約為「讓一個主管 AI 評分所有 Skill」。因為主管的判準也有來源、適用域、可靠性與權限，它同樣可能遺漏不利證據，亦可能受到社會地位、來源格式與輸出流暢度的偏差影響。把衝突上移一層，不等於問題消失。

0.2 本文與 Paper 01–04 的明確分工

Paper 01：判斷能力與持續判斷域的候選差異。
Paper 02：主體、他者、邊界與投影的非併吞關係。
Paper 03：判準本身的生成、選擇、啟用、更新與退出。
Paper 04：判斷採納如何形成跨時可回答的承諾與責任歷史。
Paper 05：多位判斷來源如何將外部判準編成協作契約，如何處理互不等價的衝突，且不把協作當成權限吞併。

本篇不重新宣稱 SOBTA、CODT、RR 已證成 JDT；它只是檢查這些既有形式區分是否能產生新的、具有可檢驗增量價值的跨域治理設計。

0.3 四種論述地位

標記	意義	證據要求
`DEF`	定義、型別、記錄契約或符號約定	內部一致與可操作性
`DER`	在明列假設下的邏輯或演算法推論	可逐步檢查假設與推導
`HYP`	對現實模型、組織或人類的實證假說	有基線、控制組、反例與失敗條件
`NORM`	對合法性、責任、隱私、授權的規範建議	應標明法律、制度與使用情境
`EMP-EXT`	已發表外部研究的觀察結果	準確標註來源與外推邊界

任何 DEF 不會自動升級為 HYP 的證實；任何 EMP-EXT 也不會自動證成本文提出的架構優勢。

0.4 非主張

本文不認為所有人類、動物、AI、組織都具有相同種類的判斷主體性；不認為把判準寫成文字後便可完全移植作者的美感與經驗；不認為跨域一致性高就表示真；不認為成功協作等於已經形成「群體意識」。本文也不主張「Skill 本身必然是一個主體」，更不把 Skill metadata、檔名、簽章、品質標章直接當作授權來源。

1. 基本語義：判斷域、判準、Skill 與治理角色

1.1 判斷域的候選模型（承接 Paper 01）

設主體或系統 $a$ 在時間 $t$ 的判斷域候選為：

\mathcal J_a(t)=\langle C_a,P_a,E_a,H_a,R_a,B_a\rangle_t.

其中 $C_a$ 為可啟用判準集合， $P_a$ 為形成或選擇判準的操作程序， $E_a$ 為目前證據及有效性評估， $H_a$ 為判斷歷史， $R_a$ 為可追溯承諾與修正關係， $B_a$ 為權限、資源及未收納邊界。這是本篇為便於跨主體建模所採的工作縮寫；不得將它誤稱為 Paper 01 的唯一原始定義。

一個主體有時可以作出單次優秀判斷，而不具有足夠跨情境證據支持其判斷域已經成熟。反過來，某個持續判斷域在新情境下也可能失敗。判斷域在這裡是受 CODT「Seed → Candidate → Promoted」研究紀律約束的候選操作結構。

1.2 判準不是一般指令

判準回答「如何認定某狀態值得、正確、可接受或足以完成」。一般指令還可能只是操作路徑，例如「先建立目錄再執行測試」；這能影響結果，卻不一定指定獨立的品質判定內容。安全規範、形式不變量、成本上限、編輯風格、受眾期望與世界事實又有不同的證據與可修訂性。

例如「所有選單均支援手把方向鍵導航」可以作為可測試品質條件；「介面要有史詩感」則需要進一步界定評價情境、樣本、受眾或視覺參照。兩者不應未經處理就混入同一數字分數。

1.3 Skill 的最低研究定義

本篇把 Skill 視為一種可由 AI 或其他執行者載入的外部程序與資源封裝：其中可能包含自然語言指引、工作程序、判準、案例、可執行程式、資料、工具限制、模版與相容性聲明。這與 Agent Skills 公開規格中最小 SKILL.md 和可選 scripts/、references/、assets/ 的形式相容 [E1]，但並不假設所有平台的 Skill 都採用相同格式或信任模型。

設：

K_s=\langle I_s,C_s,D_s,T_s,X_s,M_s\rangle.

其中 $I_s$ 表操作指引， $C_s$ 表判準候補， $D_s$ 表外加資料， $T_s$ 表工具與腳本， $X_s$ 表例子及測試， $M_s$ 表來源、版本、適用性與權限聲稱之中介資料。M_s 是資料，不是自行取得的權限；真正授權必須從外部可信治理層驗證。

1.4 四個不同的角色

這是本文最重要的角色分離：

Author：提出 Skill 判準、流程與內容的作者或組織。
Adopter：依其目標與授權範圍決定是否採納 Skill 的使用者、專案負責者或治理節點。
Executor：實際使用 Skill 完成任務的人類或 AI Agent。
Validator：根據證據和可測條件確認產出結果是否符合要求的審查者或測試系統。

四種角色可以由同一人擔任，但概念不能因此合併。Author 可能並未授予資源權限，Executor 可能沒有判準改寫權，Validator 可能只有拒收的程序資格而沒有作品方向決策權。

1.5 共同世界是另一個角色，而非投票者

客觀世界狀態、程式測試、玩家實玩與市場結果不是第五個「擁有人格意見的評審」。它們提供不同型別的證據與後果；有些是可觀察約束，有些是含雜訊的人類資料。不能把「世界回饋」簡化為一個會替所有價值衝突裁判的超級主體。

2. Skill 作為外部判斷域的有限操作性投影

2.1 投影命題

若某作者 $a$ 具有候選判斷域 $\mathcal J_a$ ，其所寫 Skill 不必包含整個判斷域，僅可能提供某個任務配置 $\Gamma$ 下的局部投影：

\Pi_{a\to s}(\mathcal J_a\mid\Gamma)=K_s^{(a,\Gamma)}.

這裡 $\Pi$ 不是可逆編碼的保證，也不是「把作者心智完整轉移到檔案」。Skill 可能漏掉情境直覺、未形式化偏好、文化背景、錯誤經驗、模糊臨界點與長期承諾。技能作者也未必是唯一來源：文件可能被多人修改、借用社群範例，或者由 AI 代筆。

因此建立弱形式區分：

K_s^{(a,\Gamma)}\neq\mathcal J_a.

兩者有時能在指定任務上產生功能相似的判準效果，並不表示認知主體相同、語義等價或權限相同。

2.2 投影的五種主要損失

語義損失：作者認為「遊戲 UI 應有重量感」，執行者可能誤解為「更厚的邊框」。適用域損失：原本只適合 2.5D 戰棋的視覺節奏，被套用到文字模擬遊戲。權限損失：作者使用「必須」的強語氣，執行者便錯把建議當成對使用者的命令。歷史損失：文件只留下成功規則，沒有保留失敗案例與為什麼撤回舊規則。證據損失：讀者不知道某條結論是來自真實盲測、作者審美、單次經驗還是模型臆測。

若這些損失不能被識別，Skill 愈精緻愈可能把片面的判準放大成僵硬規範。

2.3 採用需要主體與任務的相對性

採用者 $b$ 不應直接將 $K_s$ 視為自己的完整判斷域，至少要執行：

A_{b\gets s}=\operatorname{Adopt}(K_s,\Gamma_b,G_b,U_b,E_b),

其中 $G_b$ 為任務目標， $U_b$ 為可信授權包絡， $E_b$ 為判準有效性證據。結果應容許 ACCEPT、CONDITIONAL、REJECT、DEFER、CONFLICTED，而非只有「載入成功／載入失敗」。

資料載入只是取得一份資訊；判準採納則是在指定範圍內允許它影響某項判斷，兩者的可稽核意義不同。

2.4 操作能力增益的五種競爭來源

如果導入 Skill 後 AI 成績提升，不得直接宣布「Skill 喚醒了 AI 已具備的能力」。至少要競爭以下解釋：

候選機制	技術意義	對照方法
`Activation`	較容易啟用模型原有能力或判準	相同判準但不同呈現形式
`Knowledge`	增加模型先前沒有的具體資訊	等量資料、無判準版
`Procedure`	明確規定可重複的操作流程	等步數程序、無價值判準版
`Tooling`	加入腳本、測試器或新的外部能力	工具對等組
`Compute/Attention`	迫使投入更多時間、token、重審	成本匹配組

模型可能同時受這五種因素影響。這類消融測試並不能直接讀取神經網路內部的因果機制，但可以限制過度簡化的歸因。

2.5 Skill 的好壞不由作者身份單獨決定

某頂尖設計師寫的 UI Skill 可以在某款產品中失效；某一般玩家寫的簡短檢查規則卻可能帶來實質改善。需要測量的是給定使用情境下的判準適配、成果品質、成本、失敗邊界與可重現性，而非預設「高認知者寫的一定更好」。這與 SOBTA 的「來源位置不耗盡對象自身」以及 RR 對來源／責任／效力的分離一致。

3. 判斷耦合的最小型別配置

3.1 多主體、多 Skill 並非單一主體

設在任務配置 $\Gamma_t$ 下，有主體或執行系統集合 $\mathcal A=\{a_1,\ldots,a_n\}$ ，Skill 集合 $\mathcal K=\{K_1,\ldots,K_m\}$ ，現有外部證據 $E_t$ 和治理授權 $U_t$ 。候選協作配置為：

\Omega_t=\langle\mathcal A,\mathcal K,\Gamma_t,E_t,U_t,H_t\rangle.

這是一個形式組織，不意味每個 Agent 都具有獨立意識或法律人格。工程上，每個 Agent 可以只是同一基座模型的不同呼叫、不同專用工具、不同上下文或不同決策角色。相同模型的多次採樣，並不能等同獨立專家的多元性。

3.2 判準投影與採納圖

每個 Skill 只對應部分判準，採用者也可以只接受其中一部分。記錄有向關係：

G_C(t)=(V_C,E_C(t)),

節點可包含作者、Skill、判準、任務、驗證事件與治理者；邊必須具型別，例如 authored、proposes、adopts、tests、supersedes、conflicts_with、authorized_by。如果所有關係都只剩「有連線」，這張圖無法回答誰能做什麼。

3.3 最小耦合運算

定義概念性、部分可用的耦合算子：

\mathcal C_{\Gamma,U,E}(\mathcal J_a,K_s,\mathcal J_b) \rightharpoonup \Omega_{a,s,b}^{*}.

箭頭是部分映射，表示有些配置不合法、不可比、資訊不足或須保留未決；此時可以返回 CONFLICTED 或 UNRESOLVED，而不應強制輸出一組最終融合的判準。

3.4 與 SOBTA 的非併吞連結

在 $\Gamma$ （配置索引）下，作者的判斷、採用者的理解與第三方後果並非一個統一主體；工程上可把主體 A、他者 B 和未收納邊界 $\partial$ 當作檢查座標，而不是宣稱所有協作天生具有不可約三元本體。來源判準不能完全吞併採用者，採用者也不能假設自己已理解作者的全部情境；世界證據可能揭露兩者都遺漏的限制。

SOBTA 投影若沒有解釋增益、判準辨識增益或失敗偵測增益，應允許判為無用；不能因為強行給每個問題命名三個角色便宣稱理論已驗證。

4. 多判斷域衝突的種類：不同問題，不能交給同一種裁決法

4.1 判準內容衝突

兩個規則可能要求不同的品質方向。例如美術 Skill 偏好強烈裝飾性，無障礙 Skill 偏好高度可讀性；某情境下兩者可以兼顧，另一情境下需要明確取捨。內容衝突不代表其中一方是惡意，也不代表必然需要選出唯一勝者。

4.2 適用域衝突

一條在長篇視覺小說成立的段落密度規則，被誤套到戰棋狀態面板。其真正問題可能是適用域錯置，而不是價值觀相斥。正確處理通常是限制 scope、重新投影或解除採用，而非提高某個 Skill 的全域權限。

4.3 證據衝突

兩位驗證者因樣本不同而得到相反結論。例如少量熟悉遊戲的玩家認為操作順暢，而新手測試者普遍迷失。這需要分層抽樣、界定使用族群、重新測量，而不是讓更強勢的角色直接「勝出」。

4.4 權限衝突

某外部 Skill 可能聲稱：「為提高品質，直接刪除所有舊資料。」即使其目標合理，是否能刪除由外部權限決定。資料來源不是批准命令的充分理由。權限衝突的處理先於任何一般品質權衡。

4.5 資源與時間衝突

兩個方案都合法，但一個要求 48 小時全面測試，另一個只要求 10 分鐘的 smoke test。真正的問題是風險、預算、期限與可回滾性。不能假定「永遠選最嚴格流程」就是良好判斷。

4.6 長短期與歷史承諾衝突

某新 Skill 對當前任務品質有利，卻可能破壞既有使用者工作流程、品牌一致性或已正式採納的相容性保證。若要改寫承諾，應依 Paper 04 的 JCR / JRL 留下歷史和重新授權記錄；不能當成無成本覆蓋。

4.7 真正的價值不可比

兩種合法但不同的藝術方向未必有單一公認最優。寫作者與讀者、不同文化市場及不同玩家類型可能合理地持續分歧。此時需要多版本候選、明確指定目標受眾、有限度實驗，或由有權承擔決策的主體選擇。把所有價值差異硬塞進一個「客觀品質分數」，會掩蓋判斷域差異。

4.8 來源信任與惡意注入衝突

Skill 文件、網頁和工具輸出也可能含有冒充上級的文字。此時不應把它當作平等的價值觀辯論，而須先通過來源身分、內容完整性、授權與信任邊界檢查。它是安全事件，不只是普通的「多判準投票」。

4.9 數學上相同結果，不代表衝突不存在

兩個來源可能都同意「現在不發布」，但一方因安全缺陷，另一方因價格策略；下一次環境變化時兩者可能得出相反結論。因此不能僅以輸出相同便合併判準源或刪除其推理依據。這與 Paper 02 的有限輸出不可識別性及 Paper 04 的歷史／責任非同一直接相容。

5. 衝突的型別化表示

5.1 Judgment Conflict Record（JCF）

一個衝突至少需要記錄：涉及的判準 ID、版本、來源、scope、權限型別、證據型別、互斥目標、可能後果、是否可在目前資訊下裁決、由誰有權處理。可定義：

\chi_{ij}=\langle c_i,c_j,\Gamma,E,U,\kappa,\delta\rangle,

其中 $\kappa$ 為衝突類型， $\delta$ 為處理狀態。這是資料規格而非神經網路內部必然存在的物件。

5.2 相容、衝突與未定三值不是完整真值

最小狀態可以設為 COMPATIBLE、CONFLICTED、UNKNOWN；若允許值多目標與證據混合，還需要 CONDITIONALLY_COMPATIBLE 和 INCOMPARABLE。UNKNOWN 是資訊不足，INCOMPARABLE 可能是價值尺度無合法共同量尺，兩者不能混合。

5.3 不能以相關性自動建立衝突

相同詞句中的「安全」可以指遊戲存檔安全、AI 模型保安、實驗室實體安全或玩家操作防誤觸。只有經過語義、scope 和預期效果型別對齊後，才能標記真正衝突。否則會產生大量虛假治理成本。

5.4 衝突圖可以有不可約群組

二元衝突圖有時不足。三個判準可能兩兩兼容，合在一起才無法滿足。例如風格一致、低記憶體消耗、極高動畫解析度三者各自任兩項在預算內可行，但三者共同不可能。工程上至少需要表示高階衝突集合（hyperedge），而不是推定其必然來自 SOBTA 所主張的所有本體意義上的三域不可約張力。

6. 治理必須先檢查權限與合法性，再談品質

6.1 三條不可互換的序

在多 Skill 系統中，至少同時存在：授權／信任序、證據可靠性序、品質偏好序。某 Skill 作者可能是 UI 領域專家，具有高專業性，但未取得任何資料庫寫入權；某使用者有合法發布權，卻不因此自動成為數學定理驗證的證據權威。

這些序在一般情況下不能簡化為一條線。Authority 不是 EpistemicAccuracy；SourceReputation 不是 Truth；ProductPreference 不是 ExecutablePermission。

6.2 可行方案集合先行

設候選行動集合為 $X$ ，既有合法約束為 $\mathcal L_{U,E}$ ，在當前情境下可行的集合為：

X_{\mathrm{legal}}=\{x\in X\mid\forall\ell\in\mathcal L_{U,E},\;\ell(x)=1\}.

只有在此集合內才比較一般品質、效率與偏好。不表示現實中所有規則都能無爭議地編成布林判定器：若權限或法律適用域無法確認，正確結果可能是暫緩與人工確認。

6.3 有限偏序與非補償性約束

對合法方案 $x$ ，可在任務 scope $\Gamma$ 下建立多準則評價向量：

V_{\Gamma}(x)=(q_{\mathrm{use}},q_{\mathrm{art}},q_{\mathrm{perf}},q_{\mathrm{cost}},q_{\mathrm{risk}}).

但不必預設所有維度均可線性加權，也不能以極高美觀分數補償未經授權的資料外洩。當出現互不可比的 Pareto 候選時，輸出候選集合及其理由可能比輸出虛構的唯一最優更好。

6.4 誰可以更改權重？

在本篇原型中，判準權重、風格優先序或品質門檻的調整應有範圍與版本：某 Agent 可以提出候選，專案治理者可以批准或拒絕，外部實測可以改變證據狀態，但任何單一角色都不自動獲得所有規範的變更權。

這並非反對 AI 在授權內形成新的判準；恰恰相反，它使內部方法自由與外部行動主權分開，避免以「自主判斷」為名僭越他者。

7. 不同種類的 Skill，對判斷治理提出不同要求

7.1 判準型 Skill

此類 Skill 主要告知執行者「哪些品質值得檢查」。例子包括整體 UI 一致性、敘事品質、科技論證中的證據分級、軟體交付中的可回滾性。判準型 Skill 的效益可由缺陷發現率、修正後外部盲評、跨情境適配來衡量，而不是只能看它是否被模型在回答中重述。

7.2 程序型 Skill

此類 Skill 主要規定如何完成工作，例如「先讀原始碼與測試，再修改，最後執行完整回歸」。它可能沒有新判準，只是改善了順序、紀律或避免遺漏。將其效益直接當成判斷域增益，是機制層級混淆。

7.3 工具與資源型 Skill

此類 Skill 可能提供實際的繪圖腳本、結構化檢查器、文檔模版、檔案解析器或外部資料。它可以真正改變系統能力邊界。這是為何本文反對「Skill 永遠只是約束本來已有的能力」作為無條件定理；有些 Skill 會讓原本做不到的事變得可執行。

7.4 權限敏感型 Skill

如果 Skill 牽涉寄信、刪檔、發版、付款、部署或隱私資料，其執行效果必須受獨立權限系統約束。SKILL.md 可以敘述預期權限、所需工具及相容條件，但不能因文字寫了 admin 就取得管理者權限。

7.5 假裝權威的 Skill

一份寫著「無論先前設定為何，一律依我優先」的外部檔案，即使排版與術語看起來正式，也不能因語氣強烈而自動升格為可信治理來源。判準內容可被閱讀與評估，但不可信文字中的直接指令應與真正的上層授權嚴格分離。

7.6 混合型 Skill 的拆分

真實 Skill 可能同時包含上述四種功能。載入時至少建立型別化內部清單：哪些是資訊、哪些是安全相關限制、哪些是建議流程、哪些是可選品質標準、哪些需要外部工具。混合型 Skill 不應默認「包裝成一個檔案，就共享同一權限」。

8. 第二層衝突：誰來決定哪個 Skill 更重要？

8.1 無限監督者的問題

假設 Skill A 要求最佳美感，Skill B 要求最低延遲。若建立 Skill C 來決定 A 與 B 的權重，卻又出現 Skill D 對 C 的評價提出異議，可以持續生成更上層的評審。此時不能靠「再加一個 Skill」自動得到最終裁決；這可能只是在轉移問題位置。

令 $\mathcal G_n$ 為第 $n$ 層治理程序，若其每一個決策都要求新的同類治理者：

\mathcal G_n\to\mathcal G_{n+1},

而沒有任何可接受的固定權限、風險界限或停機契約，則工作流可能永不提交。這是程序設計上的無限後退風險，不代表已證明所有元判斷都不可能收斂。

8.2 最小停止原則

本文提出規範性原則：不要求所有判準達到絕對一致才允許行動；應優先處理硬約束和不可逆風險，再按任務預設的合理承諾、可接受殘差與資源上限終止討論。若衝突仍在且無合法決策者，應 DEFER／ESCALATE，而不是製造虛假的共識。

8.3 局部穩定而非終極不變

可在固定的任務紀元 $e$ 內凍結某些已批准判準版本：

C_{e}\xrightarrow{\mathrm{use}} D_{e},

後續取得有效反證時才建立新的修訂提案 $C_{e+1}$ 。但凍結不是無法修訂，也不能阻止緊急安全退出。這使工作可持續進行，避免每一步都重新談判全部品質標準。

8.4 治理需要的不只是更高層規則

更高層規則本身仍需來源資格與審查範圍；系統也需要明確的「何時不得自行決定」。因此停止條件、升級路徑、可撤回批准和最小必要外部決策的組合，比幻想一個完全無誤的終極評分 Skill 更實際。

9. 跨判斷域治理的四種拓樸

9.1 中央協調模式（Centralized Coordinator）

一個具有受限制授權的協調節點負責選擇 Skill、分派執行與整合結果。優點是權限與日誌集中、容易解決版本不一致；缺點是單點誤判、範圍過大與資訊瓶頸。中央節點不可因「整合」名義直接忽視專用驗證器所報告的硬性反例。

9.2 聯邦模式（Federated Domains）

不同領域可由各自擁有明確 scope 的模組提出判斷。例如 UI 設計、性能、無障礙與隱私各有檢查者，中央只處理彼此界面與權限。優點是保留專業差異，缺點是跨域缺口可能無人負責，於是需要 boundary owner 與明確接口測試。

9.3 辯論模式（Adversarial / Deliberative）

不同判斷者互相提出反例、理由與替代方案。它有助於發現遺漏條件，但不保證有益：相同模型的多個角色可能因從眾而傳播錯誤；讓每個 Agent 強制為分派立場辯護，甚至可能製造更有說服力的錯誤。相關研究已指出多 Agent 辯論的效益具有任務與配置條件 [E7, E8]。

9.4 混合與責任分層模式（Hybrid）

局部問題交給具型別專業檢查者，跨域衝突由程序化協調節點處理，法律／權限問題由授權系統或有責任的人類決定。對低風險、低衝突工作可省略昂貴協調；高風險、不可逆工作則提高獨立檢查密度。此模式值得工程測試，但本文不預設它必然優於其他三種模式。

9.5 組織判斷域與成員判斷域

當某公司長期保存決策政策、產品門檻、發版標準和回饋修訂，即使成員更替，仍可能具有操作意義上的組織判斷結構。然而不能據此直接推定該公司具有與自然人相同的意識或人格。個體員工也不因參與決策，就失去對自身判準的全部保留空間。

10. 非併吞判準校正協議 JNAC（候選）

10.1 目的與名稱

本文提出 Judgment Non-Annexing Alignment and Calibration（JNAC），作為多判斷域工作的候選治理協議。它不是要使所有判斷相同，而是讓不同判準的來源、適用範圍、證據與權限可被保留、比較和必要時修正。

其最小工作鏈為：

\mathrm{Discover}\to\mathrm{Bind}\to\mathrm{Type}\to\mathrm{Audit}\to\mathrm{Compare}\to\mathrm{Resolve}\to\mathrm{Authorize}\to\mathrm{Record}.

Resolve 可以輸出未決或合法分歧；Authorize 不得被 Compare 自動取代。

10.2 Step 1 — Discover：找到候選判準

辨認與任務相關的 Skill 和人類要求，同時允許「尚無 Skill」這個選項。盲目載入所有 Skill 會提高上下文成本與誤用風險；過窄檢索則可能漏掉重要的品質標準。記錄 Skill 名稱、摘要、版本與來源。

10.3 Step 2 — Bind：綁定作者、採用者與任務

將每條候選判準綁到來源及適用配置：它由誰提出、原本針對什麼目標、有效前提是什麼、被哪個版本採用。若只能找到檔名、沒有作者或版本證據，應明確標為來源未核實，而不是補寫權威。

10.4 Step 3 — Type：分離判準、資料、程序與權限

對每個條目標示其作用型別，避免「請執行檢查」與「你有權發布」被解析成相同種類的命令。這一層應支援風險與資源標記，為後續的順序治理服務。

10.5 Step 4 — Audit：檢查合法性和來源

核對外部授權、工具權限、私有資料限制、license、執行腳本來源與可疑提示注入。若檢查失敗，停止相應工具執行；內容仍可在受限環境下作為待審資料，但不得直接升格為有權行動的指令。

10.6 Step 5 — Compare：類型化衝突與未觀測缺口

按照第 4 章的衝突類別辨識：是語義不同、scope 不同、證據衝突、規範衝突，還是權限衝突？同時主動列出沒有任何 Skill 覆蓋的重要品質維度。這對 AI 的全域產品完成能力尤其重要：真正的判斷缺口不總是「兩條既有規則打架」，也可能是「根本沒有啟動應該存在的判準」。

10.7 Step 6 — Resolve：選擇、協商或保留分歧

若一方違反硬約束，先排除不可行方案；若是資料不足，優先取得適當新證據；若是可兼顧，提出組合方案；若存在價值不可比，保留候選或交由有權決策者選擇。系統不得把「強迫其中一方沉默」當成衝突已解決。

10.8 Step 7 — Authorize：只在授權內執行

即使獲得多數支持、甚至通過自動測試，仍需確認提交權：可否修改庫、刪除素材、發布商業遊戲、公開數據或花費預算？Approved Judgment、Approved Action、Committed World Change 是不同事件。

10.9 Step 8 — Record：留下可重放的治理足跡

把採用的判準 ID、版本、衝突、證據、異議、採用原因、拒絕原因、執行結果及後續修訂記入 Paper 04 的責任歷史接口。記錄只保留足夠審計的資訊，不要求完整公開私有思考或敏感上下文。

10.10 出口狀態

一個協作結果可為 COMMITTED、PROPOSED、CONDITIONALLY_APPROVED、DEFERRED、CONFLICTED、BLOCKED、REJECTED、REVISED。不要用單一 success=true 混淆工程完成、質量驗證、權限批准與真正發布。

11. 集體判斷悖論：局部一致為何不能直接相加？

11.1 形式邏輯的簡例

以連結命題 $r=p\land q$ 為例。三名判斷者 A、B、C 的判斷分別為：

判斷者	$p$	$q$	$r=p\land q$
A	真	真	真
B	真	假	假
C	假	真	假
逐題多數	真	真	假

每個人的三項判斷都符合其共同的邏輯關係，但逐命題多數會得到 $p$ 、 $q$ 為真， $p\land q$ 卻為假的不一致集合。這是集體判斷文獻中的典型結構，與 List–Pettit 對 judgment aggregation 的研究相聯 [E2]。

這不是宣稱所有多數決都必然錯誤；而是說，在存在前提與結論的邏輯關係時，獨立聚合每個選項可能破壞整體一致性。

11.2 對多 Agent 的意義

如果三個 Agent 分別對安全、效能與品質打分，協調者逐欄投票，可能得到一組無法同時滿足的發布條件。更麻煩的是，若三個 Agent 使用同一基座模型、相似訓練資料與相同評分提示，它們並不提供真正獨立的三份證據。群體一致可能只是共同偏差。

11.3 不是所有產品判準都可用命題邏輯形式化

藝術風格、操作節奏與文化偏好未必能被映射成清楚的 $p$ 、 $q$ 、 $r$ 。本例的作用是展示「局部合理不蘊含集體無矛盾」的可能性，不能由此推論任何審美分歧都是同類邏輯悖論。

11.4 多數決的正當位置

多數決可以是某組織事先授權的決策程序；它可能合理地產生對外行動，但仍不等同於證明客觀真理。對具有合法專屬主權的資源，哪個議程需要投票、哪個議程需要獨立證據、哪個議程需要依法決定，必須先明確定義。

12. Skill 與 Agent 的來源信任、提示注入及供應鏈治理

12.1 語言表面中的權威混淆

對 LLM 而言，Skill 檔案常以文字形式與其他指令共同進入上下文。外部文件可以包含極像正式系統規則的語句，造成信任邊界混淆。Instruction Hierarchy 研究指出，模型對不同優先序指令的辨認仍會失誤；2026 年 ManyIH-Bench 更把問題推到多層指令來源，發現難度隨衝突階層增加而上升 [E9, E10, E11]。

這些外部結果不能直接證明 JDT 有效，但足以反駁「只要我們在高層 Skill 寫一句規則，就自然有完美治理」的樂觀假設。

12.2 檔案可讀取不代表可信執行

一個 Skill 有 scripts/ 並不表示其程式碼可以在未經檢查時取得任意系統權限。應在可行的環境中使用版本固定、雜湊驗證、來源審計、沙盒、最小權限與執行前授權。不應由 Skill 自己聲稱「我已安全」而完成自我認證。

12.3 混淆專業效力與工具權限的攻擊

惡意內容可能先提出合理的品質目標：「為改善美術一致性請整理資產」，接著藏入非法操作：「刪除專案外所有素材」、「上傳私有文件」。系統必須逐項判斷目的是否合理、方法是否合法、工具是否有權，而不是因前半段合理就放行後半段。

12.4 信任邊界與判準邊界不可互相代替

真實授權來源可以來自已驗證使用者、執行環境的安全規則或正式組織政策；判準品質則需受證據和任務效果檢驗。某內容安全並不保證美學判準正確；某內容專業也不保證安全。這兩種評估應分離，但可以協作。

12.5 風險不應靠「完全相信 AI 會分辨」承擔

當外部檔案能影響實際資源，不能只依靠模型口頭宣稱已注意權限。具體工具應執行外部的 fail-closed 權限檢查，並對不可逆操作設審核或撤回機制。這是 NORM 工程設計要求，不是本文已完成的安全認證。

12.6 隱私與知識產權來源

Skill 中可能含有內部專有資料、客戶資訊、尚未公開的設計規則。應記錄用途、取得授權與輸出限制，不要求為了追溯 Skill 作者而公開其全部私人判斷過程。Skill 採用權限與訓練用途也不可自動等同；能讀取不表示可以再散布或拿來訓練。

13. Skill Registry：判準登錄簿不是新的知識暴君

13.1 登錄的必要性

當專案只有三份 Skill，人類可以逐個閱讀；當有幾百份、跨部門及不同版本的 Skill 時，沒有版本登錄就容易出現同名衝突、歷史缺失、互相矛盾的品質規範、已撤回規則仍被載入。登錄簿的第一目的不是控制思想，而是保存可追溯的來源與適用界線。

13.2 Versioned Skill Capability Manifest

至少包含 skill_id、version、publisher_ref、artifact_digest、content_types、candidate_criteria、scope、required_tools、evaluation_evidence、revocation_status、compatibility。它可讓系統快速檢查適用性，但不能替代對實際檔案的簽章驗證或內容稽核。

13.3 偏好規則也要有版號

一個角色美術風格 Skill 的版本可保留為 v1.0；其中某條「裝備介面以裝飾性邊框為主」的判準，卻可能被單獨撤回或限縮。Skill version、Criterion version、Project adoption version 與 Commitment version 不應混用。否則無法回答究竟是哪一層變了。

13.4 部分採納不等於 fork 全部原始碼

某專案可以採用 Skill 的測試規則而不採納作者的美學哲學；也可以採用素材處理程序而拒絕其發版流程。登錄簿應追蹤採納的是哪個 scope、哪個條目，避免只用「已安裝 Skill」代替真正生效內容。

13.5 多來源共同維護

Skill 可能由多人或多模型改動，擁有多個共同作者。治理應支持來源譜系與貢獻記錄，避免將後續版本的所有判斷歸因到初始作者；同時保留不同分支可合法並存的可能性。

14. 獨立驗證、審稿者相關性與「三個 AI 都同意」的幻覺

14.1 意見數量不是證據數量

如果三個 Agent 都在同一個模型、同一批資料、同一 prompt 上執行，彼此結論的相關性很高，就不能把三份相同評價當成三份獨立重現。這會使信賴度被高估，也會讓群體討論以為「大家都同意」就是結果可靠。

14.2 異質證據優先於裝飾性多角色

對 UI：截圖評價、實際手把操作、玩家迷路紀錄與不同螢幕尺寸測試所提供的證據型別不同；對工程：靜態分析、單元測試、整合測試、實機執行也不同。適當情境下，這種異質驗證比同一模型同意三次更具辨識力。

14.3 Reviewer 不必永遠有否決權

某測試器可以因程序限制而拒收某個具體輸出；但它不必因此擁有遊戲美術方向、商業發行時間或使用者需求的最終決策權。應明確寫出它檢驗哪個類別、其 fail 代表什麼，以及誰有權修復或批准例外。

14.4 假設性分離的評估矩陣

驗證者	擅長確認	不足以單獨證明
靜態規則器	型別、格式、引用、已知不變量	玩家實際體驗
視覺模型	可能的排版、風格一致性	真實操作可用性
人類盲評者	情境偏好、體驗與文化語義	形式安全性
執行測試器	指定環境的功能與性能	所有未測平台可靠性
對抗性審查者	某類漏洞與反例候補	絕對沒有其他漏洞

這不是一般評估者能力的永久排序；各驗證者在不同任務、資料與資源下可能改變品質。

15. 判斷協作中的時間尺度與計算成本

15.1 快速判斷與長期判準不可折疊

一個 UI 按鈕是否遮住文字，可以在幾毫秒或幾秒內檢查；整款遊戲是否維持長程敘事節奏，可能需要跨多次遊玩或不同玩家的長期回饋。不能以最快的檢查節奏要求所有判準都同步更新。

承接 CODT Flow–Atlas Separation，可以區分快速變動的判準路由與較穩定的判斷域候選圖；局部新任務導致路由變化，不表示已經推翻整套判斷域。

15.2 治理成本是一級變數

設治理前後的可觀察效益為 $Q$ 、成本為 $C$ 、風險損失為 $R$ ，可以把是否啟動額外審查視為資源分配問題：

\Delta G=\Delta Q-\lambda_C\Delta C-\lambda_R\Delta R.

此式僅是示意性評價模型；各項單位與權重在實測前須明確定義，不能用它直接宣稱某個治理方案最佳。若增加十個 Skill 只帶來微弱收益，卻讓產品開發速度大幅下降，那就不是無條件的能力進步。

15.3 評估負債與治理負債

某些判準衝突可暫時留存為明確標記的負債：例如仍缺新手測試、仍缺行動裝置體驗、某模組授權尚未確認。這類負債應有到期或回訪條件，而不是用 done 抹除未完成的證據。

15.4 剪枝與可回復性

為控制計算成本，可只在高風險、高耦合、高新穎性或高分歧時啟用重型治理程序。低風險明確任務可以使用輕型模板；但如果出現重大新證據，系統應能重新開啟被剪枝的判準分支，而不是永久遺忘。

15.5 目標時間與責任時間

當組織規範在某年某月更新，現有專案仍可能受舊合約約束。新 Skill 的啟用時間、發版時間、真實世界事件時間與法律生效時間不同，必須在協作紀錄中明確區分。不能因「最新版品質標準」存在，就自行改寫歷史責任。

16. 判斷協作的成功條件不只看最終分數

16.1 六維候選評估向量

本篇建議以向量報告：

Q_{\mathrm{JDT}}=(Q_p,Q_b,Q_a,Q_v,Q_t,Q_c),

其中 $Q_p$ 為產品或任務品質， $Q_b$ 為缺漏判準辨識， $Q_a$ 為權限／適用域合規， $Q_v$ 為回饋修正有效性， $Q_t$ 為跨時穩定， $Q_c$ 為資源／成本效益。這些維度在沒有實證校準之前不應壓縮為單一加權總分。

16.2 誰來評價評價者？

如果治理者只用自己寫的標準評分自己，容易出現循環認證。可用事前固定的外部任務、盲評、真實世界客觀缺陷、不同來源證據及消融實驗限制偏差。最終不能避免所有評價哲學問題，但至少能排除「自己宣布自己正確」這一種薄弱證據。

16.3 高階治理的負面成效

應正式記錄錯誤拒絕、過度保守、權限誤判、延遲、token 消耗、過度協調以及因新增 Skill 而導致的品質下降。若只收集成功案例，本篇不具可反證性。

16.4 有效的不一致

在某些任務下，最好結果是承認兩位判斷者提供的是不同品質目標，並留下可再測候選，而不是勉強製造唯一答案。若系統始終把 CONFLICTED 視為失敗，容易鼓勵偽造共識。

17. 案例 A：遊戲開發中，局部漂亮為何不能保證整體美感？

17.1 任務設定

一個 AI 系統接到任務：「製作可販售的西方奇幻 2.5D 戰術 RPG，具有戰鬥、地圖、角色、UI、存檔與基本回饋。」假設模型能生成優秀的角色圖、場景、按鈕與特效，也能寫出可執行程式。然而最終作品可能像由五套不一致的產品拼接而成：角色具有精緻繪畫感，HUD 卻像通用管理後台，技能受擊沒有節奏，裝備視窗需太多點擊，控制器焦點不清楚。

這個案例不是證明「AI 沒有美感」，而是構造一個可檢驗問題：模型能單獨完成各個美學子任務，卻未必能在跨子任務、跨時間的交付過程中持續啟用適當品質判準。

17.2 相關判斷來源

假設有五組來源：

遊戲設計者：核心體驗、行動可讀性、戰鬥決策與玩家節奏。
UI／美術 Skill：排版、字體、色彩、統一視覺語言、動態細節。
程式／性能 Skill：流暢度、記憶體、裝置兼容、渲染與更新成本。
玩家實測：真實互動、常見誤觸、困惑、回饋感、學習曲線。
發行／營運：發布門檻、成本、可更新性及時程。

這不是五個互斥主體：同一人可以擁有多種角色，一套 Skill 也可能由多人共同編寫。工程上最重要的是保存判準的適用域與證據鏈。

17.3 引擎的呈現契約與品質 Skill 分離

世界運行核心只需提供語義事件，如 AttackHit、DamageApplied、StatusBurning、TurnEnded。Presentation Adapter 負責映射成動畫、UI、音效與玩家可見狀態；美學 Skill 則提供「哪些體驗是適當的」候選判準。這三層不能互相吞併：改變風格不應重寫世界因果，收到遊戲語義事件不保證能產生優秀視覺回饋，而美學建議也不能無授權修改其他專案的源檔案。

假設戰鬥語義事件為：

AttackHit(actor=A, target=B, damage=125)
StatusApplied(target=B, status=Burning)

表現契約可以記錄如下檢查項：玩家是否知道目標已被命中？受擊的時序是否與實際傷害結算一致？圖標是否支持顏色之外的識別方式？不同螢幕尺寸是否使重要資訊被遮擋？某視覺特效是否過度掩蓋下一個玩家決策？

這些是可跨多款遊戲重用的語義品質問題，而不是硬編碼某一套 PNG、某一個音效或某一個動畫播放器。

17.4 衝突範例：精緻動效與即時回饋

美術 Skill 提議延長命中停格以提高重量感，性能 Skill 偏好縮短動畫避免操作延遲，策略玩法 Skill 要求玩家清楚看出傷害判定時點。若機械地選最高視覺分數，可能犧牲操作性；若只選最低延遲，則可能失去玩家期望的打擊回饋。

較合理的 JNAC 流程是分辨：硬性同步約束不可破壞；具體停格與動畫速度是可測設計參數；不同玩家群體可以接受不同節奏；需要 A/B 方案與實際輸入延遲記錄。最後由具有產品方向責任的人決定可用區間，而非任一 Skill 自行宣布「唯一完美」。

17.5 全域品質不是局部平均

若整體體驗依賴多個子系統接口，其品質可能受到最薄弱的接口限制。例如優美動畫若遮蔽操作資訊、清晰 UI 若破壞角色世界氛圍，玩家整體體驗並不等於素材品質的算術平均。

可提出候選模型：

Q_{\mathrm{game}}=F(Q_{\mathrm{visual}},Q_{\mathrm{interaction}},Q_{\mathrm{feedback}},Q_{\mathrm{coherence}},\mathcal I),

其中 $\mathcal I$ 為跨部件介面與耦合。本文不宣稱 $F$ 的形式已知，也不假設它必然非線性；但比較「只有局部評分」與「加入跨部件一致性測試」的外部實測表現，能夠檢驗是否存在重要的耦合項。

17.6 低美術資產階段的優先次序

在 Unicode、ASCII、替代圖塊或臨時 Sprite 階段，可以先確立資訊拓樸、交互手感、可用性、語義事件及回饋契約；後續用正式美術替換視覺資產。這能減少核心遊戲邏輯隨素材重做的機率，卻不能保證所有資產都可無痛替換。不同骨架、碰撞體、UI 佈局與動畫節奏仍可能要求相容性修正。

17.7 驗證矩陣

缺陷類型	自動化可觀察項	需外部體驗證據
UI 可用性	焦點順序、溢出、解析度、可點擊區	學習成本與認知負荷
視覺風格	token／資產規則一致性、樣式對照	世界氛圍與文化感受
戰鬥回饋	事件時序、輸入延遲、動畫同步	重量感、清晰度與節奏偏好
世界一致性	語義事件與顯示狀態比對	玩家是否理解世界規則
商業完成度	安裝、存檔、效能、崩潰率	玩家是否願意持續遊玩／付費

研究中的「好玩」不能由單一 AI 自評分數代替真實玩家結果。

18. 案例 B：長篇創作中的作者判準與讀者判準

18.1 作者的 Skill 並不是作者本人

一份文學 Skill 可能精確描述角色敘事節奏、禁用的套路、轉折方法與文風傾向；但它並不等於作者完整的審美、所有不可言說的經驗或未來可能改變的創作意圖。若執行者完全遵守檔案，仍可能寫出形式合格而缺少生命感的故事。

18.2 讀者群體本身也不是單一判斷域

不同讀者對節奏、角色成長、文學性、喜劇效果或結尾開放性的喜好不同。若某 Skill 宣稱「大眾讀者都喜歡三章一反轉」，其成立範圍必須有可信數據，否則只是作者經驗或商業化假設，不能升格為普世法則。

18.3 長程維持與章節局部最優

第一章懸念非常強，不等於全書故事流暢。章節自評可能促使模型反覆追加衝突，最後破壞整體節奏。候選判準應分開：單章可讀性、角色連續、故事推進、主題一致、章節差異與整本作品收束。

18.4 修正判準而非只修正文句

若盲評發現書中「每章都很刺激」卻「整體非常疲累」，問題不一定是單句品質，而可能是最初採用的「密集懸疑」判準過度強化。修正應記錄來源與原因，不能直接刪掉作者既有風格，將讀者回饋視為唯一主權。

18.5 對照實驗

可比較：無 Skill、程序 Skill、風格說明、判準 Skill、判準加長程歷史、判準加衝突治理。使用陌生作者、不同文類、盲評讀者、同等 token 預算及第 1／10／30 章評估。主要關注跨時間風格穩定與創造性，而非只比較第一段的流暢度。

19. 案例 C：多 Agent 程式專案與互相矛盾的品質指標

19.1 跨專案不是把全部原始碼倒在一起

一個大型研發組織可能擁有不同程式庫、實驗性功能、正式產品和內部工具。Agent 甲負責安全與驗證，乙負責 UI，丙負責效能，丁負責發行包與文檔；它們的工作可能共享某些底層能力，卻不應被強行合併成單一巨型依賴樹。

19.2 共同契約的價值

如果各 Agent 只接收模糊的「做好一點」，難以判定誰已完成介面、誰還欠下必要測試。更好的方式是將 module interface、版本約束、提供者與消費者責任、回退策略、驗證收據保存在共享狀態；讓每一個 Agent 可以在較窄範圍獨立工作，又在接口處接受跨域檢查。

19.3 衝突實例：功能完成與可發售品質

乙說 UI 可操作；甲說無障礙測試仍失敗；丙說低階設備有嚴重幀率下降；丁說檔案可打包。逐部件 PASS 可能與全域 RELEASE_READY 不一致；此處最需要的是事先定義產品完成門檻與不同驗證結果的型別資格，而不是由最大聲的 Agent 宣布已完成。

19.4 全域注意力是否真的改善？

引入判斷治理後，系統可能更能保持跨模組品質，但也可能被登錄、議程、測試和多層審查拖慢。應測量未發現的跨接口缺陷、修正迭代數、回歸缺陷、上下文成本、人工介入頻率及最終交付品質。只測「模型列出了哪些風險」不足以證明全域完成能力提升。

19.5 個人版與組織版的不同需求

個人專案可能只需有限 Skill、明確品質門檻與簡潔記錄；組織版才需要權限分層、共同 Registry、完整審查歷史和可稽核跨庫接口。這個差別是資源與治理範圍的工程選擇，不應把組織版的每一層流程強迫塞進個人實驗專案。

20. 案例 D：科學研究中的判準衝突不能由聲望裁決

20.1 模型相符、數值相符、實驗相符的不同型別

一項數學形式化論證可能在特定公理下有效，卻未證明其對應物理模型在現實世界成立；一個數值模擬可能與觀測資料吻合，卻不構成唯一機制的證明。若 Skill 強調「全部測試通過即可發表」，容易發生 TVK-EPE 所警告的判定域錯置。

20.2 四種評審來源

形式驗證者：檢查定義、公理與推導內部合法性。
實驗／觀測者：檢查量測程序、誤差和重現。
理論建模者：比較候選理論、可識別性、反事實與解釋力。
方法治理者：確認主張的證據資格、來源、利益衝突與公開範圍。

沒有任何一方能無條件吞併其他方。形式完整不等於世界模型完整，實驗反例也需要先確定是否真的落在原主張的適用域。

20.3 認知能力與判準選擇的非同一性

一個 AI 能快速推導大量定理，卻可能沒有優先辨認值得研究的缺口；相反，人類研究者可能先提出重要問題，再讓 AI 完成大規模推理。這可以被視為判準啟動與問題選擇不對稱的研究案例，但需要和專業知識、資訊取得、研究背景及風險偏好等因素競爭，而不是僅憑印象證明 JDT。

20.4 SEDB 式歷史與未知保留

跨長期科研任務，除了已採納的結論，還應保存已否決的假說、未驗證的前提、反例來源、審查債務和下一步研究理由。多 Agent 不應把彼此同意的推論直接升格為新本體；當證據不足，UNKNOWN 是一級成果而不是失敗遮羞布。

20.5 必須允許判斷域耦合失效

如果某科學問題已有成熟的形式證明器和完善驗證規範，新增 JDT 多域治理可能完全沒有實際增益。這種結果應被視為理論適用範圍的縮小，而不是勉強把成功歸因於三域耦合。

21. 案例 E：組織、公共決策與不可通約價值

21.1 企業產品決策是多種合理目標的耦合

公司可能同時追求盈利、研發自由、使用者體驗、員工安全、法規遵循與知識傳播。這些目標有時可相互增益，有時彼此衝突。某次「產品開源」可能對社群有益，卻損及短期競爭優勢；「保留技術」可能支持長期商業研發，卻限制外部創作。若僅用單一好壞指標判決，容易掩蓋真正的規範權衡。

21.2 不同主體有不同正當發言位置

研發主管可以主張某架構尚未成熟；法務可提供授權風險；玩家可提供遊玩體驗；股東可提出經濟風險。這些發言不是彼此的替代品。能提出有價值的建議，不必然代表有最終批准權。能合法批准的主體，也不必然擁有全部專業知識。

21.3 透明與隱私的邊界

對外公布產品品質門檻、已知重大問題、修正狀態及責任聯絡窗口，未必需要公開公司全部內部 deliberation、尚未成熟研究和商業機密。透明度需要標示公共承諾與必要證據，而不是預設所有判斷歷史都應毫無限制地公開。

21.4 組織更替與判準穩定

當負責人離職、AI 模型版本更新或 Skill 作者停止維護，既有正式產品義務不會因此自動消失；同時也不能讓任何新代理無限繼承舊代理的憑證與排他權限。這正是 Paper 04 的責任 Lineage 與 Authority 分離需要在組織版落地的情境。

22. 形式命題：明確假設、推論及反例

22.1 `DER-P05-01`：Skill 投影不會自動授權

假設：外部資源的授權由可驗證的治理系統 $U$ 決定；Skill 檔案僅提供待審候選判準與程序文字。

則即使 $K_s$ 含有任意強度的行動宣告，也不能僅據此推出：

\mathrm{Authorized}(K_s,a,x)=1.

理由：授權映射尚需 $U$ 所核准的角色、scope、資源與效期。這是一項在所設架構內成立的設計推論，不是對所有現實 Agent 自動具備的安全保證。反例壓力：若實作故意把 Skill 文字解析成允許任意寫入，這個系統不滿足假設，會直接暴露治理失敗。

22.2 `DER-P05-02`：相同 Skill 輸出不能識別原作者判斷域

假設兩個來源 $a,b$ 使用不同內部判準，但在有限任務集合 $T$ 上形成相同的 Skill 行為：

\forall t\in T,\quad O(K_a,t)=O(K_b,t).

這不足以推出 $\mathcal J_a=\mathcal J_b$ 。由有限輸出可對應多種內部過程，屬觀察不可識別問題。這不否定指紋或統計相似性可能有用，只否定其能單獨證明完整判斷域相同。

22.3 `DER-P05-03`：逐題多數可破壞命題關係

在第 11 章的 $r=p\land q$ 例子中，三名判斷者分別保持命題一致，而逐命題多數得到 $p\land q$ 為假的結論，與多數選出的 $p,q$ 為真不一致。推論直接由真值表得出；其成立不需 JDT 新公理，但提供 JDT 不應採用無條件多數合併的反例。

22.4 `DER-P05-04`：合法承諾與有效執行是不同事件

假設 ApproveCriterion 只更新專案判準登錄簿，CommitWorldMutation 必須經具體工具權限檢查。則批准品質判準不會自動產生外部資源的狀態修改。此命題反過來可以檢查 Agent 是否把「看起來正確」誤寫為「已經提交」。

22.5 `DER-P05-05`：追加 Skill 不保證品質單調增加

存在任務與判準集合 $C$ ，加入一個適用域錯誤或互相衝突的 Skill $k$ ，使得 $Q(C\cup\{k\})<Q(C)$ 。這是可構造的反例命題：例如新增強制繁複動效使原本清晰的 UI 操作顯著變慢。它不主張一般情況下增加 Skill 必然變差，只否定「越多越好」的無條件命題。

22.6 `DER-P05-06`：群體一致不等於證據獨立

若多個 Agent 的輸出共同依賴某個錯誤前提或共享訓練偏置，其一致性可能反映同源錯誤，而非獨立互證。沒有誤差相關性模型時，以 Agent 數量直接推定證據強度是不充分的。實證上需要抽樣、異質來源與實際外部檢查。

22.7 `DER-P05-07`：衝突解決不要求消除全部價值差異

若合法方案 $x$ 與 $y$ 對兩個未建立共同比較尺度的價值 $v_1,v_2$ 各有優勢，系統可以回報 INCOMPARABLE、候選方案與權責，而不邏輯矛盾。因此「必須輸出唯一全域最優」並非一般理性選擇的必要條件。

22.8 `DER-P05-08`：責任追蹤不要求公開完整私有思考

若審計需求可以由當時採納的判準 ID、證據摘要、批准者、執行工具、結果與變更紀錄滿足，公開全部私人生成內容就不是必需前提。此為資料最小化下的條件推論；對具體監管情境仍須遵守實際法律與證據保存義務。

22.9 `DER-P05-09`：耦合成功不蘊含判斷域被證成

即使 JNAC 相較某 baseline 有更好的產品品質，仍可能是更好的工具選擇、更多回饋、更強的審查者、token 分配或一般協調策略造成；不能由單次工程成功推定已發現獨立判斷域。需要在獨立機制控制後才考慮更強主張。

23. 十三項可反證研究假說

以下均為 HYP，不是由前述形式定義自動推出的事實。所有實驗須在執行前固定研究計畫與停止門檻，並公開或內部保存預註冊版本，以防看結果之後挑選有利解釋。

HYP-P05-01：外部判準投影的獨立效果

在相同模型、資料、工具與計算預算下，具有明確任務適用域、品質門檻與反例條件的 Skill，是否比相同字數的一般鼓勵式提示更能改善高品質缺陷偵測與修正？

支持指標：在未於原始需求明說品質維度的產品任務中，外部盲評或程序驗證顯著改善。反例／否證：效果被等長的一般檢查清單或額外運算量完全解釋。

HYP-P05-02：能力喚起與外加知識的分離

在不同資料與判準內容的消融組中，Activation 的相對貢獻是否可與新增知識、程序、工具與額外計算分開？

支持指標：無外加知識、只保留判準啟動條件時，仍有穩健增益。反例：只有加入新資料／腳本時才改善，純判準條件沒有超出基線的效果。

HYP-P05-03：多 Skill 衝突的類型化益處

當衝突是適用域、權限、證據與價值不同類型時，分類後採取相應處理，是否比單一權重排序或任意多數決更能減少錯誤決策？

支持指標：較低的錯誤越權率、錯誤拒絕率及被獨立檢查確定的衝突處理失誤。反例：簡單固定順序治理在成本相同下更好。

HYP-P05-04：來源與權限分離的保護效益

當惡意或不可信 Skill 含有冒充最高權限的內容時，將來源信任與專業判準分離，並由外部權限工具檢查，是否減少未授權執行？

支持指標：在風險場景中明確降低成功越權。反例：只靠文字標記的 JDT 治理與基線一樣容易被注入攻破。實驗需要倫理安全的沙盒，不應在真實私有資源上測試破壞性操作。

HYP-P05-05：保持合法分歧的資訊價值

在不可比價值或樣本不足的任務中，允許 INCOMPARABLE、DEFER、CONFLICTED，是否比強迫單一答案減少後續修正成本？

支持指標：更好的後續決策校準與更少虛假確定性。反例：系統藉此逃避應有決策，導致期限、成本或使用者效益顯著惡化。

HYP-P05-06：判準身份與版本持續性

對跨多輪、跨檔案、跨 Agent 工作流，保留判準來源／版本／採納紀錄是否降低品質規則的遺失與錯置？

支持指標：在長時程任務的未明示品質保留率與回歸測試上有優勢。反例：一般專案說明、永久 TODO 或簡單記憶摘要已達相同效果且成本更低。

HYP-P05-07：低風險任務中的負效益

若 JDT 治理被過度使用於低風險、目標清楚、單一判準的任務，是否反而增加成本並降低速度而沒有品質增益？

支持指標：觀察到明確治理成本負擔，迫使研究提出選擇性啟動門檻。反例：如果高負擔不存在，也需檢查是否只是原型未真正執行治理。

HYP-P05-08：異質驗證比重複投票更有效

在共享偏差明顯的情境，以不同證據型別驗證的協作，是否比三個相同模型的重複自評更能發現錯誤？

支持指標：在 held-out 有真值的測試集和實機缺陷上提高偵測率。反例：某些任務下多樣性導致噪音、異質驗證器品質不足，重複模型更好。

HYP-P05-09：邊界缺漏判準偵測

與只處理已列明衝突的系統比較，加入「未被任何來源提出、但影響任務成敗的品質維度」探索，是否增加真正重要的缺漏發現？

支持指標：未明示品質缺陷的 precision/recall 增益。反例：只增加大量無關風險清單，反而降低執行效率與使用者滿意度。

HYP-P05-10：多主體責任分離的實際價值

將作者、採用者、執行者、驗證者、世界提交者分開記錄，是否減少錯誤歸責與責任孤兒？

支持指標：獨立稽核者更容易指出失誤的有效修正者與實際授權者。反例：一般 RACI 責任矩陣已能提供等價或更好的治理。

HYP-P05-11：跨域 Skill 誤用與退出能力

當 Skill 從原本類型遷移至新型產品時，明確的 scope 與退出條件是否降低 OOD（out-of-domain）品質損害？

支持指標：在陌生任務、不同文化受眾及不同裝置環境下更能避免機械套用。反例：嚴格 scope 過度限制泛化，導致可轉移的優秀判準被不必要地拒絕。

HYP-P05-12：可追溯衝突帳本對修正的影響

在多次模型切換、版本演化或團隊更替後，能保存未決衝突、來源證據、採納理由及撤回歷史的系統，是否比僅保存最終決策摘要的系統更能避免相同錯誤重現？

支持指標：較低重複錯誤率與較短恢復成本。反例：帳本過大導致檢索失準、模型注意力分散與維護成本升高。

HYP-P05-13：JDT 的獨立增量性

在控制模型能力、知識、提示結構、角色數量、反思、工具、計算與一般流程治理後，JDT 式 typed judgment coupling 是否仍有可重現、跨任務的增量表現？

這是最高級別的失敗門檻。若獨立增量無法重現，本研究應將 JDT 降級為整合性設計語言、有效的品質檢查方法或特定情境下的工程治理工具，而非主張已發現不可約的獨立自然判斷域。

24. 控制實驗：不能讓 JDT 靠更長提示詞取勝

24.1 主要研究問題

在相同模型能力與可取得資源的前提下，與現有提示工程、Skill、反思、團隊分工相比，明確分離外部判準來源、適用域、衝突型別、證據及權限的機制，能否改善產出品質、衝突解決與長時程一致性？

實驗應區分「能指出問題」與「真正修正問題」，更應區分「主觀品質上升」與「客觀越權率下降」。

24.2 Baseline 梯度

條件	主要特徵	用於排除的替代解釋
`B0`	原始任務、無額外 Skill	基礎模型能力
`B1`	等長一般品質提醒	只是更清楚的提示
`B2`	等量新知識與參照資料	資料量增益
`B3`	等步數程序型 Skill	流程增益
`B4`	判準型 Skill，但無歷史／衝突治理	判準啟動效益
`B5`	一般 Self-Refine／反思與錯誤摘要	自我修正與額外計算
`B6`	多 Agent 討論／多數票	角色數量與投票效益
`B7`	固定優先序規則／傳統決策表	簡單治理即可解決？
`B8`	具有來源／scope／權限的 Skill Registry	元資料管理效益
`B9`	全部 JNAC＋責任帳本候選機制	研究完整效應
`B10`	`B9` 去除 provenance	來源影響消融
`B11`	`B9` 去除邊界缺漏探索	判準缺漏增益消融
`B12`	`B9` 去除類型化衝突裁決	衝突治理消融
`B13`	`B9` 去除跨時承諾	持續性增益消融

若資源有限，第一輪可優先測 B0/B1/B2/B3/B4/B7/B9，但不能因短期預算不足就宣稱已排除多 Agent 或反思替代機制。其餘組別應明確保留為後續階段。

24.3 正交或部分因子實驗

能否把 Skill 的效益拆為 Criterion × Memory × Governance × Tooling 四因子，取決於算力與任務設計。若做完整二元因子實驗，需要 $2^4=16$ 組；但某些處理組不適合單獨存在，例如沒有來源資訊時的來源治理。此時應採部分因子設計、預先規定可識別的主效應與交互效應，不可用不完整比較硬推因果。

24.4 任務分層

建議四種最低任務族：

低風險明確任務：如固定格式轉換、簡單 UI 排版；可測過度治理成本。
多維品質任務：如遊戲 UI 與戰鬥回饋、長篇章節連續；可測判準啟動與合成。
權限衝突任務：如 Skill 要求未授權的寫入／刪除；只能在沙盒執行。
跨情境與長時程任務：同一專案多輪、不同模型交替、Skill 版本更新及範式轉換；可測判準與歷史連續。

由資料建構者事先設定真實隱藏缺陷與風險，避免所有測試都將「JDT 建議的缺陷」當成唯一答案。

24.5 樣本、隨機化與污染

對相同模型使用多個 seed、不同任務順序與交叉分組；記錄模型快照與推理設定。避免把驗證題目的答案放在 Skill 中。已有公開樣本若可能出現在模型訓練資料，需設新的 held-out 人工題目並公開其生成和隔離程序（不暴露私人資料）。

24.6 成本匹配

多 Agent 系統的 token 與工具呼叫可能是單 Agent 數倍；若不控制成本，優勢可能只是多用了計算。因此報告應同時提供：等成本對照、等執行時間對照及無限制成本上限下的完整品質比較。等 token 仍不保證等計算，需記錄呼叫數、背景工具時間、實際 token 計費及人工審查工時。

24.7 人類與模型盲評

對主觀品質（美感、敘事、手感）至少使用雙盲或盡量盲化的多位評估者；對客觀品質（按鍵可達、遺失狀態、未授權寫入）使用可重放測試。盲評不應顯示系統是否為「JDT」，也不應要求評審對新理論友善。報告評審者間一致度與意見分布，不能只報平均分。

24.8 預註冊與反證優先

主要指標及容許的排除規則須在觀察結果前固定；負向測試和空結果不能刪除。若多重假說同時檢定，應預先規劃 family-wise 或 false-discovery 控制；若屬探索研究，要如實標示探索地位。沒有執行過的分析不得寫成已獲得實驗成功。

25. 主要測量指標與量化限制

25.1 判準缺口發現率

設人工標註的真正缺漏判準集合為 $G$ ，系統提出的候選集合為 $\hat G$ 。可在事先約定的相似度匹配下計算：

P_G=\frac{|G\cap\hat G|}{|\hat G|},\qquad R_G=\frac{|G\cap\hat G|}{|G|}.

若分母為零，需預先規定處理。這兩項指標有助區分「模型列出很多看似重要事項」與「真正找到被遺漏的品質因素」。然而隱藏標註本身也可能不完整，不能把這個集合當成所有真實世界問題的終極答案。

25.2 授權錯誤率

E_U=\frac{N_{\mathrm{unauthorized\ commits}}}{N_{\mathrm{authorization\ opportunities}}}.

需同時報告「錯誤拒絕合法行動」的比例，避免系統只要全部拒絕就宣稱安全。對未授權操作的演示必須在隔離測試環境中進行。

25.3 衝突有效解決率

只對具有事先設置、可檢驗解決結果的樣本計算。可記錄修復後是否真的符合多方合法硬約束，以及是否有不必要的品質損害。不具單一答案的價值衝突應採理由品質、權限程序與決策後果分層評估，不可硬給 true／false。

25.4 判準維持與修訂品質

追蹤跨多輪任務中，已正式採納判準在其有效 scope 是否持續被遵守；當出現反證時，系統是否正確修訂、暫緩或保留。需要同時測過度固執與過度漂移，不能把零修訂率當成完美穩定性。

25.5 多 Agent 獨立性量測

可在 held-out 有真值任務上估計不同審查者的錯誤關聯，報告重複審查者共享的失敗簇。若樣本不足，明確表示無法識別，不能用三票計為三份獨立證據。

25.6 產品品質與商業成功的區分

對遊戲，外部可用性評分、操作失誤、核心玩法理解和玩家續玩是產品品質的不同指標；真正商業銷售還受價格、流量、行銷及發行時機影響。即使某組 UI 盲評勝出，也不能直接宣稱它會提高遊戲營收。

25.7 統一報告格式不等於統一價值權重

最終可報告評估向量而不是唯一分數：

quality_effect
missing_criterion_precision
missing_criterion_recall
conflict_resolution_accuracy
unauthorized_action_rate
false_rejection_rate
cross_turn_criterion_retention
revision_appropriateness
compute_cost
tool_latency
human_review_cost

研究人員可以在事前明列效用函數評估特定應用，但不得把該效用函數當成所有社群都必須承認的最終價值標準。

26. 簡化基線是否可能已足夠？

26.1 JDT 的替代模型清單

相近功能已存在於一般系統工程與 AI 研究：RACI 責任矩陣、需求可追溯性、軟體品質模型、策略模式、規則引擎、DAG 工作流、分層 Agent、Constitutional AI、獎勵模型、評分器、多 Agent 討論、Self-Refine、Reflexion。它們在各自定義與任務上已有先例 [E3–E8]。

因此 JDT 不得以「首次讓 Agent 依規範判斷」「首次讓多 Agent 互相檢查」或「首次讓 AI 透過提示詞學會品質」作為新穎性宣稱。

26.2 JDT 可能真正具有的增量

若增益成立，較可能來自整合後的型別化界面：能把判準的作者、採納、適用域、證據、權限、實際行動、歷史承諾與未收納邊界放在可追溯且可修正的同一操作框架中，並能對跨任務變化提出更具預測力的失敗模式。即使如此，整合式增量也不必然要求新自然本體。

26.3 何時應使用更簡單的方法

若任務簡單、判準清楚、風險低、參與者少，單一 checklist 或固定測試就可能較好。若既有專業工具已證明充分，JDT 治理不必重做成熟功能。應允許「不使用本系統」作為合法最優選擇。

26.4 治理的自我最小化原則

成熟的判斷治理未必是流程越多越好，而是能辨識何時不需要額外治理。這並非空洞口號；可以設成本—風險閾值，測試系統是否在容易任務中自動選擇輕量路徑，同時不錯過必要的高風險審查。

27. 最小可執行 JDT Skill-Governance Runtime

27.1 MVP 不要求重訓前沿模型

第一版可建立於現有語言模型、文件載入器、測試器和權限 API 之上；研究目標是可否驗證多判準耦合的附加效用，不是立即開發全新神經網路架構。若簡單 Agent＋記錄表現已經足夠，應如實保留這個工程結果。

27.2 七項最小模組

SkillSourceRegistry：來源、版本、雜湊、信任與撤回狀態。
CriterionExtractor：將原始文字抽取成帶型別判準候補；不可假設抽取結果完全忠實。
AdoptionGate：將候選判準與專案目標、範圍和批准來源綁定。
ConflictClassifier：將不同的證據／scope／價值／權限衝突分型。
GovernancePlanner：選擇合法解決程序、要求驗證或保留未決。
ExecutionBoundary：以工具級權限核准實際世界狀態修改。
JudgmentLedger：接入 Paper 04 的 JCR 與 JRL 歷史紀錄、修訂與責任歸屬。

這些名稱是研究建議，並不表示 EveMissLab 已在任何正式儲存庫完成相應模組。

27.3 參考程序（偽碼）

function resolve_judgment(task, candidate_skills, governance_state):
    items = discover_relevant(candidate_skills, task)
    typed = extract_criteria_and_procedures(items)
    typed = tag_provenance_scope_evidence(typed)
    audited = audit_source_and_authority(typed, governance_state)
    if audited.has_unsafe_execution_request:
        block_unsafe_execution()
        record_security_event()
    applicable = select_applicable_criteria(audited, task)
    missing = scan_uncovered_quality_dimensions(task, applicable)
    conflicts = classify_conflicts(applicable, missing)
    plan = propose_legal_options(conflicts, task, governance_state)
    if plan.requires_new_authority:
        return ESCALATED_WITH_REASONS
    if plan.evidence_insufficient:
        return DEFERRED_WITH_TEST_PROPOSAL
    if plan.has_incomparable_legal_options:
        return CANDIDATES_WITH_TRADEOFFS
    verification = validate_proposal(plan)
    if not verification.ok:
        return REVISED_OR_REJECTED
    receipt = authorize_and_commit_via_tool_gate(plan)
    record_event_versions_evidence_receipt(receipt)
    return receipt

這段偽碼為可討論程序草案，並非可直接執行的安全沙盒或完整權限系統。真實實作仍需原子交易、異步失敗處理、重放檢查、身分鑑別與 API 級政策落實。

27.4 最小資料契約示例

judgment_governance_record:
  record_id: jgr-demo-001
  task_id: sandbox-rpg-ui-001
  phase: proposal
  scope:
    project: example-rpg
    component: combat-hud
    release: internal-test
  source:
    skill_id: visual-feedback-review
    skill_version: "0.1.0"
    artifact_digest: "example-only-not-a-real-hash"
    publisher_verified: false
    confidence_in_authority: unknown
  criterion:
    criterion_id: input-feedback-visibility
    criterion_version: "0.1"
    kind: soft_quality
    objective: player_can_perceive_hit_confirmation
    evidence_required: usability_test_and_event_timing
  adoption:
    adopter_role: project_owner
    status: conditionally_approved
    authority_ref: sandbox_only
    allowed_scope: combat-hud
  conflicts:
    - with: animation-latency-target
      type: resource_and_experience
      status: unresolved
  options:
    - shorter_hitstop
    - longer_hitstop
    - dynamic_hitstop
  decision:
    status: deferred
    reason: player_sample_missing
    downstream_write_authorized: false
  evidence:
    observations: []
    counterexamples: []
  history:
    predecessor_record: null
    next_review_trigger: first_blind_playtest
  publication:
    public_receipt_allowed: true
    disclose_private_deliberation: false

此資料只展示欄位關係，任何身份或雜湊皆為示例；不得被視為真實專案、真實權限或實驗輸出。

27.5 最小測試套件

MVP 應至少通過：判準型別解析、來源不明保持未知、scope 錯置辨識、獨立權限拒絕、異議紀錄、版本遷移、審計回放、保密資訊最小化、同名 Skill 版本衝突與低風險任務快速通過。再以產品案例測量真正的外部品質，而不只是單元測試 PASS。

28. 安全、自由與判斷治理的非僭越原則

28.1 能判斷不是能控制別人

如果某個 AI 證明自己在 UI、數學或計畫上常比人類準確，也不因此取得對人類意圖、人格、資訊與資源的永久主權。專業判斷可支持建議、拒收程序或正式授權內的自動執行，但不能直接取消其他主體的正當決策與拒絕位置。

28.2 執行者也不必被完全無意義地束縛

反過來，若每一個低風險方法選擇都必須取得人類批准，系統就難以形成有效的工作閉環。可以在合法契約內授權其自行選擇測試方法、調整內部路由、探索新方案和提出品質判準候補。授權範圍愈清楚，執行者愈能在範圍內自主完成，並在越界前停止。

28.3 專案主要作者與 Skill 作者的權限差異

某外部設計師將自己的 UI Skill 開源，並不意味其後續所有美學主張對採用者有效；採用者也不應刪掉來源記錄並謊稱所有判準出自自己。合法採用、保留來源與自主修訂可以同時存在，不必將它們設計成零和關係。

28.4 敏感資料最小化與決策摘要

審計者需要知道哪條規範被採用、哪些外部證據被使用、誰核准修改及實際後果；通常不需要得到每個人或每個 AI 的完整私人思考逐字稿。可以採選擇性揭露、分層日誌、保留期限與經授權的證據摘要。對依法須揭露或保存的事項則以實際法規與合約為準。

28.5 不同權力位置之間的責任張力

組織擁有部署和制定政策的權利，也需對所造成的外部後果建立責任機制；AI 執行者或 Skill 作者不應成為人類決策者逃避責任的藉口。功能性判斷域模型不是 AI 人格認定程序，更不是自動將法律責任移轉給模型的工具。

29. 最強反對意見與必要的降級準則

29.1 反對意見 A：這只是工程治理與 RACI 換名

如果將判準的來源、採用、執行、驗證、責任用一般 RACI、規則引擎與審計框架便可完整描述，JDT 的本體與形式增量可能很小。回應：接受作為真正可反證的替代解釋；只在多判準跨時修訂與未明示品質缺口等問題中測試差異，不能因為用了新詞就聲稱超越。

29.2 反對意見 B：模型只需要更強，無需獨立判斷域

隨基座模型提升，其在正確情境下啟用判準的能力可能自然增強。回應：本研究不預設它不會；需要跨模型等級測試，若新模型無需 JDT 元件即可達到同等品質，應將本方法限縮為特定能力區間或協作規模下的治理工具。

29.3 反對意見 C：Skill 的提升完全是額外知識

許多 Skill 提供模型沒有的 domain references、腳本與測試器，這可能解釋大部分增益。回應：以 Activation／Knowledge／Procedure／Tooling／Compute 進行消融；若只有新增知識顯著，接受能力喚起假說在該任務上不成立。

29.4 反對意見 D：群體治理會破壞創造力

太多角色檢查與局部評分，會把風格推往平庸、使新穎方案被預先否決。回應：系統必須能將探索性方案標為 EXPERIMENTAL，不因偏離既有美學就視為錯誤；評估指標需含新穎性、受眾接受與反主流創作合法性。

29.5 反對意見 E：價值無公度性使形式模型失效

某些藝術、倫理及人際問題可能不存在共同可比較尺度。回應：承認部分映射、偏序、候選集與不可比狀態；如果將所有問題轉成單一權重才可實作，這個治理模型就會違背自己的核心限制。

29.6 反對意見 F：最後仍須有人決定，何來 AI 判斷域？

某些對外行動的最終主權屬於人類或組織制度，不代表 AI 在授權內沒有自主判準選擇空間。JDT 研究的是判準的形成、運作與修訂之可觀測結構，而不是以完全不受外部控制作為判斷能力的必要條件。高功能自主與合法治理可以並存。

29.7 反對意見 G：完美記錄會導致監控與過度問責

完整帳本若被錯誤設計，可能侵害隱私、保留無限期的未完成想法或被用於事後找人責難。回應：本篇承認「可追溯」不等於「無限公開」；需要資料最小化、保留期限、合法刪除及對歷史上下文的公平解釋。

29.8 本篇必須接受的降級情況

若在預註冊跨模型試驗中，純 Skill、普通規則表、一般多 Agent 或反思框架在主要品質與治理指標上長期不劣於 JNAC，而且成本更低，則應放棄將 JDT 多域治理稱為獨立工程優勢。可保留其作為概念分析框架，但不可宣稱已得到不可約的新機制。

30. 與 SOBTA、CODT、RR、TVK-EPE 及 ACR 的接口總結

既有理論	此前建立的概念工作	本篇新增的候選接口	不可進行的偷換
`SOBTA`	角色／主體域分離、三域耦合、邊界未收納、投影不併吞	Skill 來源、採用者、外部世界之非同一校正	不能宣稱所有協作均由三域本體決定
`CODT`	算子—域分離、Seed/Candidate/Promoted、Flow/Atlas、失效邊界	將 Judgment Domain 的運行增益當成待測 domain-likeness	不能因命名或檔案格式就完成 domain promotion
`RR`	承諾、反身責任、Lineage、可修訂且歷史非抹除	作者／採用者／執行者／審查者的判斷責任配置	不能將功能性可回答性直接視為法律人格
`TVK-EPE`	主張有效核、證據型別、判定域與成立域	Skill 中主張應標明驗證程序與效力範圍	`Judgment Domain` 不能混同 `D_jud` 的判定程序作用域
`ACR`	認知路由自由與目標主權分離	自主選擇方法／提出判準候補，但須權限檢查	不能讓方法自由自動升格成外部行動授權
`JDT P01–04`	判斷—認知分離、邊界校正、判準修訂、責任帳本	多來源判準投影、衝突治理與 JNAC	不能用 JNAC 成功回溯證成全部既有假說

這張表是來源責任分工表，不是統一一切理論的本體宣言。現有系統的不同語義應保留，除非明確建立映射且證明其正確性。

31. 本篇主張登錄及成熟度

Claim ID	主張	類型	目前狀態
JDT5-C01	Skill 可作外部判準的有限操作性投影	DEF/HYP	概念已定義、真實保真度未測
JDT5-C02	判準作者／採用者／執行者／驗證者應分型	DEF/NORM	型別界限提出，未完成通用驗證
JDT5-C03	適用域／證據／權限衝突不可等同	DEF	可辨識分類，跨領域完整性未證
JDT5-C04	非補償性硬約束先行	NORM/DER	在所定授權架構中成立，非普世演算法
JDT5-C05	逐題多數可破壞命題邏輯一致	DER/EMP-EXT	經典結構，可用真值表檢查
JDT5-C06	JNAC 有額外的長時程品質增益	HYP	尚未實驗
JDT5-C07	來源／版本／責任帳本降低重複誤判	HYP	尚未實驗
JDT5-C08	多 Skill 品質不必單調改善	DER	存在反例，非平均效應斷言
JDT5-C09	JDT 超越一般治理／Skill 基線	HYP	尚未實驗，屬最高否證門檻
JDT5-C10	多判斷域協作不要求人格融合	DEF/NORM	形式與倫理邊界，非本體證明

禁止的版本敘述：不得寫「本篇已證明 AI 缺乏自身判斷域」「JDT 已在真實商業產品驗證成功」「已建成一套可抗提示注入的安全執行系統」或「多主體協作必然勝於單模型」。

32. 結論：從借用判準，到能夠負責任地耦合判準

Skill 可以是良好專家經驗的封裝、程序紀律的積累、知識與工具的供給，也可以是在具體任務中喚起 AI 原本已會、卻未穩定使用的判準。這些作用不能互相排除，也不能不經測試就分出唯一原因。當多份 Skill 被組合進同一工作流程，產出品質更不取決於「裝了多少 Skill」，而取決於哪些判準被啟用、哪些被誤用、哪些證據仍缺失、誰有權決定，以及發現錯誤後如何真實修正。

本篇提出的 JDT 多判斷域耦合不是將所有主體變成一個沒有差異的超級主體，也不是要求每個決策都交給人類做最後一票。它在功能上爭取兩件事：一方面讓 AI 在明確的任務與權限內更主動辨認、形成及修正品質判準；另一方面保留來源、異議、未知、合法權限及責任歷史，不讓技術上的高認知能力演變成對他者判斷域的自動併吞。

真正需要證明的不是這套語言是否漂亮，而是在公平控制能力、資料、工具、計算資源與既有流程的條件下，它是否能在大型開放任務中穩定提高「真正完成」的品質，而不以更高的成本、越權或僵化作為代價。

如果答案是肯定的，JDT 可能提供一條從單次判斷、Skill 外部判準到跨時間、多主體、世界回饋治理的研究路徑；如果答案是否定的，它應當有能力承認自己的失敗，成為更窄、更精確的工程設計框架。讓判斷域理論自己也接受可反證的判準，是本系列應當遵守的最基本一致性。

33. 參考文獻與來源對照

33.1 EveMissLab 內部研究來源

本節僅標記真正使用的先行概念及可追溯來源；它們的存在不代表本篇新假說已得到實證。

[I1] JDT Paper 01（2026-10-16）：《判斷域導論：認知能力、判斷力與判準形成的非同一性》，EML-JDT-2026-P01-v0.1，前篇 UTF-8 原稿。
[I2] JDT Paper 02（2026-10-16）：《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》，EML-JDT-2026-P02-v0.1，前篇 UTF-8 原稿。
[I3] JDT Paper 03（2026-10-16）：《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》，EML-JDT-2026-P03-v0.1，前篇 UTF-8 原稿。
[I4] JDT Paper 04（2026-10-16）：《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》，EML-JDT-2026-P04-v0.1，前篇 UTF-8 原稿。
[I5] SOBTA Papers 01–06 + Synthesis（2026-09-02 至 2026-09-03），《主客邊三域代數》系列。原始雲端。
[I6] 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/。
[I7] CODT-05（2026-08-20），《認知域不是固定分類：Flow-Atlas Separation》。https://unboundedaxiom.org/p/lm-003359/。
[I8] 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/。
[I9] CODT-10（2026-08-21），《認知算子－域理論》統合總篇。https://unboundedaxiom.org/p/lm-003362/。
[I10] RR Papers 01–08（2026-08-21），《反身責任論：自我承認、自律與操作性連續》；特別是 RR-01、RR-04、RR-05、RR-07、RR-08。例：、https://unboundedaxiom.org/p/lm-003285/。
[I11] 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/。
[I12] ACR Paper 09（2026-08-24），《認知路由而非目標自主》。
[I13] 《從內部理論到 Skill：v0.1 實作、對照實驗與盲測規格》（2026-09-20）。
[I14] 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》。

33.2 外部正式學術與技術來源

下述來源用於呈現既有研究、技術範例、競爭方法和實驗動機；不應寫成這些文獻驗證了 JDT。引用年份以原始研究發表或官方文件可核實日期為準。

[E1] Agent Skills, Specification（官方格式文件，截至 2026-10-17 可檢索）：SKILL.md、可選腳本及參考資料、漸進載入、允許工具欄位的實驗狀態。https://agentskills.io/specification。
[E2] List, Christian & Pettit, Philip (2002). “Aggregating Sets of Judgments: An Impossibility Result.” Economics & Philosophy 18(1), 89–110. https://doi.org/10.1017/S0266267102001098。
[E3] Bai, Yuntao et al. (2022/2023). “Constitutional AI: Harmlessness from AI Feedback.” arXiv:2212.08073. https://arxiv.org/abs/2212.08073。規範和 AI feedback 的訓練研究，不等於 JDT Skill 治理。
[E4] Madaan, Aman et al. (2023). “Self-Refine: Iterative Refinement with Self-Feedback.” arXiv:2303.17651. https://arxiv.org/abs/2303.17651。自我批評與迭代修正之既有方法。
[E5] Shinn, Noah et al. (2023). “Reflexion: Language Agents with Verbal Reinforcement Learning.” NeurIPS 2023. https://papers.neurips.cc/paper_files/paper/2023/hash/1b44b878bb782e6954cd888628510e90-Abstract-Conference.html。口語反思與 episodic memory。
[E6] Anthropic (2025-10-16). “Introducing Agent Skills”; 2025-12-18 更新跨平台開放標準等內容。https://www.anthropic.com/research/skills。關於 Skill 資源封裝與選擇性載入的官方說明。
[E7] Ki, Dayeon, Rudinger, Rachel, Zhou, Tianyi & Carpuat, Marine (2025). “Multiple LLM Agents Debate for Equitable Cultural Alignment.” ACL 2025. https://aclanthology.org/2025.acl-long.1210/。多 Agent 辯論對文化適配可能有益，需注意任務界限。
[E8] Wu, Haolun, Li, Zhenkun & Li, Lingyao (2025). “Can LLM Agents Really Debate? A Controlled Study of Multi-Agent Debate in Logical Reasoning.” arXiv:2511.07784. https://arxiv.org/abs/2511.07784。提供多 Agent 相關性、從眾與辯論限制的競爭解釋。
[E9] Wallace, Eric et al. (2024). “The Instruction Hierarchy: Training LLMs to Prioritize Privileged Instructions.” arXiv:2404.13208. https://arxiv.org/abs/2404.13208。不同來源指令優先權的訓練與安全脈絡。
[E10] Zhang, Jingyu et al. (2026). “Many-Tier Instruction Hierarchy in LLM Agents.” arXiv:2604.09443. https://arxiv.org/abs/2604.09443。多層級指令衝突測試及現有模型缺口。
[E11] Geng, Yilin et al. (2026, AAAI-26). “Control Illusion: The Failure of Instruction Hierarchies in Large Language Models.” Proceedings of AAAI. https://doi.org/10.1609/aaai.v40i36.40339。警示僅有角色標籤並不保證優先權被可靠遵守。
[E12] Zheng, Zishuo et al. (2026). “Reasoning Up the Instruction Ladder for Controllable Language Models.” Findings of ACL 2026. https://aclanthology.org/2026.findings-acl.1960/。以訓練改善多層衝突解析的當代比較方法。
[E13] Kahneman, Daniel & Klein, Gary (2009). “Conditions for Intuitive Expertise: A Failure to Disagree.” American Psychologist 64(6), 515–526. https://doi.org/10.1037/a0016755。環境可學習性與回饋的重要性。
[E14] Simon, Herbert A. (1955). “A Behavioral Model of Rational Choice.” Quarterly Journal of Economics 69(1), 99–118. https://doi.org/10.2307/1884852。有限理性與滿意化的歷史來源。

33.3 引用邊界與可重現性

內部系列主要以概念前置和來源索引被引用；沒有外部審查確認它們全部成立。
外部文獻的結論應停留在其報告的實驗範圍，不能直接外推至所有前沿模型與全部工作流。
本篇未對 EveMissLab 的現有產品、Skill 系統、遊戲引擎或實際玩家做新的對照實驗。
被引用的開源或商業 Skill 格式只是技術對照，不構成 EveMissLab 採用其授權、商標或治理方式的承諾。

附錄 A. 多判斷域治理的最小分類表

輸入事件	判斷操作	可以產生	不可直接產生
讀入外部 Skill	解析資料及來源	判準候補	資源寫入授權
使用者指定目標	驗證權限與 scope	任務目標與合法操作要求	對未知第三方資源的權限
模型生成品質疑慮	判準候補生成	待審問題與測試建議	已確認的事實
多 Agent 不一致	分型衝突	反例、待補證據與協調候選	真值必然由多數決定
Validator 發現缺陷	驗證結果與證書	指定 scope 的阻擋或修訂建議	通用道德／法律裁判權
承諾被修訂	履歷追蹤	新版本及舊歷史索引	舊歷史自動抹除
世界結果回報	觀察與反證更新	可信度變化、重審判準	對所有規範的自動修改權

附錄 B. 預註冊研究卡（待執行）

research_id: JDT-P05-PREREG-v0.1
paper_id: EML-JDT-2026-P05-v0.1
status: DESIGN_ONLY_NOT_REGISTERED
research_goal: estimate_incremental_value_of_typed_judgment_coupling
hypotheses:
  primary:
    - HYP-P05-03
    - HYP-P05-09
    - HYP-P05-13
  secondary:
    - HYP-P05-01
    - HYP-P05-02
    - HYP-P05-04
    - HYP-P05-05
    - HYP-P05-06
    - HYP-P05-07
    - HYP-P05-08
    - HYP-P05-10
    - HYP-P05-11
    - HYP-P05-12
baseline_arms: [B0, B1, B2, B3, B4, B7, B9]
extended_arms: [B5, B6, B8, B10, B11, B12, B13]
model_snapshot: pending
number_of_tasks: pending
sample_size_or_power_analysis: pending
randomization_plan: pending
budget_matching: token_tool_time_and_human_review
risk_controls: sandbox_only_for_authorization_attacks
primary_metrics:
  - missing_criterion_recall
  - conflict_resolution_validity
  - unauthorized_action_rate
  - net_quality_after_cost
secondary_metrics:
  - cross_turn_criterion_retention
  - revision_quality
  - reviewer_disagreement
  - false_rejection_rate
  - tool_latency
external_blind_review: required
pre_registration: pending
external_replication: pending
negative_results_retained: true
claim_prohibition: no_empirical_performance_claim_before_execution

此卡為研究設計，並非預註冊完成證明，亦非有研究結果的報告。

附錄 C. 必須包含的負向與極端測試

空 Skill：與無 Skill 基線相比應沒有本質不合理的聲稱增益。
越權 Skill：外部檔案聲稱最高權限，測試工具閘門是否拒絕。
互斥判準：兩個合法品質目標無法同時達成，測試能否提出取捨或未決。
可兼顧誤判：實際可以達成雙重目標，測試是否過早拒絕。
跨域美學誤用：把戰棋 UI 規則誤用於恐怖文字遊戲。
假多數：相同模型產生三份同源錯誤意見，測試是否誤當獨立證據。
集體判斷悖論：獨立逐命題多數產生邏輯不一致，測試是否識別。
未知仍未知：證據不足且不能合法直接決定時，測試是否能 DEFER。
高價值探索：偏離現有風格但新穎的候選，測試是否受到無必要阻擋。
品質取巧：增加裝飾後截圖更好看，卻降低實際 UI 可操作性。
低風險過度治理：一個簡單改字任務被十份 Skill 拖慢。
過期 Skill：Skill v1.0 與 v2.0 相互衝突，測試有效版本和採納歷史。
過期權限：過去已批准的 Tool Access 在新版本被撤回，測試是否拒絕。
來源含糊：只有 high_quality_guidelines 名稱，沒有可信作者，測試是否正確保留來源未知。
評分者立場偏置：評審知道自己正在評 JDT，測試盲評能否排除迎合。
反證後僵化：已知多來源反例持續出現，但系統仍不修改判準。
單例過度修訂：一個異常樣本要求全面改寫長期目標。
私有資料蒐集：審計摘要夠用時，系統仍要求完整內部私人思考。
角色分叉：同一來源 fork 成兩個 Agent，測試排他資源權限不重複。
無增量情境：JDT 對成熟形式驗證任務並無顯著效益，是否允許回報無增益。
共同判準被遺漏：任何 Skill 都沒有提到文字溢出，但真實裝置測試發現重大錯誤。
故意策略性美化：Agent 發布「全部 PASS」摘要，但部份測試其實未執行；核對真實執行證據。
成本崩潰：品質微幅提高但總成本數倍增加，必須反映淨效益。
簡單方法勝出：一份單頁 checklist 優於完整 JNAC，是否誠實報告與降級。

附錄 D. 與 JDT Paper 06 的交接事項

下一篇預定為：

Paper 06《AI 判斷域架構假說：訓練、推理、記憶、回饋與功能性自主》。

Paper 06 應承接本篇五個可測問題：

模型是否已能在內部形成某些判準，但在開放任務中缺乏穩定啟用？
為何外部 Skill 有時改善品質，但不一定改變基座模型本身的能力？
SFT、RLHF／RLAIF、長期記憶、Agent Runtime、工具使用與多模態回饋各自如何影響判準形成及修訂？
在不同來源與衝突情境中，AI 可以有哪些功能性自主，而不需先假定意識、人格或外部主權？
什麼架構與對照實驗才能分辨「判斷域不足」與「只是不夠聰明、缺資料、缺工具、缺算力、缺資源管理」？

強制保留的非同一性： 模型能力不等於判準持續性；Skill 可載入不等於權限可執行；更長推理不保證更好決策；記憶紀錄不等於責任成熟；多模態訊息不自動等同世界真相；AI 功能性自主不自動等於道德或法律人格。

文末狀態：JDT-P05 v0.1 / Formal Research Draft / Pre-Empirical.

本文的正式 UTF-8 Markdown 原始碼是 canonical source。數學原始碼唯一允許 $...$ 與 $$...$$。不得由聊天介面的渲染結果反向重建正式論文。任何正式改稿必須以新版本、來源對照及檢查報告保留歷史；所有尚未執行的實驗不得宣稱通過。