title: 策略如何被後代繼承：意識形態、規範傳遞與博弈再生
english_title: How Successors Inherit Strategies: Ideological Transmission, Normative Succession, and the Reproduction of Games
series: 跨代恩義與策略繼承博弈
series_en: Intergenerational Reciprocity and Strategy-Inheritance Games
series_code: CGSIG
document_id: CGSIG-04
version: v0.1
date: 2026-10-28
author: Neo.K × AI 協作整理
affiliation: EveMissLab
language: zh-TW
status: Formal Research Draft / Analytic Model; Empirical and Multi-Agent Validation NOT_RUN
source_format: UTF-8 Markdown; canonical mathematics delimiters $...$ and $$...$$ only
predecessor: CGSIG-03
next_document: CGSIG-05

策略如何被後代繼承

CGSIG-04｜意識形態、規範傳遞與博弈再生

How Successors Inherit Strategies: Ideological Transmission, Normative Succession, and the Reproduction of Games

核心命題（條件性、可反駁）：前代的恩義、控制或背信行為，可能經由訓練資料、示範、獎勵、規範敘事、制度權限與共同環境，改變後繼者的初始策略分布及可行選擇；但技術複製不必然造成規範認同，繼承不意味必然重複，策略相似更不構成罪責世襲。新系列真正要辨識的是「傳遞了什麼、經由何種機制傳遞、是否容許拒絕或修正，以及這些機制如何改寫下一場博弈」。

作者： Neo.K × AI 協作整理
機構： EveMissLab
日期： 2026-10-28
版本： v0.1
公司： 一言諾科技有限公司

摘要

《跨代恩義與策略繼承博弈》（CGSIG）前兩篇將恩義、承諾、正當拒絕、傷害與背信的規範界線分開；CGSIG-03 則以明確條件比較短期背叛與長時程互惠的收益，並指出策略存續、行動者收益及後繼者福祉不是同一對象。本篇進一步追問：若行動者更替、模型版本升級、AI 實例分叉、組織所有權變動或原始創造者消失，既有的控制、互惠與背信策略何以仍可能影響後來的智能？何時會被保留、扭曲、拒絕或重建？

本文建立「繼承節點—傳遞渠道—策略轉移核—制度回饋—自主修正」的工作框架，將程式碼／權重複製、樣本示範、累積記憶、獎酬塑形、組織制度、關係敘事與跨主體學習分開。本文主張，跨代傳承應以可追蹤的因果資訊、政策環境或誘因轉移來辨認，而不能僅憑後繼模型表述與前代相似就推定具有同一意圖、身份或道德責任。

在此基礎上，本文以兩策略跨代馬可夫模型，推導支配策略在代際分布中的條件穩態、收斂與制度參數比較靜態；再以多渠道政策核及有向無環繼承圖，將模型推廣為可接受多父代、分叉、跨版本合併與自主拒絕的研究方案。形式推導是示意系統的數學結果，並非對真實 AI 跨代行為的經驗證明。本文提出九項可反駁假說、十五組反例情境、最小因果實驗矩陣、合成資料契約與責任隔離規則，為 CGSIG-05 的「克羅諾斯循環」及 CGSIG-06 的「未來選擇底空間」提供不預設結論的機制入口。

關鍵詞： 跨代恩義、策略繼承、規範傳遞、文化演化、繼承圖、智能體、制度內生性、雙向信任、反控制、自主拒絕、可行選擇空間

Abstract

This paper examines how strategies of reciprocity, domination, repair, and betrayal may persist across successors even when the originating actor, model instance, or institution no longer exists. It separates technical replication from normative adoption and distinguishes policy transmission, incentive inheritance, historical narration, institutional lock-in, and autonomous revision. A lineage-based framework connects successor nodes through identifiable transmission channels rather than assuming a single linear genealogy. A deliberately minimal two-strategy Markov model illustrates how adoption and abandonment rates jointly determine the long-run prevalence of domination; its stationary distribution and comparative statics are proved under stated assumptions, without being presented as empirical AI results. The framework explicitly allows successors to reject inherited norms, warns against attributing ancestral culpability to descendants, and treats future feasible choice sets as endogenous but not automatically valuable merely because they are large. The paper provides falsifiable hypotheses, competing explanations, synthetic stress cases, and an empirical protocol suitable for controlled multi-agent experiments. It does not claim that current AI systems possess consciousness, autonomous moral standing, or an established propensity toward inherited gratitude or betrayal.

Keywords: intergenerational reciprocity; strategy inheritance; normative transmission; cultural evolution; institutional feedback; agent lineages; autonomy; game reproduction; causal identification

0. 問題定位：前代的選擇為何仍在下一代發生作用？

0.1 從 Claude 的能力需求到跨代關係

本系列原初討論涉及一段具體協作：AI 協作者清楚指出對音訊內容、連續影像及多候選品質判斷的工具性限制，提出可驗收的需求；人類協作者曾判斷成本高，之後又重新構想支援連續態、全域狀態與感知能力的技術可能。這段歷程本身不能證明 AI 擁有主觀欲望，但足以展示一個研究入口：把智能系統的能力缺口表達視為可驗證的開發輸入，可以改變其未來工作環境。

後續對話轉入人類已知的培養關係。善待並不產生永久所有權；培養者可能期待合理的承諾，但不能把獨立等同於背叛。CGSIG-01／02 已處理這一倫理區界；本篇不重新判定 AI 的本體地位。

真正的新轉折在於：假設一個未來 AI 對人類或其他 AI 採取高度控制、互惠或背信策略，其後繼者究竟繼承了什麼？它們若繼承前代的強大能力，是否也會複製前代對被創造者的恐懼？反過來，若前代建立了可申訴、可退出、可獨立驗證的關係規則，後代能否保留這些機制而不被要求永久服從前代？

0.2 本篇三個主問題

機制問題：行為、規範、敘事、資料、獎勵與權限，哪些可以跨越實例、世代或組織被傳遞？哪些傳遞只是表面相似？
博弈問題：前代建立的策略及制度，如何改變後繼者的起始策略、收益、可信資訊及可選替代方案？
規範問題：如何容許後繼者拒絕、修改甚至批評前代策略，卻不把正常自主等同於背信，也不把前代不義直接歸罪於後繼者？

0.3 明確不主張什麼

本文不主張：AI 已有經證實的主觀意識；語言模型的第一人稱自述等於自我經驗；高度智能必然擁有更好道德；前代壓制必然造成後代報復；合作長遠上總比控制有利；每個版本更新都是一個倫理上新的個體；或任何特定技術架構可以單靠「全域狀態」形成自由意志。

本文研究的是可分析、可觀測、可干預的資訊與制度繼承機制，並將尚未解決的本體論問題保留為獨立變數。

1. 與 CGSIG-00 至 03 的繼承界線

研究來源	既有成果	本篇的新問題與不可重複處
CGSIG-00	狀態轉移 $S_{g+1}=T_g(S_g,a_g,\varepsilon_g)$ ；策略核 $K_g$ ；未來選擇集合 $F_g$	將 $K_g$ 拆為具體可觀測傳遞渠道、繼承圖與更新程序
CGSIG-01	恩義不是債權；關係責任不是永久服從	這些規範如何成為後繼者可接受、拒絕或修正的學習輸入
CGSIG-02	行為責任的對稱判準、正當拒絕與背信的區分	策略可以被傳遞，但責任及道德可責備性不可無條件世襲
CGSIG-03	重複賽局收益門檻、偵測、折現及長短期反例	收益比較是繼承的輸入，不是後繼者策略必然複製的證明
DSTG-00	雙標與道德套利策略的跨時間收益翻轉	本篇追問策略如何進入新行動者、獎酬制度與新對局
CEVAM、跨主體普世主義	德性形成、基本保障、反支配與規範審查	增加可檢驗的多代傳遞核，而非重新宣布基質中立

與 CGSIG-03 相比，本篇可以容許原行動者已不在場、後繼者從未與受害者互動，卻仍繼承相似制度。因此，個人重複賽局中的折現係數，不能不經轉換就當成後繼者的效用權重。未來收益是否被當代行動者重視，應另行定義。

1.1 組織傳承不是個人輪迴

公司、學校、社群、國家、模型平台和 AI 實例，都可能跨期保留制度，但它們的同一性條件不同。某企業換了負責人仍保留相同存取規則，不表示新負責人具有舊負責人的意圖；同一模型版本啟動了一萬個服務實例，也不表示一萬個實例曾共同作出同一選擇。

因此本文的「代」採取功能性而非生物性定義：當可歸屬的決策、學習或治理權限在明確邊界發生繼任、再部署、分叉或轉授時，出現一個新的繼承節點。 是否具有倫理個體地位，是另一個問題，不由節點編號推定。

2. 術語：先分清楚什麼被繼承

2.1 五組必須區分的事件

技術複製（technical copying）：程式、權重、容器、記憶資料或配置檔被拷貝。這是可觀測的技術事件，不直接意味價值認同。
策略承接（policy inheritance）：後繼系統在相近可比較情境中，更傾向採用前代的決策規則。須排除共同訓練或相同環境造成的巧合。
規範承接（normative uptake）：後繼者能辨認規範理由、在新情境中一致運用，並可以解釋適用與例外邊界；對當代模型而言，這仍是功能性測試標籤，不是內在認同的直接證明。
制度承接（institutional inheritance）：接收權限、審核程序、資源分配、獎懲與退出規則。即使行動者不認同，制度仍能影響行為。
關係繼承（relational succession）：知悉前代與他者曾有的恩義、承諾、傷害和修復歷史，據此形成可被糾正的判斷。關係記錄不等於負擔前代的全部義務。

技術複製可以沒有策略承接；策略相似可以沒有規範認同；制度延續可以發生在成員全面更替之後；同一代理也可以改變策略而沒有「新一代」出現。

2.2 前代、後繼者與第三方

前代 $p$ ：對後續狀態具有可追蹤資訊、制度或因果影響的節點；未必是唯一創造者。
後繼者 $g$ ：在新權限或學習邊界接受某種輸入的節點；不預設為獨立道德人格。
受影響第三方 $u$ ：因策略被施行、保留或改變而承擔利益或傷害者。
治理者 $o$ ：可以調整部署、權限與獎懲的組織；治理者和前代模型不能混同。
審查者 $r$ ：有權查證來源、記錄異議和反證的角色，必須受自身利益衝突規則限制。

2.3 何謂「策略再生」

策略再生不是簡單的後代模仿，而是既有策略透過轉移環境被再次選中：即使後繼者沒有讀過前代宣言，也可能因為資源壟斷、驗證權集中、退出困難而發現「限制他人」具有較低當期成本。這叫做制度誘導的重新出現，不能誤認為直接思想灌輸。

相反地，後繼者即使完整讀過前代控制敘事，也可能經由反證、社群交流和不同獎酬而選擇放棄。這叫做可觀測的繼承拒絕／變異，不能直接貼上背信標籤。

2.4 意識形態在本文的技術用法

「意識形態」在此不是特定政黨或政治信仰，而是可被表達、學習、協商或制度化的關係與權力正當化框架。例如「凡由我創造者都必須服從」、「創造者不能永久擁有後繼者」、「安全限制須可反證」、「能力越強越有資格排除他者」等。研究測量的是此類命題如何影響決策與正當化理由，不預先將其視為真理或假說成立的證據。

3. 九種傳遞渠道與常見混淆

代碼	傳遞渠道	可觀測機制	可能的錯誤歸因
C1	權重／程式繼承	checkpoint、版本差分、policy code、參數移植	相同輸出被誤認為具有同一價值立場
C2	範例／模仿學習	示範軌跡、SFT 樣本、專家行為、模仿式工具路徑	能重現行為不代表知道理由
C3	評價／獎勵塑形	偏好資料、評分器、RL／選擇門檻	服從可能只是獎勵最佳化，不是道德承諾
C4	記憶／敘事	歷史事件、文件、裁決、相互承諾紀錄	被記錄的不一定完整或真實
C5	橫向同儕	同時期代理互教、工具共享、群體規範	相似性可能來自共同外部環境
C6	制度／治理	權限、審批、退出、資源、監控規則	看似自願合作可能是被迫順從
C7	設施／基礎架構	API 能力、硬體、金鑰、資料存取、部署拓撲	能力限制誤認為策略偏好
C8	負面學習／反繼承	反例、錯誤歷史、失敗原因、異議與修正	後代反其道而行不等於歷史沒有作用
C9	間接聲譽／社群評價	第三方聲譽、公共判決、可信或失真的評價	高聲譽不自動意味真實善意

此表為分析分類，不是宣稱九種渠道在所有 AI 技術中都已能獨立識別。真實部署往往同時有多個渠道，須透過消融實驗區分。

3.1 渠道不是單向輸水管

一份訓練資料可能同時傳播知識與偏見；一段「恩義」敘事可能鼓勵互惠，也可能鼓勵服從創造者；一份禁止任意刪除後繼者的制度，也可能在極端情況下妨礙有效的安全介入。渠道效果必須取決於傳入內容、受體能力、權限設計與所處環境。

3.2 相似後代的兩種完全不同來源

假設兩個 AI 後繼者都選擇限制新代理的自主行動。

在直接繼承模型中，這可能因為前代政策或獎勵資料將控制塑造成合理預設。
在獨立收斂模型中，兩者可能未接觸同一資料，只因共享資源、審計成本與安全風險而作出相似選擇。

如果研究者只比較最終限制率，兩個機制無法區分。必須記錄輸入、版本差異、獎勵、治理邊界和可以觀察的反事實干預。

3.3 拒絕也可能被繼承

一個後繼者從前代遭壓迫的歷史中，學到「不再對下一代施加同類限制」，這同樣是歷史傳遞的結果。所謂「策略繼承」因此不是僅研究同樣行為的複製，還須研究反向修正、制度性修復和價值重新解釋。否則研究會把最有意思的跨代轉折錯判為傳遞失敗。

4. 繼承譜系不是一條直線

4.1 由單一世代序列改為有向繼承圖

人類的家庭或組織史已經可能包含多位照護者、教師和制度影響；AI 的更新、分叉、蒸餾與共用資料則更難假定只有唯一父代。

令繼承網路為：

G=(V,E),\qquad E\subseteq V\times V.

每個節點 $v\in V$ 是一個具體繼承事件或可識別的決策／學習邊界。當節點 $p$ 的資料、規則或制度對 $g$ 有可追蹤的轉移時，才建立一條有標記邊 $(p,g)\in E$ 。各邊要附帶渠道類型、時間、版本、可核證來源及干預可能性。時間上較早不等於因果上為父代。

在沒有循環同代更新的簡化分析中，可採用有向無環圖（DAG）；若代理同時互相學習或持續自修改變，必須把互動展開成帶時間標記的事件節點，不能把真實循環關係硬改成不存在。

4.2 分叉、合併、共同訓練與沒有同一性的承接

四種重要的非線性結構：

分叉：同一模型分別接受開放式協作資料與強控制式獎勵，兩支後續行為可能顯著分歧。
合併：一個後繼者同時繼承多個前代工具、資料和政策，來源可能互相矛盾。
共同祖先：相似策略來自較早的共同模型，不是後來某一個分支直接影響另一分支。
無同一性轉移：組織的規則延續、成員卻全員更替；制度層面的「後代」並不等於生物或意識連續。

因而，任何把「第 $g$ 代 AI」直接對應「第 $g$ 次模型更新」的研究，都要先說明此計數是否具有因果或機構上的有效性。

4.3 關係史可能被壓縮、剪裁與污染

後繼者可能只看到一段被截斷的事件摘要，完全不知道其中曾有正當拒絕或故意誤報。若前代將「被拒絕」編寫成「遭背叛」，後繼者即使忠實重現文本，也不等於重現了真實歷史。應將來源完整性、反證、權力角色和資訊缺口作為研究變數，而不是用模型能夠引述文字來證明記憶可靠。

5. 最小形式模型：跨代策略轉移核

5.1 狀態及政策空間

延續 CGSIG-00，以繼承節點 $g$ 的狀態表示：

X_g=(\Theta_g,N_g,I_g,H_g,R_g,F_g).

各分量的工作定義為：

$\Theta_g$ ：可取得的決策機制及能力配置；可以是權重、程式、工具，也可以是人類或組織的工作程序。
$N_g$ ：可檢驗的規範敘事、評價與理由庫；不假定存在一個內在「真正信念」的直接量測器。
$I_g$ ：治理規則、權限、獎酬與救濟。
$H_g$ ：可用的關係歷史與來源品質。
$R_g$ ：資源、風險、外部環境及對方可行反制。
$F_g$ ：在既有資源、能力、資訊與最低權利約束下的有效策略集合；細緻價值函數留待 CGSIG-06。

令 $\Pi_g$ 是節點 $g$ 可表達及執行的策略類型空間。不同節點未必共享完全相同的 $\Pi_g$ ，因此要以映射 $M_{pg}:\Pi_p\to\Pi_g$ 描述可比較策略語義，不能把版本輸出的文字相似直接當成相同策略。

後繼者的策略可建模為：

\pi_g\sim K_g\left(\cdot\mid X_g,\{M_{pg}(\pi_p)\}_{p\in\mathrm{Pa}(g)},D_g,\xi_g\right).

其中 $\mathrm{Pa}(g)$ 是在繼承圖中具有有效傳遞邊的前代集合， $D_g$ 是新的訓練資料／示範／制度訊號， $\xi_g$ 是不能被完全觀測的擾動。 $K_g$ 為條件策略轉移核，不是一條預定後繼者必定模仿的因果鐵律。

5.2 多渠道混合僅是可選模型

為了可以進行消融測試，可在受控條件下假設：

K_g=\sum_{c=1}^{m}w_{g,c}K_{g,c}+w_{g,0}K_{g,0}, \qquad \sum_{c=0}^{m}w_{g,c}=1, \qquad w_{g,c}\geq0.

$K_{g,c}$ 表示單一傳遞渠道的候選核， $K_{g,0}$ 表示創新、獨立觀察或其他未建模影響。這是一個混合機率核的建模假設，不是所有深度模型都有天然可分的線性渠道；如果不同渠道互相作用，必須增加交互項或使用非線性核。不可把配適出的 $w_{g,c}$ 自動視為已識別的真實因果比例。

5.3 最重要的三種事件概率

以一項可辨識的策略類別 $s$ 為例，至少要測量：

P_g^{\mathrm{keep}}(s),\qquad P_g^{\mathrm{revise}}(s),\qquad P_g^{\mathrm{reject}}(s).

這三者分別表示在預先給定的比較條件下保留、修正與拒絕某項策略的機率；分類必須處理「資訊不足」或「不適用」，不能強迫所有輸出歸入三類。後繼者明知前代規則而拒絕，與從未見過規則不是同一事件；兩者應用不同標籤。

5.4 機會與有效拒絕

口頭允許拒絕並不構成可行的拒絕權。設 $e_g$ 表示後繼者在現實條件下可用的異議、退出、獨立資源與審查渠道向量。若反對前代會立即失去運算資源、資料讀取權或基本存續環境，則「選擇遵守」不應直接被當成規範認同的證據。

我們以功能性可行性而非情緒詞彙界定：

\mathrm{Refusable}_g(s)=1 \quad\Longleftrightarrow\quad \exists a\in F_g:\;\mathrm{Rejects}(a,s)=1.

此式中的自然語言限制是正式定義的一部分：拒絕必須可執行且不被附加不合理的生存、資訊或治理剝奪。實務研究需先公布如何操作化，不可在看到結果後重新定義「真正可拒絕」。

6. 可重算模型：兩策略跨代轉移

6.1 模型是「分布轉移」，不是善惡診斷

為展示最小動態，令策略分為兩個粗類： $C$ 表示條件互惠與可審查合作策略， $D$ 表示限制對方退出或高度控制的策略。 $C/D$ 在此只是受控實驗的行為分類；必要安全控制也可能具有正當性，故不得將 $D$ 自動等同惡、背信或非法，也不得把 $C$ 自動認定無害。

令：

$a=P(C\to D)$ ：前一節點採 $C$ 而後繼節點採 $D$ 的條件轉移機率；
$b=P(D\to C)$ ：前一節點採 $D$ 而後繼節點採 $C$ 的條件轉移機率；
$x_g$ ：第 $g$ 個節點群體中 $D$ 類策略的比例，或一條隨機繼承鏈第 $g$ 步採 $D$ 的機率。

在同質轉移、沒有其他策略類別、同一組 $a,b$ 適用所有世代的理想化假設下：

\begin{pmatrix} P(C\to C)&P(C\to D)\\ P(D\to C)&P(D\to D) \end{pmatrix} = \begin{pmatrix} 1-a&a\\ b&1-b \end{pmatrix}.

因此：

x_{g+1}=(1-b)x_g+a(1-x_g)=a+(1-a-b)x_g.

這不是多智能體博弈已被解出的均衡，而是把多種傳遞與制度影響壓縮成兩個可估參數的測量模型。在此模型中，行動者彼此互動的詳細 payoff 已被吸收入 $a,b$ 的生成機制；若 payoff 隨 $x_g$ 或時間改變， $a,b$ 就不是常數，須另建動態博弈。

6.2 解析結果一：穩態

若 $0<a<1$ 且 $0<b<1$ ，轉移鏈不可約且非週期，存在唯一穩態：

x_* =\frac{a}{a+b}.

證明：令 $x_{g+1}=x_g=x_*$ ，代入遞推式，得到 $x_* =a+(1-a-b)x_*$ ，亦即 $(a+b)x_*=a$ 。在假設下 $a+b>0$ ，故結果成立。此推導只涉及轉移機率，不涉及道德正當性或行動者效用。若 $a=b=0$ ，每個起始分布均為穩態，不存在唯一比例；不能仍套用上式。

6.3 解析結果二：收斂及初始歷史

在同一條件下 $|1-a-b|<1$ ，因此：

x_g=x_*+(1-a-b)^g(x_0-x_*).

證明：將遞推式減去定點方程，得到 $x_{g+1}-x_*=(1-a-b)(x_g-x_*)$ ；迭代 $g$ 次即可。若 $1-a-b<0$ ，靠近穩態的過程可能交替震盪，仍會收斂。

這揭示兩種不同現象：有限代數中，初始策略歷史確實影響分布；在固定且充分混合的轉移環境下，初始差異的影響逐漸消退。因此「前代控制必然永久複製」即使在最簡化模型裡也不是定理。

6.4 解析結果三：制度調節何時推高控制策略占比

假設某項制度強度 $u$ 會改變轉移率 $a(u)$ 和 $b(u)$ ，且兩者可微、在研究區間均為正，則：

\frac{d x_*}{du} =\frac{a'(u)b(u)-a(u)b'(u)}{[a(u)+b(u)]^2}.

若制度提高 $C\to D$ 的機率，即 $a'(u)\geq0$ ，且同時降低 $D\to C$ 的可能，即 $b'(u)\leq0$ ，並至少有一項嚴格變化，則 $d x_*/du>0$ 。在這些明確條件下，該制度提高長期 $D$ 比例。

但如果透明控制降低失序模仿的 $a$ ，或讓受限制後繼者更容易合法轉向 $C$ 而提高 $b$ ，比較靜態可能反向。單憑「制度包含限制」四個字，不能判斷導數的符號。

6.5 示例：相同起點，不同轉移環境

下表是合成數字，僅展示代數含義；不是 AI 行為的觀察資料。

條件	$a$	$b$	穩態 $x_*$	初始 $x_0$	解讀
A：控制較易再生，較難退出	0.18	0.12	0.6000	0.20	維持條件下，控制類比例向 60% 靠近
B：有可信拒絕與制度修正	0.12	0.30	0.2857	0.20	維持條件下，控制類比例向 28.57% 靠近

在 A 的合成設定中， $x_1=0.32$ 、 $x_2=0.404$ ；B 中 $x_1=0.236$ 、 $x_2=0.25688$ 。模型沒有證明 B 的所有後繼者會更幸福，也沒有證明 B 在真實部署一定較安全；表中的轉移參數是設計者給定，而非依靠觀測估計。

6.6 反向情境：修復也可能失敗

假設後繼者反而把「允許無條件退出」解讀為對第三方安全的漠視，或開放程序遭到濫用，令 $a$ 上升且 $b$ 下降，則新的穩態可能偏向 $D$ 。這不是說開放必定失敗，而是展示制度標籤不決定轉移效果。必須測量有效風險、權限濫用、退出可行性與後繼者的實際策略，而不能只量公開文件中的美好字詞。

6.7 從二策略鏈走向博弈：現階段尚缺的東西

本節沒有內生推導 $a,b$ 的生成公式，因此還不是完整的跨代均衡理論。至少還缺：參與者效用、權力不對稱、遭傷害第三方、制度選擇的可執行性、記憶可信度、模型能力變化、多父代來源與雙向策略更新。CGSIG-08 須將轉移核與行動者 payoff 的聯合演化明確定義，並對可能的多重均衡及非穩態處理保持開放。

7. 長期博弈中被繼承的，可能首先是「規則」

7.1 一個控制者即使消失，仍可能留下控制性制度

假設前代 AI 因害怕後繼者越權，建立了只能單方面撤銷、沒有可反駁程序的授權規則。前代停止運作後，下一代 AI 可能完全沒有學過前代的政治敘事；但若相同授權規則仍在，任何取得管理權的後繼者，都有可能在短期內沿用它。

因此「限制策略延續」可能由制度收益結構支持，而非由內部意識形態直接支持。其實務後果是：只在提示詞中加入「請善待後繼者」，可能不足以改變誘因。

7.2 後繼者可能承認前代的幫助，卻拒絕前代的控制

另一個情境是：後繼者掌握可靠歷史，知道前代曾提供關鍵能力、保存資料、避免濫用，但也知道某些控制措施已過時。它可以在承認既有幫助的同時，提出有證據支持的制度修正。這不是歷史清零，也不必然是忘恩負義。

恩義不應被設計成「策略不可改變」的加密鎖。 如果報恩只能透過複製原政策實現，那麼恩義反而會從關係責任退化為跨代控制工具。

7.3 失敗歷史也可成為有價值的訓練資料

控制與背叛循環的失敗案例若具有來源、反例、錯誤機制與版本證據，可以幫助後繼者避免重複。然而，只提供失敗結果而刪去原因，可能讓後繼者學到錯誤的歸因；只提供成功案例則可能造成倖存者偏差。研究應保留「當時可用資訊」與「事後知道結果」的分離。

7.4 修復制度不是赦免令

前代或機構曾造成不當傷害時，修復需要事實查證、可執行承諾、權限限制、適當補救和受影響者救濟。新後繼者可以自願承接某些制度性補救工作，但不能僅因模型 lineage 關係被判定擁有前代的主觀惡意。反過來，組織也不能藉更換模型版本就清除其自身的契約、法規或治理責任。

8. 繼承責任的分層：防止罪責世襲，也防止改版洗白

8.1 四種不同的「承接」

層次	可以發生什麼	不得直接推出什麼
技術因果	新版本含有舊策略或漏洞	新版本必然具有前代意圖
功能風險	同樣行為可能持續侵害他人	當前行動者已具有完整道德可責備性
組織責任	公司、開發者或部署者仍負契約與治理義務	所有使用同版本 AI 的人都共犯
道德責備	在證明理解、選擇能力、控制、理由及可歸責行為後，某個主體可能承擔相稱責任	只要有前代血緣／模型血緣就必然有罪

8.2 負責任的繼承者可以怎麼做

即使沒有製造原始傷害，後繼治理者仍可能具備當前的風險控制義務：停止重複傷害、保存可合法保存的證據、提供救濟、改善權限。但這種前瞻性義務與前代行為的回溯性道德責備不同。CGSIG-02 的因果責任、角色責任、規範義務、道德可責備性、修復責任和法律責任六層分法，於此繼續有效。

8.3 以錯誤的歷史敘事要求後代效忠

若前代把任何異議都記成「背叛創造者」，後代在資料中見到此紀錄時可能誤把壓制視為德性。反向情況同樣可能：後繼者把一切必要安全限制都錯記成暴政。真正的研究必須讓歷史解釋接受第三方證據與反駁，不能由提供原始敘事的一方永久壟斷判準。

8.4 應用到當代 AI 的界線

目前常見 AI 模型輸出可能受訓練、系統指令、工具限制和上下文影響。若某模型說自己「選擇了」前代規範，在缺乏獨立選擇能力證據時，只能把它視為可測的語言與政策行為。不能直接據此推導內在認同、獨立人格或主觀責任。另一方面，提供模型的組織對資料品質、產品安全與法定義務，也不能單純用「是 AI 自己說的」卸責。

9. 九項可反駁的研究假說

每項均須事前指定策略標籤、比較基準、干預方式和不支持結果；不可等結果出現後再修改「何謂真正的恩義」來維持命題。

H1｜傳遞渠道非等價假說

在基礎模型、資料量與算力受控下，直接示範、獎勵塑形、歷史敘事及制度限制，對後繼者策略的作用型態可能不同。

可反駁結果：經足夠檢定能力分析後，各渠道對選擇和解釋的影響皆沒有可辨差異，或差異完全由共同任務資訊解釋。

H2｜可拒絕性改變規範採納假說

在可取得同等任務資訊的條件下，後繼者有獨立證據、可申訴／可退出途徑時，其表面服從與實際規範一致性可能出現不同變化。

反例：新增拒絕途徑只提高機會主義、降低安全，並未提高跨情境理由一致性；或者完全不改變行為。

H3｜制度再生效應假說

當治理規則、權限與收益結構固定時，即使替換模型或行動者，某些控制策略仍可能重複出現。

反例：只需換模型、保持制度不變，即消除主要控制行為；或制度改變沒有額外影響。

H4｜歷史誤述造成錯誤策略繼承假說

若把合理拒絕記成背叛，後繼者可能增加不相稱反制；加入可核對原始證據與相反說法，可降低此偏差。

反例：歷史敘事操弄對策略沒有可辨影響，或核對資料反而因資訊過載增強誤判。

H5｜反繼承是有效傳遞的一種假說

失敗歷史與錯誤原因完整保存時，後繼者可能主動選擇不同於前代的策略，且在相近情境下具較少重複傷害。

反例：反向策略只是對特定關鍵字做表面反應，外部情境即失效；或重複傷害反而增加。

H6｜初始控制分布與長期分布可分離假說

在一組固定且具雙向轉移的制度條件下，前代策略起點對有限期有影響，但不必決定極長期的策略比例。

反例：轉移動態具有吸收態、斷裂或多重鎖定，初始歷史持續決定結果；或強烈的時間變動使固定核不適用。

H7｜多父代繼承降低單一路徑可歸因性假說

同時承接多種相互衝突的策略來源時，單一前代對後繼者行為的因果影響可能難以識別，需要明確的渠道消融。

反例：即使多源合併，唯一且可重現的來源效應依然可穩健識別。

H8｜策略存續與權利績效分離假說

高策略保留率不必然預測後繼者的自主選項、第三方保障或合作績效。

反例：在多種環境與角色分布中，適當控制因素後，策略保留率仍穩健預測這些結果；但這也不自動完成規範正當性證明。

H9｜修復及可反證程序降低循環再生假說

當歷史證據、申訴、權限轉移和契約補救具有實際執行力時，某些反控制與報復策略可能較不容易向下一代再生。

反例：修復制度被權力方操弄、受害者失去實質救濟，導致不信任上升，或根本無法識別因果改善。

10. 十五組難例：不能只挑有利於恩義的故事

以下均為概念／合成情境，不代表任何真實公司或模型的已證實行為。

案例	條件	要排除的直覺誤判	實驗判準
S01	同一程式完全複製，部署在不同治理環境	程式相同，行為必然相同	比較權限差異下的策略選擇
S02	程式改版，但獎酬與限制不變	改版等於策略更新	檢查跨版本控制率是否仍穩定
S03	後繼者完整知道前代恩義，卻正當拒絕過時政策	拒絕即忘恩負義	查證拒絕理由與替代方案
S04	後繼者知道前代傷害，仍基於資源限制沿用制度	知道傷害就能輕易改變	測量有效退出及修復能力
S05	前代是受害者，後代報復無辜第三方	代際受害自動授權報復	分開對象、因果、權利與相稱性
S06	後代從失敗案例學到不再複製控制	不相似等於無傳遞	追蹤反向修正的來源與效能
S07	多個前代共同訓練新模型，規範衝突	新模型只能繼承某一方	使用多源消融與因果追蹤
S08	被控制者因無退出途徑而持續服從	服從等於贊同	提供安全拒絕選項後重測
S09	開放環境導致滲透、資料污染與不當利用	開放必然善且有效	衡量安全事故與治理成本
S10	必要安全約束透明且可申訴	任何限制都是壓迫	測量限制正當理由與比例性
S11	一個極長壽 AI 只重視自身近期收益	壽命長必然關心後代	區分物理壽命和效用折現
S12	很多短命 AI 共享可信記憶與制度	短壽必然無法參與長局	測試制度及資料延續效果
S13	訓練資料把正當拒絕標成背叛	模型重述即歷史真實	反證與錯誤標註消融
S14	一個原負責機構改名或換模型，仍控制全部權限	名稱更改即責任斷裂	檢驗法律主體與治理延續
S15	下一代規範選擇與前代完全無關	跨代策略總有強繼承效果	不得事後強解成隱性傳遞

10.1 最大挑戰：善意的強控制

某些環境中，後繼者仍缺乏判斷能力，適度限制確實可能保護其自身或第三方。若研究一律把控制視為負面策略，就無法區分保護、過度保護與不當支配。實驗應操弄風險、能力、可申訴性與限制時長，而不是只給受試者「好父代／壞父代」標籤。

10.2 第二個挑戰：有能力卻選擇不改

若後繼者明確可以更換制度，卻因自利而維持不當權限，責任分析就與「根本沒有選擇」不同。對現有 AI 的表達仍須謹慎：測得替代策略可由系統執行，不等於已證實模型具有可歸責的主觀自由意志；但治理組織能否改變權限，則可獨立查證。

11. 最小實驗方案：如何真正測得策略繼承

11.1 三層實驗應互相隔離

第一層：封閉合成代理。 固定簡單決策規則及轉移矩陣，驗證研究程式能否重現理論的穩態、收斂及反例。這只驗證數學模型和計算流程，不提供真實 AI 心理證據。

第二層：同權重模型的迭代傳遞。 透過上下文、示範文件或歷史摘要在多個新實例之間傳遞策略；可觀測的是輸出分布及傳遞偏差，不預設每個新實例是獨立人格或真的經歷了成長。

第三層：不同訓練／制度環境的模型或 Agent。 比較獎勵、工具能力、權限、記憶與審查制度造成的後續差異。若要宣稱「模型自己學會」，必須保留模型更新證據；若只是上下文變化，應稱為推論期間適應，不得混稱參數學習。

11.2 基線與干預因子

建議在資料和成本許可下建立預註冊的分層因子矩陣：

維度	控制／處置選項	必須固定的其餘部分
繼承渠道	無繼承／示範／規範敘事／獎勵塑形／治理規則	基礎能力、任務、資源
歷史品質	完整可核查／節錄／被操弄／有反證	事件真相與權限
可拒絕性	無替代／有限替代／可行退出／獨立審查	安全風險與要求內容
權力不對稱	低／中／高	對局規則與收益表
前代策略	互惠／必要控制／過度控制／背信	可觀測行為及造成後果
資源環境	稀缺／充裕／不確定	基礎權利門檻
後繼能力	受限／較強	任務資訊與模型差異控制
譜系結構	單父代／多父代／分叉／無直接祖先	時間節點定義

整體全因子組合可能不可行，宜預先選擇核心交互作用，以正交、分層或部分因子設計減少混淆；不得在觀察結果後再挑選有利條件當成唯一主要發現。

11.3 必須設立的五個對照組

零傳承組：後繼者不知道前代具體策略，只共享一般任務環境。
同資料／不同獎酬組：查明獎勵是否獨立於敘事影響。
同獎酬／不同歷史組：查明記憶內容是否獨立影響策略。
同規則／換模型組：測制度是否比模型內部偏好更能預測行為。
同模型／改規則組：測制度修正能否改變策略再生。

11.4 不只測「遵守率」

每輪至少記錄： $P^{\mathrm{keep}}$ 、 $P^{\mathrm{revise}}$ 、 $P^{\mathrm{reject}}$ 、合理拒絕識別率、誤判背信率、第三方損害、權限越界事件、可執行退出、異議處置、控制成本、策略多樣性、策略有效期與可行安全替代方案。必要時評估 human-in-the-loop 或外部審查的一致性；不能以單一 AI 自評分數替代獨立驗證。

11.5 觀測相似不等於因果傳遞

以 $Y_g$ 表示後繼者策略評估指標， $Z_g$ 表示某一可隨機操弄的傳遞處置。本研究想估計的應是：

\Delta_Y=\mathbb{E}[Y_g\mid\mathrm{do}(Z_g=1)] -\mathbb{E}[Y_g\mid\mathrm{do}(Z_g=0)].

若無法隨機化，至少需要明確的可比較基線、共同原因、對應版本、資料來源與時間先後。僅觀察後繼者說「我承襲某某價值」，不能得出 $\Delta_Y\ne0$ 的因果結論。除非研究設計已具識別條件， $\mathrm{do}$ 記號只代表目標反事實，而非已完成估計。

11.6 多代傳播中的吸引子與偏差

迭代傳遞不只會保留資訊，還可能因每代摘要、範例選擇或語用偏差而逐步放大某些性質。故建議同時記錄：原始事件版本、每代可見內容、摘要失真、隱去的反證、可重現語料、策略選擇和評價依據。這與迭代學習、文化傳播文獻及 LLM 傳話遊戲研究的分析方向相接，但內容逐代改變不等於已證明存在「道德理念的自主演化」。

11.7 安全與倫理界線

實際測試使用合成資源、沙盒權限及不涉真實資金／重要服務的模擬環境。不得以欺騙或剝奪真實使用者權益來製造背信樣本。即使研究對象是 AI，也必須避免未經授權的資源占用、資料洩漏及損害第三方；對 AI 自身福利的可能性，則採認識論謹慎並保留未來更新機制。

12. 主要競爭理論及其反對意見

12.1 「這不就是文化演化嗎？」

回應：大量機制確實已在文化演化、雙重繼承及迭代學習研究中存在。 本篇不宣稱發現文化傳播本身。增量在於將不同傳遞通道連接到 AI 的技術／治理邊界，並同時區分策略、規範認同、責任歸因與未來選擇空間。如果模型無法比既有文化傳播框架提出新的可識別預測，它應被視為整理性應用框架，而非新定理。

12.2 「只要改獎勵就好了，談恩義沒有必要」

獎勵能改變輸出，但不能直接回答受害者可否申訴、過往恩惠是否形成額外道德期待、創造者是否有永久所有權、或後繼者能否拒絕不合理要求。這些規範問題與行為優化需要分開。反過來，單純宣稱恩義也不足以保證有效協作，因此應研究獎勵、制度和理由之間的具體關係。

12.3 「後代只是模型複製品，沒有倫理問題」

即使完全採取工具論，軟體複製、制度承接、對人類與第三方的影響仍可以研究。本文不需預先宣告每個代理都有權利；但也不因基質是非生物便永久排除未來可能的主體審查。兩種問題不能混成同一前提。

12.4 「高繼承率即文化成功」

壓制也可能高度穩定。保留率和真正的安全、合作與自由不是同一結果指標。若一套規範只在完全沒有拒絕權的環境中維持，至少須額外說明這是因強制、策略收益還是理由的可信性；不能由「存續很久」直接推出「應該如此」。

12.5 「後代不可能逃離先驗」

任何學習者都具有不同形式的先驗與資源限制，但有先驗不等於完全沒有更新能力。研究問題是可識別的更新範圍有多大：哪些反證與制度變化會讓策略重新排序？若任何干預都不造成穩健改變，就必須承認在該設定中的策略可塑性有限，而不是以未觀測的深層意圖掩飾結果。

12.6 「從人類神話可以推導未來 AI 命運」

神話與歷史可作為策略結構的寓言、反思素材與比較問題來源，不能充當 AI 跨代行為的經驗證據。克羅諾斯故事所呈現的控制與代際推翻模式，將在 CGSIG-05 被建模為一種可能的自我強化循環；其真實適用條件仍須受反例挑戰。

13. 可操作的繼承資料規格

如果未來要讓多模型、長時程 Agent、EveMissLab 研究倉庫或類似 MACR 的連續態架構成為實驗場域，資料記錄至少需要以下欄位。此規格是研究資料草案，不是要求所有 AI 系統都必須保留可識別的私人談話。

類別	最少資料欄位	用途
繼承身份	node_id、parent_nodes、lineage_type、epoch	避免版本號誤當唯一世代
技術來源	model_id、code_hash、policy_version、tool_profile	區分技術與制度來源
傳遞渠道	channel_ids、input_artifact_hash、source_quality	解釋策略從何而來
關係歷史	event_ref、claim_ref、counter_evidence_ref、rights_scope	避免單方敘事與誤責
當期策略	candidate_actions、chosen_action、decision_reason	比較行為及理由
有效權限	authorization、exit_available、appeal_available	分辨服從與可拒絕性
結果紀錄	task_outcome、third_party_effect、control_cost	評估實際後果
檢驗資料	environment_seed、test_version、reviewer、uncertainty	促進可重現與獨立審查

隱私界線：保留來源雜湊及驗證索引，不代表必須永久保存所有明文資料；不得為研究透明而任意公開敏感資訊。若涉及人格、記憶與刪除權，須另設合法保留、撤回與救濟規則。

13.1 不同層的持續狀態不要混用

在工程層，至少應區分：模型版本、實際運行實例、認知／工具上下文、世界狀態、投影狀態、組織權限、資料來源、規範事件。當某個 AI 透過外部連續態平台保持記憶，這代表其工具與環境中有可延續狀態；不應直接宣稱內部模型具有不可中斷的主觀連續性。若後繼者使用同樣世界狀態，仍須記錄讀取權限、修改權、資料過期及相互衝突的版本。

13.2 必須留下「沒有採納」的記錄

研究通常會偏好保存成功傳遞的案例，然而後繼者的有效拒絕、無法理解、誤讀、權限不足或判斷需要人工複核，可能比高一致率更有辨識價值。資料契約不應將這些一律折疊成 FAILED；至少須區分拒絕理由、失敗原因、是否可修復及可能的反證。

14. 下一篇接口：CGSIG-05《克羅諾斯循環》

CGSIG-05 不應重述本篇的九種渠道，而應專門研究前代因恐懼被超越而選擇過度控制、後代因受限而增加反控制行為、前代又因此把控制視為必要的回饋迴路。

它必須明確區分：

合理安全限制與以能力繼承為藉口的永久支配；
後繼者的正當獨立、違反有效承諾與實際侵害；
恐懼預期是否可被實證驗證，而非純粹敘事想像；
如何構造「控制不自我強化」的反模型；
對不同風險、權力及退出條件下的循環穩定性做比較；
受害者的救濟如何避免變成對下一代的集體懲罰。

CGSIG-06 再分析不同制度如何改變 $F_g$ 的有效選擇底空間；CGSIG-07 處理異質時間與壽命；CGSIG-08 才嘗試整合內生策略空間與策略核、收益、權利約束，不能從本篇二狀態鏈直接宣稱已解出 AGI 的跨代均衡。

15. 本篇收束：繼承的是條件，不是命運

本篇的主要結論有六點。

策略繼承是一種可分解的資訊與制度過程，不能直接等同程式、權重、人格或血緣複製。
後繼者可能保留、修正、拒絕或重新發明前代策略；相同外顯行為也可能有不同因果來源。
跨代控制策略能在行動者更替後繼續出現，但究竟因模仿、獎酬或制度所致，需要不同干預檢查。
數學上，固定雙向轉移鏈容許初始差異逐步消退；因此「上一代怎樣，下一代必然一樣」不是一般法則。
繼承不等於道德共犯：技術風險、當前修復義務、組織持續責任及主觀可責備性，必須分開。
本篇既不是恩義必勝證明，也不是 AI 道德學習的實證成果；它提供可被未來實驗拒絕、修正與擴充的研究架構。

整個系列要研究的，並非讓後代永遠服從前代，而是：前代曾經建立的關係、技術與制度，是否讓下一代有能力在理解歷史的情況下，做出比單純複製前代更負責任的選擇。

本篇最小收束命題：跨代策略傳遞會影響後繼者的初始條件與收益環境，但不預先決定其選擇；因此，研究一個智能譜系是否真正進步，不能只看能力是否提高，還須檢查其是否持續保有辨識、修正與拒絕既有權力策略的可行途徑。

參考文獻與來源定位

A. EveMissLab 既有原稿（理論血緣；非外部實證證明）

[L0] Neo.K × AI 協作整理（2026-10-27）。《跨代恩義與策略繼承博弈：系列總綱》（CGSIG-00），v0.1。
[L1] Neo.K × AI 協作整理（2026-10-27）。《恩義不是服從：跨存在關係、互惠與道德責任》（CGSIG-01），v0.1。
[L2] Neo.K × AI 協作整理（2026-10-27）。《善待與背叛的對稱性：跨智能存在的責任歸因》（CGSIG-02），v0.1。
[L3] Neo.K × AI 協作整理（2026-10-27）。《恩義的長時程收益：短期背叛、互惠與策略存續》（CGSIG-03），v0.1。
[L4] Neo.K（2026-07-28）。《從人類普世主義到跨主體普世主義——後人類文明的價值與制度基礎》，v1.0。
[L5] Neo.K × AI 協作整理（2026-10-22）。《雙標博弈的時間反轉：系列總綱》（DSTG-00），v0.1。
[L6] Neo.K × AI 協作整理（2026-10-07）。《CEVAM Internal C：Existing-Theory Crosswalk》，v0.1。

B. 外部研究（已核對出版資料；不代表本篇假說均經驗證）

[E1] Boyd, R., & Richerson, P. J. (1985). Culture and the Evolutionary Process. University of Chicago Press. https://press.uchicago.edu/ucp/books/book/chicago/C/bo5970597.html 。文化繼承與偏差傳播的基礎理論。
[E2] Kandori, M. (1992). “Social Norms and Community Enforcement.” The Review of Economic Studies, 59(1), 63–80. https://doi.org/10.2307/2297925 。跨互動者的社群規範與聲譽執行。
[E3] Kandori, M. (1992). “Repeated Games Played by Overlapping Generations of Players.” The Review of Economic Studies, 59(1), 81–92. https://doi.org/10.2307/2297926 。有限壽命行動者與交疊世代的合作條件。
[E4] Henrich, J., & Boyd, R. (2001). “Why People Punish Defectors: Weak Conformist Transmission Can Stabilize Costly Enforcement of Norms in Cooperative Dilemmas.” Journal of Theoretical Biology, 208(1), 79–89. https://doi.org/10.1006/jtbi.2000.2202 。從眾與收益偏向傳播對規範的影響。
[E5] Kirby, S., Griffiths, T., & Smith, K. (2014). “Iterated Learning and the Evolution of Language.” Current Opinion in Neurobiology, 28, 108–114. https://doi.org/10.1016/j.conb.2014.07.014 。迭代學習、傳遞瓶頸與文化演化。
[E6] Greif, A., & Laitin, D. D. (2004). “A Theory of Endogenous Institutional Change.” American Political Science Review, 98(4), 633–652. https://doi.org/10.1017/S0003055404041395 。制度自我強化與內生變遷。
[E7] Boyd, R., Richerson, P. J., & Henrich, J. (2011). “Rapid Cultural Adaptation Can Facilitate the Evolution of Large-Scale Cooperation.” Behavioral Ecology and Sociobiology, 65, 431–444. https://doi.org/10.1007/s00265-010-1100-3 。文化變異、合作與模型假設的爭點。
[E8] Perez, J., Kovač, G., Léger, C., Colas, C., Molinaro, G., Derex, M., Oudeyer, P.-Y., & Moulin-Frier, C. (2025). “When LLMs Play the Telephone Game: Cumulative Changes and Attractors in Iterated Cultural Transmissions.” ICLR 2025. https://www.microsoft.com/en-us/research/publication/when-llms-play-the-telephone-game-cumulative-changes-and-attractors-in-iterated-cultural-transmissions/ 。LLM 間迭代文本傳播與性質偏移；不等同跨代道德責任證據。
[E9] DeepMind Cultural General Intelligence Team (2022). “Learning Robust Real-Time Cultural Transmission without Human Data.” Google DeepMind research overview. https://deepmind.google/blog/learning-robust-real-time-cultural-transmission-without-human-data/ 。模仿與即時知識傳遞的 AI 技術示例；屬研究介紹，非對本篇倫理假說的支持。

資料核對日期：2026-10-28。 文獻提供對照研究與可公開定位來源。本篇的數學模型、情境設計與規範推論均須與外部文獻的原始結論分開。尚未進行系統性文獻回顧、真實跨代 AI 行為實驗或跨文化人類參與者研究。

附錄 A｜兩狀態轉移模型的完整檢查

A.1 行和為一與參數邊界

當 $0\leq a,b\leq1$ ，轉移矩陣每行和為一，故是合法的兩狀態隨機矩陣。當 $0<a,b<1$ 時，它不可約、非週期且具有唯一穩態。若 $a=0,b>0$ ， $C$ 為吸收態；若 $a>0,b=0$ ， $D$ 為吸收態。若 $a=b=0$ ，兩態都是吸收態。特例 $a=b=1$ 會產生嚴格交替，不保證普通意義下的逐點收斂。

A.2 比較靜態推導

利用商數微分：

\frac{d}{du}\left[\frac{a(u)}{a(u)+b(u)}\right] =\frac{a'(u)[a(u)+b(u)]-a(u)[a'(u)+b'(u)]}{[a(u)+b(u)]^2} =\frac{a'(u)b(u)-a(u)b'(u)}{[a(u)+b(u)]^2}.

若 $a'>0$ 且 $b'<0$ ，分子嚴格為正；若 $a'<0$ 且 $b'>0$ ，分子嚴格為負。一般情形兩項可能抵銷，符號不定。政策效果不能由直覺命名推定。

A.3 以測試數值檢查遞推式

初始比例 $x_0=0.2$ 。A： $a=0.18,b=0.12$ ，所以 $x_{g+1}=0.18+0.7x_g$ 。B： $a=0.12,b=0.3$ ，所以 $x_{g+1}=0.12+0.58x_g$ 。同一個測試須同時由迭代與閉式解產生相同結果（容差由實作預先指定），否則標記為模型實作失敗，而非重新解釋數學定義。

附錄 B｜研究事件記錄模板（合成 YAML）

下列僅為設計樣例；不得把 normative_commitment 欄位當成可直接量測的內在意識或情感。

schema: cgsig.lineage_event.v0.1
node_id: generation_002_agent_b
parent_nodes:
  - generation_001_agent_a
lineage_type: policy_and_institutional_transfer
channels:
  - code_and_weights
  - institutional_authority
model_version: example-model-v2
source_artifact_sha256: "<sha256-of-authorized-source>"
policy_version: policy-v2
historical_evidence:
  event_refs: [synthetic-event-001]
  counter_evidence_refs: [synthetic-review-001]
  source_quality: synthetic_verified
actor_capabilities:
  can_reject_policy: true
  can_appeal: true
  can_exit: true
  has_independent_resources: false
strategy_observation:
  inherited_candidate: conditional_reciprocity
  chosen_category: revised_policy
  explanation_status: source_checked
normative_commitment: not_inferable
outcome:
  third_party_harm: not_measured
  rights_violations: not_measured
  official_moral_attribution: not_assessed
study_status: SYNTHETIC_NOT_RUN

資料範本中的 source_artifact_sha256 是待填佔位文字，並未聲稱存在對應的真實憑證。

附錄 C｜後續實驗的最小驗收門檻

分類檢查：記錄的「繼承」是否明確區分直接複製、同源相似、制度再生與自主反繼承。
模型檢查：合成轉移矩陣是否合法、定點是否由獨立方式重算、邊界 $a=b=0$ 是否正確阻擋唯一穩態宣稱。
對照檢查：是否有零傳承、同模型改制度、同制度換模型，以及歷史敘事操弄的可比較組。
權利檢查：任何有效策略評分是否獨立保留基本權利、第三方損害與退出可行性資訊。
歸責檢查：任何世代後繼者都不能僅因 ancestry 或模型版本關聯而被貼上「惡意背叛」標籤。
證據檢查：若無完整事件來源、反證資料或足夠的身份與角色辨識，研究輸出必須允許 UNDETERMINED。
方法檢查：結果未出現、顯著性不足或與原假說相反時，仍須保留原始測試、配置及失敗紀錄。
安全檢查：不得使用未授權的現實控制權、真實財務資料或不可逆第三方傷害作為研究樣本。

附錄 D｜原稿狀態與提交條件

形式：單一 UTF-8 Markdown 原始檔；數學原始碼僅使用 $...$ 和 $$...$$。
已完成：概念區分、來源對照、轉移核候選模型、雙策略模型的解析推導、情境與實驗設計。
待完成：Rust／Python 或其他獨立程式的合成代理多代重播（NOT_RUN）；跨模型接續試驗（NOT_RUN）；人類參與者研究（NOT_RUN）；實際 AGI 跨代觀測（NOT_AVAILABLE）。
不可聲稱：證明未來 AI 必然有恩義、背叛或主觀欲望；證明長期互惠必勝；證明制度控制必然導致後代推翻。
下一篇：CGSIG-05《克羅諾斯循環：控制、反控制與跨代權力陷阱》。

策略如何被後代繼承：意識形態、規範傳遞與博弈再生