# 多路徑知識索引：區塊、流式、跳躍、發散與集中 > **系列**：可繼承的認知：從自我解構到遞歸生成式記憶系統（第 5 篇） > **作者**：Neo.K > **研究協作**：Aletheia（阿萊） > **版本**：v1.0 > **日期**：2026-07-30 > **文章類型**：命題猜想論文／知識索引理論論文／GCMS 架構論文 --- ## 摘要 大型知識系統經常把「索引」理解成一個單一問題：輸入查詢，返回若干最相似文件。然而，知識的可提取性並不只依賴相似度。當任務要求定位局部定義、重建理論演化、跨越遠距概念、展開多條候選路徑或將分散材料收斂成較少的生成核時，單一向量近鄰、全文檢索或靜態知識圖都可能出現系統性失敗。本文提出 GCMS 的多路徑知識索引理論，將索引形式化為作用於同一知識底圖之上的五類基本算子：區塊索引、流式索引、跳躍索引、發散索引與集中索引。 區塊索引將作品分割成具有局部語義、上下文與邊界條件的可操作單元；流式索引保存知識形成、修改與推導的時間方向；跳躍索引允許系統利用符號、生成核、關係邊與多尺度近鄰跨越線性鄰接；發散索引將一個問題展開為多個觀點、子問題、假說與檢索路徑；集中索引則對多路結果進行聚類、去重、衝突保存、證據排序與生成核抽取。五種模式不是彼此替代，而是構成一組可組合算子族。 本文提出「索引任務非同質命題」：不存在一個固定索引策略，能在所有知識任務上同時最佳化局部精確度、時間連續性、遠距橋接、候選多樣性、全局壓縮、證據保真與成本。本文進一步提出多路徑支配猜想、發散—集中對偶命題、跳躍增益命題、邊界—連續性張力命題與矛盾保存命題，並建立區塊完整率、流路連貫度、跳躍增益、分支覆蓋率、集中保真度、矛盾保存率及索引成本等評估指標。 本文主張，GCMS 未來的索引器不應只是資料結構集合，而應是一個具任務辨識能力的索引控制系統。給定查詢、當前證據、不確定性、資源預算與治理限制，後設控制器應動態生成索引程式，例如「先以生成核跳躍，再沿版本流回溯，接著發散檢索，最後集中但保留衝突」。這使索引從靜態尋址轉化為可驗證的知識運算路徑，並為後續的生成、組合、自調用與遞歸自主循環建立基礎。 **關鍵詞**：GCMS、多路徑索引、區塊索引、流式索引、跳躍索引、發散檢索、集中檢索、知識圖、GraphRAG、事件分段、認知分塊、證據鏈 --- ## 一、問題的提出：為什麼「相似文件搜尋」不等於知識索引 設知識庫為： $$ \mathcal K=\{d_1,d_2,\ldots,d_n\}, $$ 查詢為： $$ q\in\mathcal Q. $$ 典型檢索系統以一個分數函數排序文件： $$ S(d_i\mid q), $$ 並返回： $$ \operatorname{TopK}(q) = \underset{d_i\in\mathcal K}{\operatorname{arg\,top\,k}} S(d_i\mid q). $$ 這種模型適合回答「哪一些文件和查詢最相似」，卻不必然適合回答以下問題： 1. 某一概念第一次在哪個版本出現？ 2. 一個理論從母問題經過哪些中間命題才形成目前版本？ 3. 哪兩篇表面用詞不同的作品其實共享同一生成核？ 4. 哪些遠距系列可以藉由一個符號、反例或方法形成橋接？ 5. 一個新問題可能沿哪些互不相同的方向展開？ 6. 大量相近作品如何收斂為較少核心結構，而不抹去真正矛盾？ 7. 目前證據不足時，系統應擴大搜尋、向前追蹤、向後回溯，還是停止？ 這些任務的差異不是查詢措辭差異，而是**尋址幾何不同**。 局部定義查詢偏好細粒度單元；理論演化查詢需要時間順序；跨領域橋接需要遠距跳躍；開放研究需要多分支探索；整體理解需要全局聚合。若全部被壓縮成單一相似度排序，系統通常會得到一組「看起來都相關」但無法重建路徑、來源與結構的結果。 因此本文將知識索引重新定義為： > 在證據、結構、時間與成本約束下，生成一條或多條可重演的知識尋址路徑，使系統能定位、連接、展開、聚合並驗證與任務相關的知識單元。 形式上，索引不再只是： $$ q\mapsto\{d_1,\ldots,d_k\}, $$ 而是： $$ (q,\mathcal K,\Theta) \mapsto \left( \pi, \mathcal E, \mathcal C, \mathcal T \right), $$ 其中： - $\pi$ ：索引操作序列； - $\mathcal E$ ：取得的證據集合； - $\mathcal C$ ：證據之間的關係與上下文； - $\mathcal T$ ：可重演的檢索軌跡； - $\Theta$ ：權限、成本、版本與停止條件。 --- ## 二、研究背景：知識尋址本來就不是單一路徑 ### 2.1 認知分塊：局部結構能降低工作記憶負擔 分塊研究顯示，人類會利用既有知識與規律，把多個元素重新編碼為較少、較具意義的單元。Chekaf 等人的實驗指出，參與者會在立即記憶任務中主動形成 chunks，而 chunking 可藉由知識降低需維持的單元數量。[1] Chen 與 Cowan 的研究則顯示，當排除語音複誦等因素後，工作記憶容量更接近以 chunks 而非原始項目計算。[2] 這類結果不能直接推出數位知識庫應如何切分，但提供一項重要啟示： $$ \text{可操作單位} \neq \text{原始最小單位}. $$ 若系統以整篇論文為唯一索引單位，局部定義與證據會被大文件稀釋；若每一句都獨立索引，生成路徑與上下文又會碎裂。因此區塊不是任意字數窗口，而應是一個帶有內部凝聚力與外部邊界的知識單元。 ### 2.2 事件分段與時間情境：連續知識會被組織成可回溯事件 人類經驗在物理時間上連續，記憶卻常以事件為單位。事件邊界會影響哪些資訊被整合、哪些資訊被分離，以及跨邊界的時間關係是否容易被保持。海馬迴與前額葉相關研究顯示，穩定情境有利於事件內部的時間綁定，而情境轉換會形成新的事件模型。[3][4][5] 這支持一種不同於靜態文件索引的視角： $$ \text{知識狀態} = \text{內容} + \text{形成順序} + \text{邊界轉換}. $$ 一篇論文的最終版本無法完整替代它的推導流；同一概念在不同時期的意義，也不能只靠最新摘要理解。流式索引因此必須保存狀態轉換、版本、前置依賴、否定路徑與中止分支。 ### 2.3 小世界與多尺度圖：遠距節點可以藉由少量長連結快速抵達 HNSW 將多尺度鄰近圖構造成分層的小世界索引，上層長距離連結用於快速導航，下層局部連結則用於精細搜尋。其效果說明：在高維相似空間中，只依賴線性掃描或單尺度鄰近通常效率不足；多尺度、跨距離的連結可以顯著改變尋址成本。[6] 對 GCMS 而言，「跳躍」不限於向量近鄰。跳躍邊可以來自： - 相同符號； - 相同生成核； - 相同母問題； - 反例關係； - 方法借用； - 版本派生； - 產品—理論投影； - 人工指定的橋接。 GraphRAG 與其他圖檢索研究也顯示，將實體、文本與關係組成圖結構，能支援跨文件、多跳與全局性問題，而不只是返回獨立段落。[7][8][9][10] ### 2.4 發散檢索：單一查詢通常只覆蓋問題的一個投影 對開放問題，查詢 $q$ 本身往往是不完整的。單次表述可能只激活某一術語、某一學科或某一解法。多查詢、查詢分解與鏈式檢索研究的共同方向，是把單一查詢展開為多個子查詢或觀點，再合併取得的證據。[11][12] 可寫成： $$ q \xrightarrow{\mathrm{expand}} \{q_1,q_2,\ldots,q_m\}. $$ 發散的目標不是產生越多查詢越好，而是提升對潛在相關區域的覆蓋： $$ \operatorname{Coverage} \left( \bigcup_{j=1}^{m}R(q_j) \right) > \operatorname{Coverage}(R(q)). $$ 心理學中的發散與集中思考研究也長期區分「生成多種可能」與「選擇或形成較少答案」兩種處理模式；實驗研究顯示兩者在任務表現與神經活動上並非完全相同。[13][14] 本文不把創造力任務直接等同於檢索演算法，但借用其操作性區分：發散負責擴大候選空間，集中負責評估與重構候選空間。 ### 2.5 全局聚合與社群摘要：集中不只是把前幾名文件再摘要一次 GraphRAG 的 global search 將文本轉成實體圖、建立社群階層並生成社群摘要，用以處理「整個資料集主要主題為何」這類不適合局部近鄰檢索的問題。[9] 其他多粒度圖索引研究也指出，局部 chunks、實體關係、文件層與社群層具有不同成本與用途。[10][15] 集中因此至少包含： 1. 去除重複表述； 2. 聚合同源分支； 3. 找出共同生成核； 4. 對證據品質排序； 5. 保存少數但關鍵的反例； 6. 標示不能合併的矛盾； 7. 將局部結果映射回全局結構。 若集中只追求短摘要，就可能把「多個可相容觀點」與「真正互相矛盾的命題」一起抹平。 --- ## 三、統一知識底圖 ### 3.1 知識單元 設 GCMS 的基本知識單元集合為： $$ \mathcal U = \{u_1,u_2,\ldots,u_N\}. $$ 每個單元定義為： $$ u_i = \left( c_i, h_i, b_i, \tau_i, s_i, v_i, a_i \right), $$ 其中： - $c_i$ ：內容； - $h_i$ ：來源與內容雜湊； - $b_i$ ：區塊邊界與上下文； - $\tau_i$ ：時間、版本或形成序位； - $s_i$ ：語義指紋； - $v_i$ ：可見性與治理狀態； - $a_i$ ：作品、章節、公式、實驗或生成核等類型。 ### 3.2 多關係邊 知識底圖不是單一邊類型的圖，而是： $$ \mathcal G = \left( \mathcal U, \mathcal E \right), $$ 其中： $$ \mathcal E = \mathcal E_{\mathrm{sem}} \cup \mathcal E_{\mathrm{temp}} \cup \mathcal E_{\mathrm{gen}} \cup \mathcal E_{\mathrm{evid}} \cup \mathcal E_{\mathrm{contra}} \cup \mathcal E_{\mathrm{manual}}. $$ 各類邊分別表示： - $\mathcal E_{\mathrm{sem}}$ ：語義相似或主題相關； - $\mathcal E_{\mathrm{temp}}$ ：時間、版本與狀態轉換； - $\mathcal E_{\mathrm{gen}}$ ：生成、推導與依賴； - $\mathcal E_{\mathrm{evid}}$ ：主張與原始證據； - $\mathcal E_{\mathrm{contra}}$ ：矛盾、反例或不相容； - $\mathcal E_{\mathrm{manual}}$ ：人工指定橋接與策展關係。 同一對節點可以具有多個關係： $$ (u_i,u_j) \in \mathcal E_{\mathrm{sem}} \cap \mathcal E_{\mathrm{temp}}. $$ ### 3.3 索引不是另一份知識，而是對底圖施加的運算 本文定義索引算子族： $$ \mathfrak I = \{ \mathsf B, \mathsf F, \mathsf J, \mathsf D, \mathsf C \}, $$ 分別對應： - $\mathsf B$ ：Block，區塊； - $\mathsf F$ ：Flow，流式； - $\mathsf J$ ：Jump，跳躍； - $\mathsf D$ ：Divergence，發散； - $\mathsf C$ ：Convergence，集中。 這些算子使用同一批來源、版本與證據，但產生不同尋址路徑。 --- ## 四、區塊索引：將內容切成可操作、可重組但不失去邊界的單元 ### 4.1 區塊不是固定字數窗口 對作品 $d$ ，區塊算子為： $$ \mathsf B(d;\theta_B) = \{b_1,b_2,\ldots,b_m\}, $$ 並要求： $$ \bigcup_{i=1}^{m}\operatorname{Span}(b_i) = \operatorname{Span}(d). $$ 但相鄰區塊可重疊，以保存跨邊界上下文： $$ \operatorname{Span}(b_i) \cap \operatorname{Span}(b_{i+1}) \neq \varnothing. $$ 固定 token 數量只是一種低成本方法。更完整的區塊邊界應綜合： $$ \operatorname{BoundaryScore}(t) = \alpha S_{\mathrm{topic}} + \beta S_{\mathrm{syntax}} + \gamma S_{\mathrm{event}} + \delta S_{\mathrm{symbol}} + \eta S_{\mathrm{author}}. $$ 其中可考慮： - 標題與章節； - 語義主題轉移； - 定義、定理、證明、實驗等結構； - 公式與符號作用域； - 作者明確標示的邊界； - 事件或版本轉換。 ### 4.2 區塊的最小充分上下文 區塊 $b_i$ 不只保存文字，還應保存： $$ b_i = \left( x_i, c_i^{-}, c_i^{+}, \operatorname{scope}_i, \operatorname{deps}_i \right), $$ 其中： - $x_i$ ：核心內容； - $c_i^{-}$ ：前置上下文； - $c_i^{+}$ ：後續上下文； - $\operatorname{scope}_i$ ：符號、版本與章節作用域； - $\operatorname{deps}_i$ ：依賴的定義、證據與前置命題。 這可降低「檢索到一句正確文字，卻失去它成立的假設」的風險。 ### 4.3 區塊完整率 定義任務 $q$ 所需的最小證據集合為 $E_q^\ast$ ，實際取回區塊證據為 $E_q$ ，則： $$ \operatorname{BCR}(q) = \frac{|E_q\cap E_q^\ast|}{|E_q^\ast|}. $$ 但還需懲罰失去上下文的孤立命中： $$ \operatorname{BCR}^{+}(q) = \operatorname{BCR}(q) \cdot \operatorname{ContextAdequacy}(E_q). $$ ### 4.4 區塊索引的失敗模式 1. **過度分塊**：命題、證明與條件被分散； 2. **分塊不足**：局部訊號被大篇幅背景稀釋； 3. **邊界僵化**：同一作品只能有一套切分； 4. **符號失域**：公式被取回，但定義不在同一區塊； 5. **版本混塊**：不同版本內容被視為同一語義單元。 因此本文主張 GCMS 應允許： $$ \mathsf B_1(d), \mathsf B_2(d), \ldots, \mathsf B_r(d), $$ 也就是同一作品具有多粒度、多目的區塊視圖，而不是只有一套永久切分。 --- ## 五、流式索引：保存知識如何形成，而不只保存最後狀態 ### 5.1 流是有方向的狀態序列 對一個理論或作品系列，定義狀態流： $$ \mathcal F = \left( z_0 \xrightarrow{e_1} z_1 \xrightarrow{e_2} \cdots \xrightarrow{e_T} z_T \right), $$ 其中： - $z_t$ ：時間 $t$ 的知識狀態； - $e_t$ ：修改、反例、實驗、合併、分支或重命名事件。 流式索引算子為： $$ \mathsf F(q,z_t;w,d) \rightarrow \left( z_{t-w},\ldots,z_t,\ldots,z_{t+d} \right), $$ 其中 $w$ 是回溯窗口， $d$ 是前向追蹤窗口。 ### 5.2 流式索引的五種方向 1. **回溯**：目前結論從何而來； 2. **前向追蹤**：一個母命題後來形成哪些分支； 3. **版本差分**：兩版之間改變什麼； 4. **中止路徑**：哪些方向曾被提出但被放棄； 5. **週期與復現**：某一問題是否在不同時期重複出現。 ### 5.3 流路連貫度 令檢索到的有序節點為： $$ P=(u_{i_1},u_{i_2},\ldots,u_{i_k}), $$ 定義流路連貫度： $$ \operatorname{FC}(P) = \frac{1}{k-1} \sum_{j=1}^{k-1} \mathbf 1 \left[ (u_{i_j},u_{i_{j+1}}) \in \mathcal E_{\mathrm{temp}} \cup \mathcal E_{\mathrm{gen}} \right]. $$ 可再加入方向一致性： $$ \operatorname{FDC}(P) = \operatorname{FC}(P) \cdot \left( 1-\frac{N_{\mathrm{reverse}}}{k-1} \right). $$ ### 5.4 流式索引與最新版本偏誤 流式系統若只按時間衰減加權： $$ w_t=e^{-\lambda\Delta t}, $$ 會自然偏向最新內容。但舊版本可能包含： - 已被刪除的假設； - 失敗但重要的實驗； - 被後來版本掩蓋的概念來源； - 重命名前的同義術語。 因此流式索引不能把「最近」等同「最重要」，而應分離： $$ S_{\mathrm{flow}} = \alpha S_{\mathrm{temporal}} + \beta S_{\mathrm{causal}} + \gamma S_{\mathrm{version}} + \delta S_{\mathrm{evidence}}. $$ --- ## 六、跳躍索引：跨越表面相似度與線性鄰接 ### 6.1 跳躍的定義 設目前節點為 $u_i$ ，一般局部檢索只查看鄰域： $$ \mathcal N_r(u_i) = \{u_j\mid \operatorname{dist}(u_i,u_j)\leq r\}. $$ 跳躍索引允許選擇： $$ u_j\notin\mathcal N_r(u_i), $$ 但滿足某個高辨識度關係： $$ \operatorname{Anchor}(u_i,u_j\mid q)\geq\theta_J. $$ 因此： $$ \mathsf J(u_i,q) = \operatorname{TopK}_{u_j} S_J(u_j\mid u_i,q). $$ ### 6.2 跳躍分數 可定義： $$ \begin{aligned} S_J(u_j\mid u_i,q) ={}& \alpha S_{\mathrm{semantic}} + \beta S_{\mathrm{symbol}} + \gamma S_{\mathrm{kernel}}\\ &+ \delta S_{\mathrm{relation}} + \eta S_{\mathrm{contrast}} + \zeta S_{\mathrm{manual}}. \end{aligned} $$ 其中 $S_{\mathrm{contrast}}$ 允許跳到反例與矛盾，而不是只跳到相似內容。 ### 6.3 多尺度跳躍 借鑑多層小世界索引，可將知識圖分成不同尺度： $$ \mathcal G^{(0)}, \mathcal G^{(1)}, \ldots, \mathcal G^{(L)}. $$ 其中： - 低層保存段落、定義與局部證據； - 中層保存作品、系列與生成核； - 高層保存跨域方法、母問題與抽象關係。 跳躍路徑可以先在高層快速定位，再下降到原文證據： $$ \mathcal G^{(L)} \rightarrow \mathcal G^{(L-1)} \rightarrow \cdots \rightarrow \mathcal G^{(0)}. $$ ### 6.4 跳躍增益 設不允許跳躍的基線檢索效用為 $U_0(q)$ ，允許跳躍後為 $U_J(q)$ ： $$ \operatorname{JG}(q) = U_J(q)-U_0(q). $$ 但也需計算跳躍漂移： $$ \operatorname{JD}(q) = 1- \frac{|E_J\cap E_q^\ast|}{|E_J|}. $$ 真正有效的跳躍需同時滿足： $$ \operatorname{JG}(q)>0, $$ 且： $$ \operatorname{JD}(q)<\theta_{\mathrm{drift}}. $$ ### 6.5 語義瞬移風險 跳躍索引最危險的錯誤不是找不到，而是找到一個「高階概念很像，底層假設完全不同」的遠端節點。 例如兩篇作品都使用「固定點」，但其數學空間、算子條件與證明目的不同。若只靠詞彙或向量相似度跳躍，系統可能把比喻關係誤當可運算同一性。 因此每次跳躍都應附帶： $$ J_{ij} = \left( \text{理由}, \text{邊類型}, \text{尺度}, \text{證據}, \text{不相容條件} \right). $$ --- ## 七、發散索引：將單一查詢展開成受控候選空間 ### 7.1 發散不是隨機聯想 發散索引算子： $$ \mathsf D(q;\theta_D) = \{q_1,q_2,\ldots,q_m\}. $$ 子查詢可來自不同變換： $$ q_j = T_j(q), $$ 例如： - 同義與術語變換； - 抽象化或具體化； - 因果前件與後件； - 方法、反例、限制與應用； - 不同學科投影； - 不同時間與版本； - 支持與反對立場； - 部分問題分解。 ### 7.2 發散樹 發散過程形成樹： $$ \mathcal T_D = (V_D,E_D), $$ 根節點為原始問題 $q_0$ ，每個節點可再展開： $$ q_{t+1}^{(j)} = T_j(q_t). $$ 若不限制深度與寬度，候選數可能指數增長： $$ |V_D| \approx \sum_{t=0}^{L}b^t. $$ 因此發散必須受預算控制： $$ |V_D|\leq B_D, $$ $$ L\leq L_{\max}. $$ ### 7.3 分支覆蓋與分支新穎度 若真實相關面向集合為 $A_q^\ast$ ，已覆蓋面向為 $A_D$ ： $$ \operatorname{BCov}(q) = \frac{|A_D\cap A_q^\ast|}{|A_q^\ast|}. $$ 分支間的平均差異可定義為： $$ \operatorname{BDiv}(q) = \frac{2}{m(m-1)} \sum_{i\theta_X. $$ ### 7.5 發散爆炸與新穎性幻覺 發散容易產生： - 大量同義問題； - 與來源無關的創意分支； - 被模型語言風格誤判為新概念的重複內容； - 只支持原假設、不搜尋反例的確認偏誤； - 無限研究循環。 因此每個分支應保存： $$ D_j = \left( q_j, \operatorname{parent}(q_j), \operatorname{transform}_j, \operatorname{expectedGain}_j, \operatorname{cost}_j, \operatorname{status}_j \right). $$ --- ## 八、集中索引：從多路候選恢復結構，而不是只做摘要 ### 8.1 集中算子 給定發散或多路檢索結果： $$ \mathcal R = \{r_1,r_2,\ldots,r_n\}, $$ 集中算子為： $$ \mathsf C(\mathcal R;q,\theta_C) = \left( \mathcal K_R, \mathcal X_R, \mathcal S_R, \mathcal E_R \right), $$ 其中： - $\mathcal K_R$ ：抽取的生成核或主題核心； - $\mathcal X_R$ ：不可合併的矛盾與反例； - $\mathcal S_R$ ：代表性證據集合； - $\mathcal E_R$ ：來源與關係映射。 ### 8.2 集中的五個階段 #### 第一階段：正規化 對名稱、符號、版本與引用進行對齊： $$ \widetilde r_i = \operatorname{Normalize}(r_i). $$ #### 第二階段：聚類與去重 $$ \mathcal R \rightarrow \{C_1,C_2,\ldots,C_k\}, $$ 其中每個 $C_j$ 是語義或生成關係較密集的群集。 #### 第三階段：證據排序 $$ S_E(r_i) = \alpha S_{\mathrm{source}} + \beta S_{\mathrm{direct}} + \gamma S_{\mathrm{version}} + \delta S_{\mathrm{independent}}. $$ #### 第四階段：核心抽取 $$ K_j = \operatorname{Invariant}(C_j), $$ 但抽取的核心必須附帶其支撐與不適用邊界。 #### 第五階段：矛盾保存 若兩命題： $$ p_i\land p_j\models\bot, $$ 則不得只因一方較常見就自動刪除另一方，而應保存： $$ X_{ij} = \left( p_i,p_j, \text{各自證據}, \text{適用條件}, \text{未決狀態} \right). $$ ### 8.3 集中保真度 令集中前的關鍵不變量集合為 $\mathcal I(\mathcal R)$ ，集中結果為 $Y$ ： $$ \operatorname{CFid} = \frac{ |\mathcal I(Y)\cap\mathcal I(\mathcal R)| }{ |\mathcal I(\mathcal R)| }. $$ 定義矛盾保存率： $$ \operatorname{CPR} = \frac{|\mathcal X_Y\cap\mathcal X_R|}{|\mathcal X_R|}. $$ 若一個摘要非常流暢但： $$ \operatorname{CPR}\approx0, $$ 則它可能只是把爭議抹平，而不是完成可靠集中。 ### 8.4 集中與壓縮的差異 一般壓縮關心： $$ \frac{|Y|}{|\mathcal R|}. $$ 可靠集中還關心： $$ \operatorname{Traceability}(Y), $$ $$ \operatorname{BoundaryPreservation}(Y), $$ 以及： $$ \operatorname{MinorityEvidenceRetention}(Y). $$ 因此： $$ \boxed{ \text{集中} \neq \text{刪到只剩最常見敘述} } $$ --- ## 九、發散—集中對偶 ### 9.1 不是互相抵銷，而是兩個不同階段 發散擴大候選空間： $$ \mathsf D: \mathcal Q \rightarrow \mathcal P(\mathcal Q), $$ 集中把候選空間轉換為結構化結果： $$ \mathsf C: \mathcal P(\mathcal R) \rightarrow \mathcal Y. $$ 兩者組合： $$ q \xrightarrow{\mathsf D} \{q_1,\ldots,q_m\} \xrightarrow{\mathrm{Retrieve}} \mathcal R \xrightarrow{\mathsf C} Y. $$ ### 9.2 集中不是發散的逆函數 一般而言： $$ \mathsf C(\mathsf D(q)) \neq q. $$ 因為發散可能發現原問題未包含的新證據、衝突與結構。集中後的結果 $Y$ 應該是受證據修正的新狀態，而不是回到起點。 ### 9.3 對偶效用 設發散後的覆蓋增益為： $$ G_D = \operatorname{Coverage}(\mathcal R_D) - \operatorname{Coverage}(\mathcal R_0), $$ 集中後的認知負擔降低為： $$ G_C = \operatorname{Load}(\mathcal R_D) - \operatorname{Load}(Y). $$ 可靠流程需同時保持： $$ G_D>0, $$ $$ G_C>0, $$ 以及： $$ \operatorname{CFid}\geq\theta_F. $$ --- ## 十、後設索引控制器：何時使用哪一條路徑 ### 10.1 索引程式 GCMS 的索引控制器不是固定選擇一種模式，而是生成算子序列： $$ \pi_q = (o_1,o_2,\ldots,o_T), $$ 其中： $$ o_t\in\mathfrak I. $$ 例如： $$ \pi_1 =(\mathsf B,\mathsf J,\mathsf C), $$ 表示先做局部區塊定位，再跨系列跳躍，最後聚合。 又如： $$ \pi_2 =(\mathsf J,\mathsf F^{-},\mathsf D,\mathsf C), $$ 表示先以生成核跳到遠端作品，再沿時間流回溯來源，之後發散搜尋相關分支，最後集中。 ### 10.2 控制器狀態 控制器輸入： $$ \Sigma_t = \left( q, E_t, U_t, X_t, B_t, R_t, P_t \right), $$ 其中： - $E_t$ ：目前證據； - $U_t$ ：不確定性； - $X_t$ ：衝突程度； - $B_t$ ：資源預算； - $R_t$ ：剩餘遞歸深度； - $P_t$ ：權限與治理政策。 動作選擇： $$ o_{t+1} = \Pi(\Sigma_t). $$ ### 10.3 效用函數 可定義： $$ \begin{aligned} U(\pi_q) ={}& \alpha R_{\mathrm{relevance}} + \beta R_{\mathrm{coverage}} + \gamma R_{\mathrm{faithfulness}}\\ &+ \delta R_{\mathrm{diversity}} + \eta R_{\mathrm{traceability}} - \lambda C_{\mathrm{cost}} - \mu C_{\mathrm{risk}}. \end{aligned} $$ 控制器目標： $$ \pi_q^\ast = \underset{\pi}{\operatorname{argmax}} U(\pi). $$ ### 10.4 停止條件 索引不能永遠展開。停止條件可為： $$ \Delta U_t<\varepsilon, $$ 或： $$ \operatorname{Coverage}(E_t)\geq\theta_C, $$ 或： $$ B_t\leq0, $$ 或： $$ \operatorname{StateRepeat}(\Sigma_t)=1, $$ 或需要外部權限與人工判斷。 --- ## 十一、核心命題與猜想 ### 命題一：索引任務非同質命題 不存在一個固定索引策略 $I^\ast$ ，能對所有任務分布 $\mathcal Q$ 同時最大化： $$ \{ \text{局部精確度}, \text{時間連續性}, \text{遠距橋接}, \text{候選多樣性}, \text{全局壓縮}, \text{證據保真}, \text{低成本} \}. $$ 只要存在兩類任務 $q_a,q_b$ ，其最優尋址幾何不同，即有： $$ \operatorname{argmax}_{I}U(I\mid q_a) \neq \operatorname{argmax}_{I}U(I\mid q_b). $$ ### 命題二：多路徑支配猜想 對具有局部、時間、跨文件與全局任務混合的查詢分布，若後設控制器能正確選擇算子序列，則： $$ \mathbb E_{q\sim\mathcal Q} [U(\pi_q^\ast)] > \max_{I\in\mathfrak I} \mathbb E_{q\sim\mathcal Q} [U(I(q))]. $$ 此命題不是宣稱多路徑對每一查詢都優於最佳單一路徑，而是宣稱在異質任務分布上，動態選路的平均效用可能更高。 ### 命題三：邊界—連續性張力命題 更細的區塊通常提高局部可定位性，卻可能降低跨區塊連續性： $$ \frac{\partial R_{\mathrm{local}}}{\partial g}>0, $$ $$ \frac{\partial R_{\mathrm{flow}}}{\partial g}<0, $$ 其中 $g$ 表示分塊細粒度。 因此最佳粒度依任務而變： $$ g^\ast=g(q). $$ ### 命題四：跳躍增益命題 當答案證據分散於語義距離遠但關係上可橋接的節點時，加入有證據的跳躍邊可提升召回或降低尋址成本： $$ \operatorname{JG}(q)>0. $$ 但若跳躍邊缺少作用域與不相容條件，漂移風險上升。 ### 命題五：發散—集中對偶命題 只發散會提高覆蓋但增加成本與噪音；只集中會降低負擔但可能遺失新穎性與少數證據。對開放問題，存在一組非零發散與非零集中強度： $$ (d^\ast,c^\ast), \qquad d^\ast>0, \quad c^\ast>0, $$ 使總效用高於任一極端。 ### 命題六：矛盾保存命題 若集中算子只以頻率、相似度或摘要流暢度作為目標，則隨壓縮率提高，矛盾保存率可能下降： $$ \frac{\partial\operatorname{CPR}}{\partial\operatorname{Compression}}<0. $$ 加入顯式矛盾邊與少數證據保留政策，應能改善此問題。 ### 命題七：可重演索引命題 若索引結果保存： $$ \left( \pi, \theta, \text{版本}, \text{證據}, \text{隨機種子} \right), $$ 則在底層知識狀態不變時，索引路徑應可被近似重演。若系統只保存最終回答，而不保存路徑，則無法區分來源變動、模型漂移與索引策略改變。 --- ## 十二、評估框架 ### 12.1 任務類型 建立五類基準： 1. **局部定位任務**：找定義、公式、段落與直接證據； 2. **演化重建任務**：找版本、前置命題與形成順序； 3. **橋接任務**：找跨系列、跨術語與跨學科關係； 4. **發現任務**：對開放問題生成多種有證據的研究方向； 5. **全局集中任務**：抽取核心、聚合系列並保存矛盾。 ### 12.2 比較系統 至少比較： - BM25 或全文檢索； - 單一向量近鄰； - 單一知識圖檢索； - 固定 chunk RAG； - 多路徑但無控制器； - 完整多路徑控制器。 ### 12.3 主要指標 局部檢索： $$ \mathrm{Recall@k}, \quad \mathrm{MRR}, \quad \mathrm{nDCG@k}. $$ 流式重建： $$ \operatorname{FC}, \quad \operatorname{FDC}, \quad \operatorname{VersionAccuracy}. $$ 跳躍： $$ \operatorname{JG}, \quad \operatorname{JD}, \quad \operatorname{HopCount}. $$ 發散： $$ \operatorname{BCov}, \quad \operatorname{BDiv}, \quad \operatorname{NovelEvidenceRate}. $$ 集中： $$ \operatorname{CFid}, \quad \operatorname{CPR}, \quad \operatorname{Traceability}. $$ 成本： $$ C = \alpha T_{\mathrm{latency}} + \beta N_{\mathrm{retrieval}} + \gamma N_{\mathrm{tokens}} + \delta N_{\mathrm{graph\,ops}}. $$ ### 12.4 消融實驗 依序移除： - 流式邊； - 生成核跳躍； - 反例邊； - 發散分支； - 集中矛盾保存； - 後設控制器。 若移除某一算子只影響對應任務，而不顯著影響其他任務，支持五種索引具有功能分化。若單一向量檢索在所有任務與成本下都不劣於多路徑系統，則本文核心猜想受到否證。 --- ## 十三、工程架構 ### 13.1 七層架構 GCMS 多路徑索引可分為： $$ \begin{aligned} L_0&=\text{無損來源與版本層},\\ L_1&=\text{多粒度區塊層},\\ L_2&=\text{時間與生成流層},\\ L_3&=\text{多關係圖與跳躍層},\\ L_4&=\text{發散／集中算子層},\\ L_5&=\text{後設控制與停止層},\\ L_6&=\text{證據、審計與治理層}. \end{aligned} $$ ### 13.2 索引紀錄 每次索引執行保存： ```json { "trace_id": "TRACE-...", "query": "...", "operators": ["block", "jump", "flow-backward", "diverge", "converge"], "parameters": {}, "retrieved_units": [], "evidence_citations": [], "conflicts": [], "stop_reason": "coverage_satisfied", "cost": {}, "knowledge_snapshot": "sha256:..." } ``` ### 13.3 候選路徑與正式知識分離 索引路徑可能產生新的橋接與群集，但這些結果不應直接改寫正式知識圖。 應分成： $$ \mathcal E = \mathcal E_{\mathrm{accepted}} \cup \mathcal E_{\mathrm{candidate}}. $$ 候選跳躍邊、生成核或群集需經： $$ \operatorname{Propose} \rightarrow \operatorname{Verify} \rightarrow \operatorname{Accept/Reject}. $$ --- ## 十四、失敗模式與治理邊界 ### 14.1 過度分塊 系統返回大量局部正確但無法組合的片段。 治理：保留父區塊、章節作用域與跨區塊依賴。 ### 14.2 邊界鎖死 早期錯誤切分被永久制度化。 治理：允許多粒度視圖與版本化重新分塊。 ### 14.3 流式近期偏誤 新內容自動覆蓋舊內容的重要性。 治理：分離時間新近性、因果重要性與證據品質。 ### 14.4 語義瞬移 高階詞彙相似造成跨域錯誤映射。 治理：每次跳躍保存理由、作用域與不相容條件。 ### 14.5 發散爆炸 分支數量增長，但資訊增益下降。 治理：分支預算、重複檢測、邊際增益停止與人工閘門。 ### 14.6 集中抹平 少數證據、反例與真正矛盾被「主題摘要」消失。 治理：顯式矛盾邊、矛盾保存率與少數證據配額。 ### 14.7 自我強化索引漂移 系統依自己生成的群集建立新跳躍，再用新跳躍證明原群集合理。 治理：來源邊、候選邊與接受邊分區；禁止候選關係自我驗證。 ### 14.8 權限穿越 高層社群摘要或圖統計洩漏不可見作品的存在與主題。 治理：所有聚合與跳躍必須在查詢主體可見子圖上執行： $$ \mathcal G_p = \mathcal G[\mathcal U_p]. $$ --- ## 十五、與 GCMS 既有雙軌記憶架構的關係 上一篇建立： $$ \mathrm{GCMS} = \mathrm{LosslessArchive} + \mathrm{SemanticMemory} + \mathrm{EvidenceBridge}. $$ 本文進一步說明，語義記憶本身不能只是一個向量表，而應是： $$ \mathrm{SemanticMemory} = \left( \mathcal G, \mathfrak I, \Pi, \mathcal T \right), $$ 其中： - $\mathcal G$ ：統一知識底圖； - $\mathfrak I$ ：五類索引算子； - $\Pi$ ：後設控制器； - $\mathcal T$ ：可重演軌跡。 雙軌架構保證原文可以被驗證；多路徑索引則決定在何時、以何種幾何找到原文與語義結構。 完整形式為： $$ \boxed{ \begin{aligned} \mathrm{GCMS}_{\mathrm{index}} ={}& \mathrm{LosslessSource}\\ &+ \mathrm{MultiGranularBlocks}\\ &+ \mathrm{TemporalFlows}\\ &+ \mathrm{GraphJumps}\\ &+ \mathrm{DivergentSearch}\\ &+ \mathrm{ConvergentIntegration}\\ &+ \mathrm{MetaControl}\\ &+ \mathrm{EvidenceTrace}. \end{aligned} } $$ --- ## 十六、結論 知識索引不是一個可以被單一相似度函數完全取代的問題。 不同任務要求不同尋址幾何： - 區塊索引處理局部可操作性； - 流式索引保存形成方向與狀態轉換； - 跳躍索引跨越線性鄰接與表面術語； - 發散索引擴大問題與證據空間； - 集中索引恢復核心、證據與矛盾結構。 因此： $$ \boxed{ \text{多路徑知識索引} \neq \text{多個搜尋框並列} } $$ 它是一套可組合的知識運算子，以及一個根據任務、不確定性、成本與治理限制選擇運算路徑的後設控制系統。 若這套理論成立，GCMS 未來不會只回答「最相關的文章是哪一篇」，而能回答： - 該從哪一個局部證據開始； - 該沿哪條時間與生成路徑回溯； - 該跳到哪個遠距系列； - 該展開哪些相互獨立的研究分支； - 最後哪些內容可以合併，哪些矛盾必須保留。 這使索引從資料庫查詢提升為： $$ \boxed{ \text{可驗證的知識路徑生成} } $$ 而下一篇將在此基礎上處理更進一步的問題：當系統找到多個知識單元後，它如何不只重建既有作品，而是進行生成、組合與跨域再結構化。 --- ## 參考文獻 [1] Chekaf, M., Cowan, N., & Mathy, F. (2016). *Chunk Formation in Immediate Memory and How It Relates to Data Compression*. Cognition, 155, 96–107. https://pmc.ncbi.nlm.nih.gov/articles/PMC4983232/ [2] Chen, Z., & Cowan, N. (2009). *Core Verbal Working-Memory Capacity: The Limit in Words Retained Without Covert Articulation*. Quarterly Journal of Experimental Psychology, 62(7), 1420–1429. https://pmc.ncbi.nlm.nih.gov/articles/PMC2693080/ [3] Bladon, J. H., et al. (2019). *In a Temporally Segmented Experience Hippocampal Neurons Represent Temporally Drifting Context But Not Discrete Segments*. Journal of Neuroscience. https://pubmed.ncbi.nlm.nih.gov/31253754/ [4] DuBrow, S., & Davachi, L. (2016). *Temporal Binding Within and Across Events*. Neurobiology of Learning and Memory, 134, 107–114. https://pubmed.ncbi.nlm.nih.gov/27422018/ [5] Lohnas, L. J., et al. (2023). *Neural Temporal Context Reinstatement of Event Structure During Memory Recall*. Communications Biology. https://pmc.ncbi.nlm.nih.gov/articles/PMC10293072/ [6] Malkov, Y. A., & Yashunin, D. A. (2020). *Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs*. IEEE Transactions on Pattern Analysis and Machine Intelligence, 42(4), 824–836. https://arxiv.org/abs/1603.09320 [7] Hu, Y., et al. (2024). *GRAG: Graph Retrieval-Augmented Generation*. https://arxiv.org/abs/2405.16506 [8] Chen, W., et al. (2024). *KG-Retriever: Efficient Knowledge Indexing for Retrieval-Augmented Large Language Models*. https://arxiv.org/abs/2412.05547 [9] Edge, D., et al. (2024). *From Local to Global: A Graph RAG Approach to Query-Focused Summarization*. https://arxiv.org/abs/2404.16130 [10] Huang, Y., Zhang, S., & Xiao, X. (2025). *KET-RAG: A Cost-Efficient Multi-Granular Indexing Framework for Graph-RAG*. https://arxiv.org/abs/2502.09304 [11] Fang, Z., et al. (2021). *A Query-Driven Topic Model*. Findings of ACL-IJCNLP 2021. https://aclanthology.org/2021.findings-acl.154.pdf [12] Liu, J., et al. (2026). *Scaling Retrieval-Augmented Reasoning with Parallel Search and Explicit Merging*. https://arxiv.org/html/2605.13534v1 [13] Jauk, E., Benedek, M., & Neubauer, A. C. (2012). *Tackling Creativity at Its Roots: Evidence for Different Patterns of EEG Alpha Activity Related to Convergent and Divergent Modes of Task Processing*. International Journal of Psychophysiology, 84(2), 219–225. https://pmc.ncbi.nlm.nih.gov/articles/PMC3343259/ [14] Liu, C., Lin, Y., Ye, C., Yang, J., & He, W. (2023). *Alpha ERS-ERD Pattern During Divergent and Convergent Thinking Depends on Individual Differences on Metacontrol*. Journal of Intelligence, 11(4), 74. https://pmc.ncbi.nlm.nih.gov/articles/PMC10144848/ [15] Zhao, Y., et al. (2025). *E²GraphRAG: Streamlining Graph-Based RAG for High Efficiency and Effectiveness*. https://arxiv.org/abs/2505.24226 --- ## 系列銜接 上一篇：**《無損保存與近無損語義重建：GCMS 的雙軌記憶架構》** 下一篇：**《知識不只被重建：生成、組合與跨域再結構化》**