# 跨符號轉譯、不對稱成本與本體損失：從表面翻譯到結構重編譯

**Cross-Symbolic Translation, Asymmetric Cost, and Ontological Loss: From Surface Translation to Structural Recompilation**

版本：v0.1  
日期：2026-07-29  
文件性質：基礎理論、轉譯模型與評估框架論文  
系列：符號結構工程系列，第 6 篇  
建議文件代號：`EML-SSE-06-2026-v0.1`

---

## 摘要

傳統翻譯常被描述為將一種語言中的詞、句或文本轉換成另一種語言中的對應表達。然而，在自然語言、數學、程式語言、圖像、聲音、手勢、知識圖與 AI 原生語義物件之間，轉譯的實質遠超過字詞替換。不同符號系統具有不同粒度、組合規則、關係明示程度、身份制度、操作能力、文化慣例與工具基礎。當一個概念從符號系統 $\Lambda_A$ 移動到 $\Lambda_B$ 時，往往必須重新切分概念、補足隱含關係、重建身份、調整操作語義，甚至重新設計目標觀測者的解碼路徑。

本文提出「跨符號結構重編譯」理論，將轉譯表示為：

$$
\mathcal T_{A\rightarrow B}
:
\left(
\widetilde{\sigma}_A,
K_A,
C_A,
T
\right)
\rightarrow
\left(
\widetilde{\sigma}_B,
K_B,
C_B
\right)
$$

其中 $\widetilde{\sigma}$ 為可顯影符號物件， $K$ 為概念結構， $C$ 為語境與解碼環境， $T$ 為轉譯任務。轉譯的目標不必是表面相似，而是使目標觀測者在指定任務中重建足夠接近、可操作且可追溯的概念結構。

本文嚴格區分表面轉換、語義映射、關係重建、本體重分類、操作重編譯、文化再脈絡化與身份映射。本文指出，許多翻譯失敗並不是單字選擇不佳，而是來源符號系統的概念粒度、關係壓縮與文化預設無法被目標系統直接承載。轉譯者因此必須決定：哪些結構可直接保留，哪些需要顯式補足，哪些只能近似，哪些應分支翻譯，哪些必須保留原詞，哪些應創造新術語。

本文提出轉譯不對稱：

$$
C_{A\rightarrow B}
\neq
C_{B\rightarrow A}
$$

其原因包括語義粒度差、標準權力、工具成熟度、前置知識分布、主流引用慣例、目標語言構詞能力、形式化程度與文化共享背景。某一符號系統對原生者可以低成本生成高密度概念，而另一符號系統的觀測者可能需要支付分詞、概念拆解、關係補全、背景學習與本體重建等多重成本。

本文進一步定義七類損失：表面損失、關係損失、粒度損失、文化損失、操作損失、身份損失與歷史損失。本文將不可逆本體損失定義為：來源符號結構中的某些概念切分、關係、類比限制或可操作接口，在目標符號系統中不存在可恢復映射，且轉譯後即使擁有完整目標文本，也無法可靠重建原始結構。

為避免「忠實翻譯」被簡化為字面相似，本文提出任務相對的轉譯保真度。學術閱讀、工程實作、法律執行、教學、文學體驗與多模態介面，需要保留的結構不同。高品質轉譯應聲明其任務剖面、保留集合、近似集合、省略集合、不可譯集合與觀測者假設。

本文最後建立「跨符號結構重編譯框架」（Cross-Symbolic Structural Recompilation Framework, CSSRF）與「符號轉譯與本體損失引擎」（Symbolic Translation and Ontological Loss Engine, STOLE）。系統支援中介概念圖、穩定身份映射、多候選轉譯、保留—近似—省略契約、回譯、跨模態驗證、工具與操作接口重建、損失帳本與版本比較。

**關鍵詞：** 跨符號轉譯、結構重編譯、本體損失、轉譯不對稱、語義映射、跨語言、跨模態、可顯影符號、AI 原生語言

---

# 1. 問題起點：翻譯不是把詞換成另一組詞

最簡單的翻譯模型是：

$$
s_A
\rightarrow
s_B
$$

其中來源表達 $s_A$ 被替換成目標表達 $s_B$ 。

但來源表達背後還有：

$$
K_A
=
\left(
N_A,
R_A,
O_A,
H_A,
C_A
\right)
$$

其中：

- $N_A$ ：概念節點；
- $R_A$ ：關係；
- $O_A$ ：操作；
- $H_A$ ：歷史與來源；
- $C_A$ ：語境。

若只替換表面，目標觀測者可能得到：

$$
\widehat K_B
\neq
K_A
$$

因此：

$$
\boxed{
\text{Translation}
\neq
\text{Surface Substitution}
}
$$

---

# 2. 跨符號轉譯的完整形式

本文定義：

$$
\mathcal T_{A\rightarrow B}
:
\left(
\widetilde{\sigma}_A,
K_A,
C_A,
T
\right)
\rightarrow
\left(
\widetilde{\sigma}_B,
K_B,
C_B
\right)
$$

其中：

- $\widetilde{\sigma}_A$ ：來源可顯影符號；
- $K_A$ ：來源概念結構；
- $C_A$ ：來源語境；
- $T$ ：轉譯任務；
- $\widetilde{\sigma}_B$ ：目標符號物件；
- $K_B$ ：目標概念結構；
- $C_B$ ：目標解碼環境。

---

# 3. 轉譯任務決定保留什麼

同一來源概念可以有不同轉譯目標。

## 3.1 字面閱讀

重視表面、語序與局部對應。

## 3.2 學術理解

重視定義、關係、來源、前置理論與反例。

## 3.3 工程實作

重視型別、輸入、輸出、權限、效果與失敗處理。

## 3.4 法律執行

重視效力、範圍、例外、責任與管轄。

## 3.5 教學

重視可理解性、例子、循序漸進與先備知識。

## 3.6 文學體驗

重視節奏、聲音、隱喻、雙關與文化聯想。

## 3.7 多模態介面

重視身份、空間關係、操作與無障礙。

因此：

$$
\operatorname{Fidelity}
=
f
\left(
T,
o,
\Lambda_A,
\Lambda_B
\right)
$$

不存在脫離任務與觀測者的單一忠實度。

---

# 4. 七層轉譯

## 4.1 表面層

字形、詞彙、語序、圖示、聲音、節奏與樣式。

## 4.2 語義層

核心概念與命題。

## 4.3 關係層

包含、作用、因果、來源、版本、依賴、觀測與權限。

## 4.4 本體層

物件、事件、狀態、操作、主體與關係如何被分類。

## 4.5 操作層

符號是否能被執行，以及如何執行。

## 4.6 語境層

文化、制度、專業、歷史與社群預設。

## 4.7 身份與歷史層

概念身份、來源、版本、命名與演化。

---

# 5. 表面可譯不代表結構可譯

兩個詞可能看似有對應：

$$
word_A
\leftrightarrow
word_B
$$

但若：

$$
R_A
\neq
R_B
$$

或：

$$
Ontology_A
\neq
Ontology_B
$$

則目標詞可能引導讀者進入不同概念網路。

因此：

$$
\boxed{
\text{Lexical Equivalence}
\neq
\text{Structural Equivalence}
}
$$

---

# 6. 中介概念結構

本文提出：

$$
K_A
\xrightarrow{\operatorname{Extract}}
K_{\mathrm{int}}
\xrightarrow{\operatorname{Recompile}}
K_B
$$

其中 $K_{\mathrm{int}}$ 為中介概念結構。

它應盡可能與來源表面分離，保存：

- 概念身份；
- 型別化關係；
- 候選語義；
- 排除條件；
- 來源；
- 操作；
- 版本；
- 轉譯需求。

---

# 7. 中介結構不是普遍中立語言

中介概念圖本身也使用某種：

- 本體；
- 關係類型；
- 分類方式；
- 工具與資料模型。

因此：

$$
\boxed{
\text{Intermediate Representation}
\neq
\text{Perfectly Neutral Representation}
}
$$

它只能降低來源與目標表面的直接耦合，不能消除所有立場與結構選擇。

---

# 8. 七種轉譯策略

## 8.1 直接映射

若主要關係近似同構：

$$
\phi:
K_A
\rightarrow
K_B
$$

則可直接映射。

## 8.2 拆解轉譯

若來源符號粒度較高：

$$
g(\sigma_A)
>
g(\sigma_B)
$$

則需拆成多個目標符號與明示關係。

## 8.3 封裝轉譯

若目標符號粒度較高，可將來源長結構封裝成新單元，但必須保存反向展開契約。

## 8.4 補足轉譯

將來源中的隱含關係：

$$
R_A^{\mathrm{implicit}}
$$

轉為目標系統中的明示關係：

$$
R_B^{\mathrm{explicit}}
$$

## 8.5 壓縮轉譯

將來源明示結構壓縮成目標複合符號，並把部分恢復成本轉移給目標讀者。

## 8.6 分支轉譯

來源存在多個合法語義時，保留多個目標候選，而不是強制單一譯名。

## 8.7 保留原詞或創造新術語

當目標系統缺乏安全映射時，可以保留原詞並附定義，或創造新術語。

---

# 9. 保留原詞不是轉譯失敗

若目標語言缺少穩定對應，可採：

$$
\sigma_A
\rightarrow
\operatorname{Borrowed}(\sigma_A)
$$

並提供：

- 音譯或原字；
- 核心定義；
- 來源；
- 使用範圍；
- 與近似詞差異；
- 可顯影連結。

因此：

$$
\boxed{
\text{Retaining the Source Term}
\neq
\text{Translation Failure}
}
$$

---

# 10. 新術語創造

若來源概念在目標語言中缺乏穩定表示，可創造：

$$
\sigma_B^{\mathrm{new}}
$$

但新術語必須經過：

- 組合透明度檢查；
- 與既有詞區分；
- 關係槽位分析；
- 定義與排除條件；
- 版本與使用測試。

新名稱不會自動取得本體等價性。

---

# 11. 多模態轉譯

跨符號轉譯不只發生於自然語言。

例如：

$$
\text{文字}
\rightarrow
\text{圖}
$$

$$
\text{圖}
\rightarrow
\text{程式}
$$

$$
\text{程式}
\rightarrow
\text{動畫}
$$

$$
\text{聲音}
\rightarrow
\text{結構化事件}
$$

每一次都需要決定哪些關係被保留、近似、補足或遺失。

---

# 12. 文字到圖像：轉譯加未定性補完

文字生成圖像需要補足大量未指定變量：

$$
\Theta_{\mathrm{visual}}
=
\left(
shape,
color,
viewpoint,
lighting,
composition,
style
\right)
$$

因此：

$$
\boxed{
\text{Text-to-Image}
=
\text{Translation}
+
\text{Underspecification Completion}
}
$$

生成結果可能符合文字，但仍加入來源中不存在的視覺本體承諾。

---

# 13. 圖像到文字：離散化與選域

圖像轉文字必須選擇：

- 哪些物件值得命名；
- 哪些關係值得明示；
- 哪些連續形態可以離散化；
- 哪些不確定性應保留；
- 哪些構圖與風格屬於任務必要資訊。

因此圖像描述不可能是完整圖像的無損複製。

---

# 14. 程式語言轉譯

兩種程式語言的差異不只在語法，也可能涉及：

- 型別系統；
- 記憶模型；
- 並發模型；
- 效果系統；
- 例外；
- Runtime；
- 標準函式庫。

因此：

$$
\boxed{
\text{Source-to-Source Translation}
\neq
\text{Syntax Rewrite Only}
}
$$

---

# 15. 不對稱成本

本文定義：

$$
C_{A\rightarrow B}
=
C_{\mathrm{extract}}
+
C_{\mathrm{map}}
+
C_{\mathrm{rebuild}}
+
C_{\mathrm{validate}}
+
C_{\mathrm{teach}}
+
C_{\mathrm{repair}}
$$

其中：

- $C_{\mathrm{extract}}$ ：從來源表面抽取結構；
- $C_{\mathrm{map}}$ ：尋找對應；
- $C_{\mathrm{rebuild}}$ ：在目標系統重建；
- $C_{\mathrm{validate}}$ ：驗證；
- $C_{\mathrm{teach}}$ ：讓目標觀測者學會；
- $C_{\mathrm{repair}}$ ：修復誤解。

一般：

$$
C_{A\rightarrow B}
\neq
C_{B\rightarrow A}
$$

---

# 16. 不對稱的來源

## 16.1 粒度差

來源一個符號可能需要目標多句展開。

## 16.2 關係明示差

一個系統依賴語境，另一個要求顯式標記。

## 16.3 工具差

字典、編譯器、資料庫與模型支援不對稱。

## 16.4 標準權力

主流符號系統的使用者不必主動翻譯自己。

## 16.5 前置知識差

某社群已熟悉對方術語，另一社群沒有相反準備。

## 16.6 文化共享背景差

來源社群可用短符號喚起大量共同歷史。

## 16.7 操作環境差

來源 Runtime 的能力、權限與效果可能不存在於目標系統。

---

# 17. 生成成本與理解成本不對稱

來源社群創造新術語時，可能只需：

$$
C_{\mathrm{native-create}}
$$

目標社群則需：

$$
C_{\mathrm{foreign-understand}}
=
C_{\mathrm{translate}}
+
C_{\mathrm{prerequisite}}
+
C_{\mathrm{ontology}}
+
C_{\mathrm{relation}}
$$

在高密度理論中：

$$
C_{\mathrm{foreign-understand}}
\gg
C_{\mathrm{native-create}}
$$

---

# 18. 差分理解與累積重建

長期參與者每次只需理解：

$$
\Delta K_t
$$

外部讀者則需重建：

$$
K_t
=
\sum_{\tau=1}^{t}
\Delta K_{\tau}
$$

所以翻譯一篇後期論文，往往隱含翻譯整個前置概念網路的成本。

---

# 19. 標準權力與成本外部化

若 $\Lambda_A$ 被視為預設標準：

- 工具優先支援；
- 教材充足；
- 引用慣例成熟；
- 其他語言主動翻譯。

其使用者支付的轉譯成本較低，成本被外部化給：

- 非主流創作者；
- 翻譯者；
- 本地社群；
- 工具開發者。

符號效率因此也具有制度面。

---

# 20. 轉譯成本向量

不宜只用單一分數表示轉譯成本。

定義：

$$
\mathbf C_{A\rightarrow B}
=
\left(
C_{\mathrm{lex}},
C_{\mathrm{rel}},
C_{\mathrm{onto}},
C_{\mathrm{culture}},
C_{\mathrm{operation}},
C_{\mathrm{tool}},
C_{\mathrm{learning}}
\right)
$$

---

# 21. 七類損失

## 21.1 表面損失

字形、聲音、節奏、押韻、雙關與視覺形式。

## 21.2 關係損失

被省略、壓縮或誤型別化的關係。

## 21.3 粒度損失

來源單一高密度符號被拆解後失去整體感，或來源細節被目標封裝後消失。

## 21.4 文化損失

典故、制度、歷史、社群慣例與情感聯想。

## 21.5 操作損失

來源符號可執行，但目標符號只能描述；或兩者效果不同。

## 21.6 身份損失

同一概念被翻成多個互不相認的目標概念，或不同概念被錯誤合併。

## 21.7 歷史損失

命名演化、版本、爭議、作者意圖與來源鏈消失。

---

# 22. 本體損失

本文定義：

$$
L_{\mathrm{onto}}
\left(
A\rightarrow B
\right)
$$

表示來源概念切分在目標系統中無法恢復的程度。

若來源區分：

- 狀態；
- 過程；
- 操作；
- 主體；
- 關係；

而目標表達將其壓成一個模糊名詞，便產生本體損失。

---

# 23. 不可逆損失

若存在 $x\in K_A$ ，使得：

$$
x
\notin
K_B
$$

且：

$$
\operatorname{Recover}
\left(
x\mid K_B
\right)
\approx
0
$$

則稱為不可逆損失。

---

# 24. 可逆近似

若目標表達省略某些結構，但保留來源與展開契約：

$$
K_B
+
P
+
E_c
\rightarrow
K_A'
$$

且：

$$
D(K_A,K_A')
\leq
\tau
$$

則可視為可逆近似。

---

# 25. 損失不一定是錯誤

教學摘要可以合法省略工程細節。

文學翻譯可以優先保留節奏而犧牲字面。

介面圖示可以省略完整來源。

關鍵問題是：

- 省略是否符合任務；
- 是否被明示；
- 是否可回溯；
- 是否造成錯誤推論或誤執行。

---

# 26. 忠實度向量

本文定義：

$$
\mathbf F
=
\left(
F_{\mathrm{semantic}},
F_{\mathrm{relational}},
F_{\mathrm{ontological}},
F_{\mathrm{operational}},
F_{\mathrm{cultural}},
F_{\mathrm{identity}},
F_{\mathrm{historical}}
\right)
$$

不同任務對各分量權重不同。

---

# 27. 任務相對轉譯效用

$$
U_{A\rightarrow B}^{T,o}
=
\sum_i
w_i^{T,o}F_i
-
\lambda C_{A\rightarrow B}
-
\mu Risk
$$

其中：

- $w_i^{T,o}$ ：任務與觀測者權重；
- $F_i$ ：保真度；
- $C$ ：成本；
- $Risk$ ：誤解、誤執行與治理風險。

---

# 28. 保留—近似—省略—不可譯契約

本文提出：

# Translation Preservation Contract

記為：

$$
\mathcal T_c
=
\left(
R^{+},
R^{\approx},
R^{-},
R^{\varnothing},
I,
V,
T
\right)
$$

其中：

- $R^{+}$ ：完整保留；
- $R^{\approx}$ ：近似保留；
- $R^{-}$ ：任務允許省略；
- $R^{\varnothing}$ ：暫時不可譯；
- $I$ ：身份映射；
- $V$ ：版本；
- $T$ ：任務剖面。

---

# 29. 不可譯不等於不可理解

「不可譯」可能只表示：

- 沒有單一對應詞；
- 需要多句；
- 需要圖或例子；
- 需要保留原詞；
- 需要學習背景；
- 需要建立新術語。

因此：

$$
\boxed{
\text{Untranslatable}
\neq
\text{Ununderstandable}
}
$$

---

# 30. 回譯

回譯流程：

$$
s_A
\xrightarrow{\mathcal T_{A\rightarrow B}}
s_B
\xrightarrow{\mathcal T_{B\rightarrow A}}
s_A'
$$

但真正應比較的是：

$$
D(K_A,K_A')
$$

而不只是表面字串差異。

---

# 31. 回譯的限制

若兩個方向都依賴同一個錯誤中介模型，回譯可能表面一致但本體錯誤。

因此回譯只是驗證之一，不能取代：

- 來源專家；
- 任務測試；
- 操作測試；
- 目標讀者理解實驗。

---

# 32. 多候選轉譯

對高歧義符號：

$$
\mathcal T(s_A)
=
\left\{
s_B^{(1)},
s_B^{(2)},
\ldots
\right\}
$$

每個候選應標記：

- 適用語境；
- 保留結構；
- 損失；
- 風險；
- 推薦任務。

---

# 33. 單一最佳翻譯的限制

某些詞不存在普遍最佳翻譯。

最合理的輸出可能包括：

- 主譯；
- 學術譯；
- 工程譯；
- 保留原詞版本；
- 定義性解釋。

這不是不確定的失敗，而是對任務差異的誠實表示。

---

# 34. 名稱與定義分離

新術語轉譯應區分：

$$
surface_B
$$

與：

$$
definition_B
$$

名稱可以短，但定義需明示關係。

不能因主譯固定，就假設概念已被完整移植。

---

# 35. 身份映射

跨語言應保存：

$$
id_A
\leftrightarrow
id_B
$$

即使：

$$
surface_A
\neq
surface_B
$$

也可保持：

$$
id_A=id_B
$$

---

# 36. 身份分裂與錯誤合併

## 36.1 身份分裂

同一來源概念被翻成多個術語，最後被誤認為不同概念。

## 36.2 錯誤合併

不同來源概念被翻成同一目標詞，造成：

$$
id_{A1}
\neq
id_{A2}
$$

但：

$$
surface_B^{(1)}
=
surface_B^{(2)}
$$

系統必須保存身份差異與適用語境。

---

# 37. 操作語義轉譯

若來源符號具有操作接口 $O_A$ ，目標系統需確認：

- 是否存在同等工具；
- 權限模型是否一致；
- 效果是否相同；
- 回滾是否相同；
- 型別是否兼容；
- 提交語義是否一致。

---

# 38. 可執行轉譯

程式、工作流與 Agent 命令的轉譯需滿足：

$$
Sem_E(P_A)
\approx
Sem_E(P_B)
$$

其中 $Sem_E$ 為執行語義。

表面輸出相同不足以證明操作等價。

---

# 39. 安全語義漂移

若來源系統的 `delete` 是軟刪除，目標系統的 `delete` 是永久刪除，表面同名會產生高風險效果漂移。

因此操作轉譯需獨立效果契約與 SAGE 驗證。

---

# 40. 文化再脈絡化

文化符號轉譯可以採：

- 原詞保留；
- 功能等值；
- 歷史註解；
- 類比替代；
- 雙層表達。

但類比替代可能引入錯誤本體。

---

# 41. 文化類比契約

定義：

$$
\phi_{\mathrm{culture}}
=
\left(
preserve,
approximate,
discard,
warn
\right)
$$

明確標記：

- 哪些關係可保留；
- 哪些只能近似；
- 哪些不可移植；
- 哪些需要警告。

---

# 42. 標準化與扁平化

標準化降低互通與工具成本，但可能扁平化：

- 歷史；
- 多義；
- 地方分類；
- 權利關係；
- 文化差異；
- 操作限制。

因此必須同時測量：

$$
Gain_{\mathrm{interop}}
$$

與：

$$
Loss_{\mathrm{onto}}
$$

---

# 43. AI 轉譯的優勢

AI 可以：

- 產生多候選；
- 建立概念圖；
- 追蹤術語；
- 比較版本；
- 生成不同讀者剖面；
- 保留原詞與註解；
- 進行跨模態轉譯；
- 自動檢查身份與來源。

---

# 44. AI 轉譯的風險

AI 可能：

- 假造不存在的對應；
- 抹平多義；
- 將流暢視為正確；
- 過度本地化；
- 遺失來源；
- 混合版本；
- 將文化類比當成同一概念；
- 把不可執行描述翻成可執行命令。

---

# 45. 假同構

AI 容易假設：

$$
K_A
\cong
K_B
$$

只因表面相似。

實際可能只是：

$$
K_A
\sim_{\mathrm{surface}}
K_B
$$

必須檢查關係、本體、身份與操作。

---

# 46. 轉譯帳本

每次轉譯記錄：

$$
\ell_i^{\mathrm{trans}}
=
\left(
source,
target,
task,
preserved,
approximated,
omitted,
untranslated,
identity,
version,
actor
\right)
$$

---

# 47. 跨符號結構重編譯框架

本文建立：

# Cross-Symbolic Structural Recompilation Framework

縮寫：

# CSSRF

定義：

$$
\operatorname{CSSRF}
=
\left(
\Lambda_A,
\Lambda_B,
K_{\mathrm{int}},
\mathcal M,
\mathcal T,
\mathcal I,
\mathcal F,
\mathcal L,
\mathcal V
\right)
$$

其中：

- $\Lambda_A,\Lambda_B$ ：來源與目標符號系統；
- $K_{\mathrm{int}}$ ：中介概念結構；
- $\mathcal M$ ：映射與拆解；
- $\mathcal T$ ：轉譯契約；
- $\mathcal I$ ：身份映射；
- $\mathcal F$ ：保真度與損失；
- $\mathcal L$ ：成本與帳本；
- $\mathcal V$ ：驗證。

---

# 48. 符號轉譯與本體損失引擎

本文將工程系統命名為：

# Symbolic Translation and Ontological Loss Engine

縮寫：

# STOLE

定義：

$$
\operatorname{STOLE}
=
\left(
\mathcal S,
\mathcal K,
\mathcal A,
\mathcal R,
\mathcal O,
\mathcal I,
\mathcal C,
\mathcal V,
\mathcal H
\right)
$$

其中：

- $\mathcal S$ ：來源與目標符號物件；
- $\mathcal K$ ：中介概念圖；
- $\mathcal A$ ：粒度與結構對齊；
- $\mathcal R$ ：重編譯；
- $\mathcal O$ ：本體與操作映射；
- $\mathcal I$ ：身份；
- $\mathcal C$ ：成本與損失；
- $\mathcal V$ ：回譯、任務與專家驗證；
- $\mathcal H$ ：轉譯帳本。

---

# 49. CSSRF／STOLE 系統流程

```text
Source Revealable Symbol
        ↓
Source Identity, Version and Task Profile
        ↓
Extract Intermediate Concept Structure
        ↓
Analyze Granularity, Relations and Ontology
        ↓
Generate Translation Candidates
        ↓
Preserve / Approximate / Omit / Retain Original
        ↓
Recompile into Target Symbol System
        ↓
Back-Translation and Task Validation
        ↓
Ontological Loss Report
        ↓
Target Revealable Symbol and Translation Ledger
```

---

# 50. 轉譯契約資料模型

```json
{
  "translation_contract": {
    "contract_id": "trans-001",
    "source_symbol": "concept://revealable-symbol",
    "source_language": "zh-TW",
    "target_language": "en",
    "task_profile": "academic-introduction",
    "preserved": [
      "stable identity",
      "task-relative expansion",
      "multi-resolution semantics"
    ],
    "approximated": [
      "the semantic range of 顯影"
    ],
    "omitted": [],
    "untranslated": [
      "顯影"
    ],
    "target_strategy": "translated term plus retained source term",
    "authority_version": "v0.4"
  }
}
```

---

# 51. 本體損失報告

```json
{
  "ontological_loss_report": {
    "translation_id": "trans-001",
    "losses": [
      {
        "type": "cultural_semantic_range",
        "source_feature": "顯影 as selective manifestation and reveal",
        "target_result": "revealing",
        "recoverability": "partial"
      }
    ],
    "identity_preserved": true,
    "operation_semantics_preserved": true,
    "recommended_remedy": [
      "retain original term in first occurrence",
      "link to revealable symbol object"
    ]
  }
}
```

---

# 52. 最小 API 草案

```text
extract_intermediate_structure(
  source_symbol,
  task_profile
) -> IntermediateConceptStructure

align_symbolic_granularity(
  source_structure,
  target_language
) -> GranularityAlignment

generate_translation_candidates(
  intermediate_structure,
  target_language,
  observer_profile
) -> TranslationCandidates

build_translation_contract(
  source,
  target,
  preservation_requirements
) -> TranslationContract

estimate_translation_cost(
  source,
  target,
  observer,
  task
) -> CostVector

detect_ontological_loss(
  source_structure,
  target_structure
) -> OntologicalLossReport

validate_translation_identity(
  source_symbol,
  target_symbol
) -> IdentityValidation

back_translate_structure(
  target_symbol,
  source_language
) -> ReconstructedSourceStructure
```

---

# 53. 比較基線

## T0：逐詞翻譯

## T1：普通句級翻譯

## T2：術語表輔助翻譯

## T3：雙語專家翻譯

## T4：LLM 多候選翻譯

## T5：知識圖輔助翻譯

## T6：CSSRF／STOLE

包含中介結構、身份、版本、保留契約與本體損失分析。

---

# 54. 基準任務

## 54.1 新術語翻譯

測試高密度複合概念。

## 54.2 文化概念翻譯

測試歷史與制度語境。

## 54.3 數學符號轉文字

檢查關係與前置條件。

## 54.4 圖像轉文字

檢查空間、身份與不確定性。

## 54.5 程式語言轉譯

檢查執行語義。

## 54.6 工作流圖轉程式

檢查控制流與提交點。

## 54.7 多模態教學轉譯

比較文字、圖與動畫。

## 54.8 版本術語漂移

檢查同名不同版本。

## 54.9 保留原詞策略

比較純翻譯與原詞加定義。

## 54.10 反向成本測試

比較 $A\rightarrow B$ 與 $B\rightarrow A$ 。

---

# 55. 評估指標

## 55.1 語義保真度

## 55.2 關係保真度

## 55.3 本體保真度

## 55.4 操作保真度

## 55.5 身份保持率

## 55.6 文化關係保持率

## 55.7 來源保持率

## 55.8 轉譯時間

## 55.9 目標讀者學習成本

## 55.10 誤解修復成本

## 55.11 回譯結構差異

## 55.12 不可逆損失率

## 55.13 多候選適切率

## 55.14 新術語穩定率

---

# 56. 主要失敗模式

## 56.1 字面等值幻覺

## 56.2 假同構

## 56.3 粒度錯配

## 56.4 關係遺失

## 56.5 本體扁平化

## 56.6 文化類比偷渡

## 56.7 操作語義漂移

## 56.8 身份分裂

## 56.9 身份錯誤合併

## 56.10 版本混合

## 56.11 流暢掩蓋損失

## 56.12 不可譯內容被強制翻譯

## 56.13 原詞保留但無定義

## 56.14 回譯假安全

## 56.15 標準壓平地方本體

---

# 57. 治理原則

## 原則一：表面等值不等於結構等值

## 原則二：轉譯任務必須明示

## 原則三：高密度概念先抽取中介結構

## 原則四：粒度差異需要拆解或封裝契約

## 原則五：多義保留多候選

## 原則六：不可安全對應時可保留原詞

## 原則七：所有重要轉譯保留身份與版本

## 原則八：操作語義需獨立驗證

## 原則九：本體損失必須揭露

## 原則十：回譯只是驗證之一

## 原則十一：標準化收益與扁平化損失共同評估

## 原則十二：AI 流暢度不得取代來源與專家驗證

---

# 58. 基礎命題

## 命題一：結構重編譯命題

跨符號轉譯的本質是概念、關係、本體與操作結構的重編譯，而非表面替換。

## 命題二：任務相對保真命題

轉譯保真度取決於任務與觀測者，不存在單一普遍忠實標準。

## 命題三：中介結構命題

中介概念結構可降低來源與目標表面的直接耦合，但本身不是完全中立。

## 命題四：粒度對齊命題

來源與目標符號粒度差異需要拆解、封裝、補足或新術語。

## 命題五：轉譯不對稱命題

符號系統間的轉譯成本一般不對稱。

## 命題六：前置依賴命題

高密度概念的外部理解成本包含整個前置理論與關係網路的重建。

## 命題七：本體損失命題

轉譯可能不可逆地改變概念切分、關係與操作地位。

## 命題八：損失非錯誤命題

任務允許的省略不一定是錯誤，但必須明示且可追溯。

## 命題九：不可譯非不可理解命題

缺乏單一對應不代表無法透過定義、例子、圖與原詞保留理解。

## 命題十：多候選命題

高歧義與高密度符號應保留多個任務相對候選，而非強制唯一譯名。

## 命題十一：身份保持命題

跨語言與跨模態轉譯需保留穩定概念身份，避免分裂與錯誤合併。

## 命題十二：操作保真命題

可執行符號的轉譯必須驗證效果、權限與提交語義，而不只是輸出相似。

## 命題十三：標準權力命題

主流符號系統透過工具與制度將部分轉譯成本外部化給其他社群。

## 命題十四：轉譯帳本命題

高價值轉譯應保存保留、近似、省略、不可譯、身份、版本與驗證紀錄。

---

# 59. 可反證條件

若實驗顯示：

1. 普通句級翻譯與結構重編譯在高密度概念上沒有穩定差異；
2. 中介概念結構不能改善關係與身份保持；
3. 轉譯成本在雙向間近似對稱；
4. 本體損失分析不能預測誤解與操作錯誤；
5. 多候選與保留原詞策略不改善高歧義概念理解；
6. 操作語義驗證不改善程式、工作流與 Agent 指令轉譯；
7. CSSRF／STOLE 的成本高於普通翻譯與知識圖方法，卻不能提高結構保真、可追溯性與跨模態一致性；

則本文提出的完整框架應被簡化，只保留中介概念圖、身份映射與損失揭露等局部方法。

---

# 60. 與前五篇的關係

第一篇建立符號差異與不對稱。

第二篇建立概念核心與候選語義。

第三篇建立跨模態投影。

第四篇建立操作與執行語義。

第五篇建立可顯影符號與多解析度物件。

本篇將它們連成跨符號遷移鏈：

$$
\boxed{
\text{Revealable Symbol}_A
\rightarrow
\text{Intermediate Concept Structure}
\rightarrow
\text{Translation Contract}
\rightarrow
\text{Revealable Symbol}_B
}
$$

---

# 61. 與外部注意力場工程的關係

跨符號轉譯也需要外部注意力選擇：

- 哪些來源；
- 哪些語義層；
- 哪些前置依賴；
- 哪些反例；
- 哪些操作；
- 哪些文化說明。

因此翻譯不是一次性輸出，而可以是任務相對顯影。

---

# 62. 與 EML-U、NOVA 與格子語言的關係

## 62.1 EML-U

可作為中介高密度語義結構，保存多義、關係與來源。

## 62.2 NOVA

可保存跨語言穩定身份、型別化關係、版本與操作契約。

## 62.3 格子語言

可並列呈現：

- 原文；
- 主譯；
- 候選譯；
- 本體損失；
- 來源；
- 多模態補充。

---

# 63. 與 SAGE 的關係

當轉譯對象可執行時：

$$
\mathcal T_{A\rightarrow B}
\left(
O_A
\right)
\rightarrow
O_B
$$

需經 SAGE 驗證：

- 型別；
- 權限；
- 效果；
- 沙盒；
- 提交。

---

# 64. 與 RSR／MRSOS 的關係

可顯影符號使轉譯可以針對：

- 核心層；
- 研究層；
- 工程層；
- 文化層；
- 操作層；

分別重編譯，而不必一次壓平全部內容。

---

# 65. 與下一篇的接口

第七篇：

# 《AI 原生符號語言系統與實驗框架》

將統合：

- SLAF；
- SCUE；
- CSPCF／MSSE；
- SAGE；
- RSR／MRSOS；
- CSSRF／STOLE。

並建立統一資料模型、AI 原生符號 Runtime、基準任務、比較基線、消融實驗、第一代 MVP 與完整可反證條件。

---

# 66. 結論

本文提出跨符號轉譯、不對稱成本與本體損失的統一理論，將翻譯從表面字詞替換提升為概念、關係、本體、操作與身份的結構重編譯。

完整流程為：

$$
\boxed{
\text{來源可顯影符號}
\rightarrow
\text{來源結構抽取}
\rightarrow
\text{中介概念結構}
\rightarrow
\text{粒度與本體對齊}
\rightarrow
\text{保留／近似／省略／不可譯契約}
\rightarrow
\text{目標符號重編譯}
\rightarrow
\text{回譯與任務驗證}
\rightarrow
\text{本體損失報告}
}
$$

本文的核心區分是：

$$
\boxed{
\text{字詞對應}
\neq
\text{結構等值}
}
$$

$$
\boxed{
\text{可翻譯}
\neq
\text{無損}
}
$$

$$
\boxed{
\text{不可譯}
\neq
\text{不可理解}
}
$$

$$
\boxed{
\text{流暢}
\neq
\text{本體正確}
}
$$

$$
\boxed{
C_{A\rightarrow B}
\neq
C_{B\rightarrow A}
}
$$

真正高品質的跨符號轉譯，不只是產生一個看起來自然的目標表達，而是：

> 讓目標觀測者在指定任務中，以可接受成本重建足夠接近的概念、關係、操作與歷史結構；同時誠實標示哪些內容被保留、近似、省略、分支或不可逆流失。

---

## 附錄 A：轉譯候選物件

```json
{
  "translation_candidates": {
    "source_symbol": "concept://dynamic-revealing",
    "target_language": "en",
    "candidates": [
      {
        "surface": "Dynamic Revealing",
        "task_scope": "series-terminology",
        "preserved": [
          "dynamic",
          "selective revealing"
        ],
        "loss": [
          "part of the semantic range of 顯影"
        ]
      },
      {
        "surface": "Adaptive State Revealing",
        "task_scope": "engineering",
        "preserved": [
          "state",
          "adaptive selection"
        ],
        "loss": [
          "broader symbolic meaning"
        ]
      }
    ],
    "recommended_strategy": "retain Chinese term at first occurrence"
  }
}
```

---

## 附錄 B：轉譯成本向量

```json
{
  "translation_cost_vector": {
    "source": "zh-TW",
    "target": "en",
    "concept": "symbolic-structure-engineering",
    "lexical_cost": 0.28,
    "relation_reconstruction_cost": 0.61,
    "ontological_alignment_cost": 0.67,
    "cultural_context_cost": 0.22,
    "operational_recompilation_cost": 0.31,
    "tooling_cost": 0.18,
    "reader_learning_cost": 0.54
  }
}
```

---

## 附錄 C：身份映射物件

```json
{
  "cross_symbolic_identity": {
    "concept_id": "concept://revealable-symbol",
    "representations": [
      {
        "language": "zh-TW",
        "surface": "可顯影符號"
      },
      {
        "language": "en",
        "surface": "Revealable Symbol"
      }
    ],
    "identity_status": "shared",
    "authority_version": "v0.4",
    "translation_contract": "trans-001"
  }
}
```