# 判定摩擦與轉移邊界資訊：狀態改變瞬間的差異、事件與可重播歷史

**English Title:** Judgment Friction and Transition-Boundary Information: Differences, Events, and Replayable Histories at State Changes  
**Series:** Domain-Transition Information Logic, Paper IV  
**Author:** Neo.K  
**Collaborator:** Aletheia (GPT-5.6 Sol)  
**Institution:** EveMissLab / 一言諾科技有限公司  
**Version:** v0.1  
**Date:** 2026-08-10  
**Status:** Series II — Transition-Boundary Paper

## 摘要

Series II 前三篇已依序建立：局部 Q4 四態與歷史狀態的區分、Once / Still / Again 等路徑算子，以及 object reclassification 與 proposition-state transition 的分離。然而，這些工作仍主要描述「轉移前是什麼」與「轉移後是什麼」。本文進一步提出：**狀態轉移本身，以及轉移前後所暴露出的結構差異，也應被保存為一級資訊物件。**

對一個轉移邊界 \(t^\ast\)，本文區分：

\[
t^-,
\qquad
t^\ast,
\qquad
t^+,
\]

分別表示邊界前、邊界事件與邊界後。完整動態狀態仍寫為：

\[
\widehat{\Sigma}_t
=
(
\Psi_t,
\mathcal J_t,
E_t,
W_t,
\Gamma_t,
\nu_t,
H_t
),
\]

其中 \(\Psi_t\) 是語義身份狀態，\(\mathcal J_t\) 是判定域，\(E_t\) 是證據狀態，\(W_t\) 是世界／過程狀態，\(\Gamma_t\) 是分類狀態，\(\nu_t\) 是 Q4 局部資訊狀態，\(H_t\) 是歷史。

本文定義 **Transition Difference Packet**：

\[
\boxed{
\Delta^\ast
=
(
\Delta\Psi,
\Delta\mathcal J,
\Delta E,
\Delta W,
\Delta\Gamma,
\Delta\nu
)_{t^\ast},
}
\]

以及 **Judgment Friction**：

\[
\boxed{
\mathfrak F_{t^\ast}
=
\mathcal F(
\widehat{\Sigma}_{t^-},
\widehat{\Sigma}_{t^+},
\Delta^\ast,
\mathcal C^\ast
),
}
\]

其中 \(\mathcal C^\ast\) 保存 transition cause、trigger、guard、confidence、verification 與 provenance。本文特別強調，\(\mathfrak F\) 初期不應被壓成單一 scalar；它首先是一個**有型別的差異結構**。只有在特定任務下，才可定義投影：

\[
\mathfrak F^{(\mathcal Q)}
\]

或成本函數：

\[
\|\mathfrak F\|_{\mathcal Q}.
\]

本文進一步區分 **actual boundary**、**observed boundary** 與 **declared boundary**。世界真正改變的時刻：

\[
\tau^\ast
\]

未必等於系統偵測到的：

\[
\hat\tau^\ast,
\]

更未必等於人工或規則系統正式提交狀態變更的：

\[
\tilde\tau^\ast.
\]

因此 transition-boundary information 也必須保存 detection delay、boundary uncertainty 與 revision history。

Hybrid automata 已長期以 guards、discrete transitions 與 reset maps 形式化連續／離散系統的狀態切換；change-point detection 則將 regime boundary 的位置與不確定性作為核心推論對象。 2025 年一個特定 Hawkes-process change-point 模型更顯示，change-time Fisher information 可集中於變化後的短暫 boundary layer；這提供了一個具體案例，說明「轉移附近的局部區段」可能包含不同於穩態區段的資訊，但本文不將此結果泛化為所有系統的普遍定律。

本文不宣稱首次提出 event boundary、change point、hybrid transition、reset 或 hysteresis。本文較窄的工作是：把 DTIL 已有的 semantic identity、judgment domain、evidence、world state、classification、Q4 state 與 history 同時放入一個 transition-boundary object，讓「為什麼由 X 變成 Y」「哪一層變了」「何時被偵測到」「是否真的跨過邊界」「是否只是抖動」成為可查詢、可重播、可修正的歷史資訊。

**關鍵詞：** Judgment Friction；Transition Boundary；DTIL；Q4；Change Point；Hybrid Systems；Hysteresis；Event；Semantic Shift；Reclassification；History

---

# 1. 問題：只保存 before / after 夠不夠？

假設：

\[
S_0
\rightarrow
S_1.
\]

最簡資料庫可能只保存：

```text
previous_state = S0
current_state  = S1
```

但這會遺失大量問題：

1. 什麼時候變？
2. 哪個條件觸發？
3. 哪一層先變？
4. 是 evidence 變、world 變、domain 變，還是 semantic target 變？
5. transition 是瞬時還是持續區間？
6. 是否曾在 threshold 附近反覆抖動？
7. 系統何時才發現這個變化？
8. 後來是否修正了邊界位置？
9. 這次變更是否經過驗證？
10. 能不能重播？

因此：

\[
\boxed{
\text{before state}
+
\text{after state}
}
\]

不是完整 transition information。

---

# 2. 三個時間位置

本文先區分：

\[
\boxed{
t^-,
\quad
t^\ast,
\quad
t^+.
}
\]

其中：

### \(t^-\)

邊界前最後一個有效狀態。

### \(t^\ast\)

transition boundary / event。

### \(t^+\)

邊界後第一個有效狀態。

因此：

\[
\widehat{\Sigma}_{t^-}
\xrightarrow{\mathcal C^\ast}
\widehat{\Sigma}_{t^+}.
\]

這裡：

\[
\mathcal C^\ast
\]

不是 state，而是 transition context。

---

# 3. 邊界不是第三個普通狀態

一個常見誤解是把：

\[
t^\ast
\]

當成：

\[
S^\ast
\]

這個普通中間狀態。

但 transition boundary 可能是：

- 瞬時 event；
- threshold crossing；
- model update；
- reset；
- classification commit；
- semantic split；
- detected change point；
- 一個具有持續寬度的 transition interval。

所以：

\[
\boxed{
\text{boundary}
\neq
\text{ordinary state by default}.
}
\]

---

# 4. 點邊界與區間邊界

第一版先分：

## Point Boundary

\[
t^\ast.
\]

適合：

- discrete update；
- rule firing；
- database commit；
- formal reclassification event。

## Interval Boundary

\[
B^\ast
=
[t_a,t_b].
\]

適合：

- gradual regime transition；
- uncertain change interval；
- transition zone；
- semantic stabilization process。

因此：

\[
\boxed{
\text{transition instant}
}
\]

不必永遠是字面上的零寬度瞬間。

---

# 5. Hybrid Automata 的外部近鄰

Hybrid automata 將有限離散 mode 與連續變數結合；mode 內可有連續 dynamics，而 discrete transitions 由 guards 觸發，並可透過 reset relation / reset map 對變數產生不連續更新。

這提供一個成熟的工程框架：

\[
\boxed{
\text{state}
+
\text{guard}
+
\text{transition}
+
\text{reset}.
}
\]

DTIL 不需要重新發明這類 transition machinery。

本文要額外處理的是：

\[
\boxed{
\text{what epistemic / semantic / judgment differences the transition carries}.
}
\]

---

# 6. DTIL 的完整狀態

沿用並擴充前篇：

\[
\boxed{
\widehat{\Sigma}_t
=
(
\Psi_t,
\mathcal J_t,
E_t,
W_t,
\Gamma_t,
\nu_t,
H_t
).
}
\]

其中：

- \(\Psi_t\)：Semantic Identity；
- \(\mathcal J_t\)：Judgment Domain；
- \(E_t\)：Evidence；
- \(W_t\)：World / Process State；
- \(\Gamma_t\)：Classification State；
- \(\nu_t\)：Q4 Local State；
- \(H_t\)：History。

---

# 7. Transition Difference Packet

對：

\[
t^\ast
\]

定義：

\[
\boxed{
\Delta^\ast
=
\Delta
(
\widehat{\Sigma}_{t^-},
\widehat{\Sigma}_{t^+}
).
}
\]

第一版展成：

\[
\boxed{
\Delta^\ast
=
(
\Delta\Psi,
\Delta\mathcal J,
\Delta E,
\Delta W,
\Delta\Gamma,
\Delta\nu
).
}
\]

注意：

\[
\Delta
\]

不是普通減法。

它表示：

\[
\boxed{
\text{typed structured difference}.
}
\]

---

# 8. 為什麼 History 不直接放進 \(\Delta^\ast\)？

因為：

\[
H_{t^+}
\]

本來就會比：

\[
H_{t^-}
\]

多出這次 transition。

所以：

\[
\Delta H
\]

幾乎必然非零。

更乾淨的設計是：

\[
\boxed{
H_{t^+}
=
H_{t^-}
\oplus
\mathcal T^\ast,
}
\]

其中：

\[
\mathcal T^\ast
\]

就是這次 transition record。

因此 transition packet 本身就是：

\[
\boxed{
\text{history increment}.
}
\]

---

# 9. Transition Context

定義：

\[
\boxed{
\mathcal C^\ast
=
(
trigger,
guard,
cause,
confidence,
verification,
provenance
).
}
\]

其中：

### Trigger

什麼事件觸發 transition？

### Guard

什麼條件使 transition 被允許？

### Cause

目前推定的變動原因。

### Confidence

邊界／原因判定的不確定性。

### Verification

transition 是否被正式驗證？

### Provenance

誰／什麼系統產生這個 transition record？

---

# 10. Judgment Friction

本文正式定義：

\[
\boxed{
\mathfrak F_{t^\ast}
=
\mathcal F(
\widehat{\Sigma}_{t^-},
\widehat{\Sigma}_{t^+},
\Delta^\ast,
\mathcal C^\ast
).
}
\]

第一版不要求：

\[
\mathfrak F
\in\mathbb R.
\]

而讓：

\[
\mathfrak F
\]

是一個 typed object。

所以：

\[
\boxed{
\text{Judgment Friction}
\neq
\text{one scalar distance by default}.
}
\]

---

# 11. 為什麼先不要壓成 scalar？

例如：

\[
\Delta\nu
\]

可能只是：

\[
\mathbf U\rightarrow\mathbf Y.
\]

而：

\[
\Delta\Psi
\]

可能表示 referent 偷換。

兩者不能因為都「變一格」就得到同一摩擦值。

因此：

\[
\boxed{
\|\Delta\nu\|
}
\]

與：

\[
\boxed{
\|\Delta\Psi\|
}
\]

需要任務特定的權重或甚至不同型別。

---

# 12. Task-Relative Friction Projection

給定任務：

\[
\mathcal Q,
\]

可以定義：

\[
\boxed{
\pi_{\mathcal Q}(
\mathfrak F
)
=
\mathfrak F^{(\mathcal Q)}.
}
\]

例如：

### Formal-Proof Task

更關心：

\[
\Delta\nu,
\Delta E,
\Delta\mathcal J.
\]

### Semantic-Preservation Task

更關心：

\[
\Delta\Psi,
\Delta\mathcal J.
\]

### Object-Tracking Task

更關心：

\[
\Delta W,
\Delta\Gamma,
I_O.
\]

所以：

\[
\boxed{
\text{friction is query-relative}.
}
\]

---

# 13. 可選的 Scalar Cost

若某應用真的需要單一值，

才定義：

\[
\boxed{
\|\mathfrak F\|_{\mathcal Q}
=
\sum_i
w_i^{(\mathcal Q)}
d_i.
}
\]

其中：

\[
d_i
\]

是各分量的任務特定差異量。

這個 scalar 是 projection，

不是本體。

---

# 14. Transition Cause

Paper I 已暫定：

\[
\Lambda
=
\{
E,W,J,\Psi,M
\}.
\]

Paper III 又加入 classification。

現在擴充：

\[
\boxed{
\Lambda^\ast
=
\{
E,W,J,\Psi,\Gamma,V,M,U
\}.
}
\]

其中：

- \(E\)：Evidence；
- \(W\)：World；
- \(J\)：Judgment Domain；
- \(\Psi\)：Semantic Identity；
- \(\Gamma\)：Classification；
- \(V\)：Verifier / rule update；
- \(M\)：Mixed；
- \(U\)：Unknown cause。

---

# 15. Cause 與 Difference 不同

可能：

\[
\Delta E\neq0,
\]

但真正導致 transition 的原因是：

\[
\Delta J.
\]

因為 evidence 雖變，卻沒有越過原本 threshold；

直到 judgment rule 更新才發生 classification change。

因此：

\[
\boxed{
\text{changed component}
\neq
\text{causal component}.
}
\]

Transition record 必須分開保存。

---

# 16. Trigger 與 Cause 也不同

例如：

\[
E_t
\]

持續累積。

某個 threshold：

\[
\theta
\]

被跨過，

觸發：

\[
\mathbf U\rightarrow\mathbf Y.
\]

可以說：

```text
trigger = threshold_crossing
cause   = evidence_accumulation
```

所以：

\[
\boxed{
\text{trigger}
\neq
\text{cause}.
}
\]

---

# 17. Guard

定義：

\[
\boxed{
g(
\widehat{\Sigma}_{t^-}
)=1
}
\]

表示 transition 被允許。

例如：

\[
g:
P(\mathbf Y\mid E_t)>\theta.
\]

或：

\[
g:
\text{semantic\_review}=APPROVED.
\]

Guard 描述：

> 在什麼條件下可以切換？

而不是：

> 為什麼世界會變？

---

# 18. Reset

某些 transition 會對 state 產生 reset / commit：

\[
\boxed{
R(
\widehat{\Sigma}_{t^-}
)
=
\widehat{\Sigma}_{t^+}.
}
\]

例如：

- primary class 改寫；
- current judgment domain 指標更新；
- history counter increment；
- Q4 projection recompute。

Hybrid-system literature 中，reset map 就是離散 transition 後的狀態更新機制之一。

---

# 19. Actual Boundary

世界真正改變的時間：

\[
\boxed{
\tau^\ast.
}
\]

例如：

\[
W_{\tau^-}\neq W_{\tau^+}.
\]

這是：

\[
\boxed{
\text{actual / ontic boundary}.
}
\]

但系統未必立即知道。

---

# 20. Observed Boundary

系統偵測到 change 的時間：

\[
\boxed{
\hat\tau^\ast.
}
\]

通常：

\[
\hat\tau^\ast
\ge
\tau^\ast
\]

但也可能因噪聲錯估成更早的 boundary。

因此：

\[
\boxed{
\tau^\ast
\neq
\hat\tau^\ast
}
\]

是合理情況。

---

# 21. Declared Boundary

還可以有：

\[
\boxed{
\tilde\tau^\ast
}
\]

表示系統正式提交：

```text
state = CHANGED
```

的時間。

因此可能：

\[
\tau^\ast
<
\hat\tau^\ast
<
\tilde\tau^\ast.
\]

也就是：

> 世界先變 → 系統後來發現 → 再稍後正式改判。

---

# 22. 三種 Boundary 的分離

因此：

\[
\boxed{
\text{Actual}
\neq
\text{Observed}
\neq
\text{Declared}.
}
\]

這對知識歷史非常重要。

否則系統會把：

> 我什麼時候知道？

誤寫成：

> 事情什麼時候發生？

---

# 23. Detection Delay

定義：

\[
\boxed{
D_{\mathrm{detect}}
=
\hat\tau^\ast-\tau^\ast.
}
\]

Commit delay：

\[
\boxed{
D_{\mathrm{commit}}
=
\tilde\tau^\ast-\hat\tau^\ast.
}
\]

完整 epistemic lag：

\[
\boxed{
D_{\mathrm{total}}
=
\tilde\tau^\ast-\tau^\ast.
}
\]

這些量只在時間軸可比較時適用。

---

# 24. Boundary Uncertainty

實際上：

\[
\tau^\ast
\]

可能未知。

Change-point detection 通常就是估計 regime change 的位置與其不確定性；Bayesian online change-point methods 可透過 posterior over regime length 或其他 posterior quantities 進行即時 change inference。

因此 transition record 可以保存：

\[
\boxed{
p(\tau^\ast\mid E_{1:t})
}
\]

而不是硬寫一個假的精確時間。

---

# 25. Interval-Valued Boundary

若只知道：

\[
\tau^\ast\in[t_a,t_b],
\]

則保存：

\[
\boxed{
B^\ast=[t_a,t_b].
}
\]

這比：

```text
boundary = 14:32:17
```

但其實沒有足夠證據，

更誠實。

---

# 26. Change-Point Detection 的外部位置

Change-point research 的核心之一就是識別 time series 中 regime shift 的位置。近期 Bayesian autoregressive online change-point detection 仍把 posterior regime length 用於 real-time change inference，並處理非平穩與 time-varying parameters。

因此本文不宣稱：

\[
\text{detecting transition boundaries}
\]

為新概念。

DTIL 額外問：

> 邊界兩側的 semantic / judgment / classification / Q4 identity 發生了什麼？

---

# 27. Boundary Layer Information 的一個具體案例

2025 年一個 variable-productivity Hawkes-process 模型分析指出：在其 mean-field change-point setting 中，對 change time 的 Fisher information 會集中在 change 後的短 transient boundary layer，而 post-change level 的 information 則在後續區段持續增長。

這提供一個有趣例子：

\[
\boxed{
\text{boundary-near information}
}
\]

可以與：

\[
\boxed{
\text{steady-regime information}
}
\]

具有不同角色。

但本文不將此結論推廣成所有系統都成立的普遍定律。

---

# 28. DTIL 的 Boundary Information

本文定義：

\[
\boxed{
I_B(t^\ast)
=
(
\Delta^\ast,
\mathcal C^\ast,
B^\ast
).
}
\]

其中：

- \(\Delta^\ast\)：前後差異；
- \(\mathcal C^\ast\)：trigger / cause / verification；
- \(B^\ast\)：邊界位置與不確定性。

因此：

\[
\boxed{
I_B
}
\]

就是 transition-boundary information packet。

---

# 29. Boundary Information 與 Stable-State Information

穩定狀態：

\[
I_S(t)
=
\widehat{\Sigma}_t.
\]

邊界資訊：

\[
I_B(t^\ast)
=
(
\widehat{\Sigma}_{t^-},
\widehat{\Sigma}_{t^+},
\Delta^\ast,
\mathcal C^\ast
).
\]

兩者是不同類型。

因此：

\[
\boxed{
\text{state information}
\neq
\text{transition information}.
}
\]

---

# 30. Event Sourcing 式思想

若只保存 current state：

\[
S_t,
\]

過去如何形成可能無法恢復。

若保存 transition records：

\[
\mathcal T_1,
\mathcal T_2,\ldots,\mathcal T_t,
\]

則可以在條件允許時：

\[
\boxed{
S_t
=
\operatorname{Replay}
(
S_0,
\mathcal T_{1:t}
).
}
\]

DTIL 因此天然適合：

\[
\boxed{
\text{event-sourced history}.
}
\]

本文在此只是架構類比，不宣稱 event sourcing 為新概念。

---

# 31. Replayable Transition

一個 transition 最好保存：

```text
from_state
guard
trigger
cause
operation
reset
to_state
verification
```

因此可以：

\[
\operatorname{Replay}(\mathcal T^\ast).
\]

如果 replay 後：

\[
\widehat{\Sigma}_{t^+}
\]

無法重現，

就有：

```text
REPLAY_MISMATCH
```

---

# 32. 不可重播的 Transition

某些 transition 來自：

- 外部真實世界；
- 不可重現的人類決策；
- stochastic process；
- 遺失 context。

此時可以標：

```text
replay_mode = EVIDENCE_RECONSTRUCTION
```

或：

```text
replay_mode = NONDETERMINISTIC
```

而不是假裝完全 deterministic。

---

# 33. Transition Certificate

本文提出：

\[
\boxed{
TC^\ast
=
\text{Transition Certificate}.
}
\]

最小欄位：

```text
transition_id
object_or_claim_id
from_state
to_state
boundary_type
actual_boundary
observed_boundary
declared_boundary
boundary_uncertainty
difference_packet
guard
trigger
cause
reset_or_update
verification
provenance
replay_status
```

---

# 34. Judgment Friction Certificate

在 TC 上再加：

```text
friction_components:
    semantic
    judgment_domain
    evidence
    world
    classification
    q4
```

以及：

```text
friction_projection:
    task = ...
    value = ...
```

使 scalar 永遠能追溯回原始 typed components。

---

# 35. Friction 的方向性

一般距離：

\[
d(A,B)
=
d(B,A).
\]

但 transition：

\[
A\rightarrow B
\]

和：

\[
B\rightarrow A
\]

可能完全不同。

因此：

\[
\boxed{
\mathfrak F(A\rightarrow B)
\neq
\mathfrak F(B\rightarrow A).
}
\]

Judgment Friction 首先是一個：

\[
\boxed{
\text{directed difference}.
}
\]

---

# 36. 為什麼方向重要？

例如：

\[
\mathbf U\rightarrow\mathbf Y
\]

可能是：

> 新證據使未知變成立。

而：

\[
\mathbf Y\rightarrow\mathbf U
\]

可能是：

> 原證據被撤銷或失效。

兩者的：

\[
\Delta\nu
\]

雖都涉及 Y/U，

但歷史意義不同。

---

# 37. Friction 的非對稱成本

如果使用 task cost：

\[
c(A\rightarrow B),
\]

不需要滿足：

\[
c(A\rightarrow B)
=
c(B\rightarrow A).
\]

例如：

- 建立 proof 可能很昂貴；
- 撤銷 proof 可能只需一個反例。

因此：

\[
\boxed{
\text{transition cost can be asymmetric}.
}
\]

---

# 38. Reversal Friction

對：

\[
A\rightarrow B\rightarrow A,
\]

可以比較：

\[
\mathfrak F_{A\to B}
\]

與：

\[
\mathfrak F_{B\to A}.
\]

如果兩者 cause 不同，

則：

\[
\boxed{
\text{return path is not inverse path}.
}
\]

這直接接到 Paper II 的 Again。

---

# 39. Again 的 Boundary History

若：

\[
A\rightarrow B\rightarrow A,
\]

Again 不只保存：

\[
A,B,A.
\]

還可以保存：

\[
\boxed{
I_B^{(1)},
I_B^{(2)}.
}
\]

所以：

\[
\mathsf{Again}_A
\]

可以進一步查：

> 第一次離開和第二次返回的 friction 是否對稱？

---

# 40. Reclassification Friction

Paper III 的：

\[
X\Rightarrow Y
\]

現在可以建立：

\[
\boxed{
\mathfrak F_C(X\Rightarrow Y)
=
(
\Delta\Gamma,
\Delta J,
\Delta\Psi,
\Delta W,
\Delta E
).
}
\]

因此可以區分：

### Evidence Correction

\[
\Delta E\neq0,
\quad
\Delta W=0,
\quad
\Delta J=0,
\quad
\Delta\Psi=0.
\]

### Domain Remap

\[
\Delta J\neq0.
\]

### Ontic Change

\[
\Delta W\neq0.
\]

### Semantic Retarget

\[
\Delta\Psi\neq0.
\]

---

# 41. Q4 Friction

對 Q4：

\[
\Delta\nu
=
q^-\rightarrow q^+.
\]

這只是：

\[
16
\]

種一階 state transition 中的一種。

所以：

\[
\boxed{
\Delta\nu
}
\]

本身非常粗。

完整摩擦還要看：

\[
\Delta E,\Delta W,\Delta J,\Delta\Psi,\Delta\Gamma.
\]

---

# 42. 同樣的 Q4 Friction，可以是不同世界

例如：

\[
\mathbf Y\rightarrow\mathbf N
\]

可能是：

\[
\Delta E\neq0
\]

或：

\[
\Delta W\neq0
\]

或：

\[
\Delta J\neq0.
\]

所以：

\[
\boxed{
\text{Q4 path alone underdetermines transition meaning}.
}
\]

---

# 43. Boundary Event Type

第一版：

\[
\boxed{
\mathcal B_T
=
\{
JUMP,
THRESHOLD,
UPDATE,
RECLASSIFY,
RETARGET,
DETECT,
COMMIT,
REVISION,
MIXED
\}.
}
\]

---

# 44. Jump

若 state variable 在 boundary：

\[
x(t^-)\neq x(t^+),
\]

可標：

\[
JUMP.
\]

Hybrid systems 中 discrete transition / reset 就屬於這類典型結構。

---

# 45. Threshold Boundary

若 continuous latent quantity：

\[
z_t
\]

跨過：

\[
\theta,
\]

而 Q4 / class state 因投影規則改變：

\[
\pi(z_t):
q^-\rightarrow q^+,
\]

則：

\[
\boxed{
THRESHOLD.
}
\]

---

# 46. Threshold 不代表世界瞬間跳變

可能：

\[
z_t
\]

平滑變化，

只是離散分類：

\[
q_t
\]

在：

\[
z_t=\theta
\]

時切換。

因此：

\[
\boxed{
\text{discrete judgment transition}
\neq
\text{discontinuous world transition}.
}
\]

---

# 47. Chattering

如果 observation 在 threshold 附近有 noise：

\[
z_t
\approx
\theta,
\]

可能形成：

\[
Y\rightarrow N\rightarrow Y\rightarrow N\rightarrow\cdots.
\]

這不一定代表世界真的反覆 regime change。

可能只是：

\[
\boxed{
\text{classification chatter}.
}
\]

---

# 48. Hysteresis

可以用兩個 threshold：

\[
\theta_{\mathrm{enter}}
\neq
\theta_{\mathrm{leave}}
\]

抑制邊界抖動。

例如：

\[
N\rightarrow Y
\]

要求：

\[
z>\theta_{\mathrm{enter}},
\]

而：

\[
Y\rightarrow N
\]

要求：

\[
z<\theta_{\mathrm{leave}},
\]

且：

\[
\theta_{\mathrm{leave}}
<
\theta_{\mathrm{enter}}.
\]

2026 年 hybrid control 工作仍使用 hysteresis switching logic 來減少 chattering 並維持 switched-system stability，說明這是成熟的 transition-stabilization 工具，而非本文新提出。

---

# 49. DTIL 中的 Hysteresis

DTIL 可把 hysteresis 用於：

- Q4 projection；
- classification；
- semantic alignment status；
- confidence-based state transitions。

例如 semantic status：

```text
UNAUDITED
→ ALIGNED
```

需要：

\[
score>0.9,
\]

但：

```text
ALIGNED
→ UNAUDITED
```

可能只在：

\[
score<0.7
\]

時觸發。

這避免：

\[
\boxed{
\text{threshold chatter becoming fake history}.
}
\]

---

# 50. Hysteresis 也會改變 History

沒有 hysteresis：

\[
H_A
=
Y,N,Y,N,Y.
\]

加入 hysteresis 後可能：

\[
H_B
=
Y,Y,Y.
\]

因此：

\[
\boxed{
\text{history depends partly on transition policy}.
}
\]

這是非常重要的認識論警告。

---

# 51. 「發生過幾次轉態」不是純世界事實

如果 transition 是由 classifier / threshold policy 定義，

則：

\[
R_q(H)
\]

會依：

\[
\mathcal J
\]

與 transition policy 改變。

所以：

\[
\boxed{
\text{observed transition count}
}
\]

不必等於：

\[
\boxed{
\text{number of ontic changes}.
}
\]

---

# 52. Boundary Policy 也屬於 Judgment Domain

因此：

\[
\mathcal J
\]

應包含：

- thresholds；
- hysteresis；
- confirmation window；
- required evidence；
- debounce rule。

這使：

\[
\boxed{
\text{boundary detection policy}
}
\]

成為判定域的一部分。

---

# 53. Debounce / Confirmation Window

除 hysteresis 外，

還可以要求新狀態持續：

\[
m
\]

個 observation 才 commit。

例如：

\[
q'_t=Y
\]

需連續：

\[
m=3
\]

次，

才真正：

\[
q_t\rightarrow Y.
\]

這可以區分：

\[
\boxed{
\text{candidate transition}
}
\]

與：

\[
\boxed{
\text{committed transition}.
}
\]

---

# 54. Candidate Boundary 與 Confirmed Boundary

定義：

\[
\hat B^\ast_{\mathrm{cand}}
\]

以及：

\[
\hat B^\ast_{\mathrm{conf}}.
\]

Candidate boundary 可以被撤銷。

Confirmed boundary 進入 canonical history。

因此：

\[
\boxed{
\text{detection}
\neq
\text{admission}.
}
\]

這與 Series I ANKER 的 candidate / canonical separation 完全對應。

---

# 55. Boundary Revision

後來新 evidence 可能表示：

\[
\hat\tau^\ast_{\mathrm{old}}
\]

估錯。

更新：

\[
\hat\tau^\ast_{\mathrm{new}}.
\]

不應覆寫歷史。

應保存：

```text
BOUNDARY-2 --CORRECTS--> BOUNDARY-1
```

因此：

\[
\boxed{
\text{boundary estimate itself has version history}.
}
\]

---

# 56. Boundary Provenance

每個 boundary 需要：

```text
detector
detector_version
input_window
judgment_domain
threshold_policy
evidence_ids
confidence
```

否則後來無法知道：

> 為什麼當時判定這裡是邊界？

---

# 57. Transition Compression

完整 \(\Delta^\ast\) 可能很大。

可以壓成：

\[
\boxed{
C^\ast
=
\operatorname{Compress}_{\mathcal Q}(
\Delta^\ast
).
}
\]

但 compression 必須相對 query：

\[
\mathcal Q.
\]

例如只關心 Again detection，

可能只需：

```text
from_q4
to_q4
cause_class
```

---

# 58. Lossless / Lossy Boundary Compression

### Lossless

可完整恢復 transition record。

### Lossy

只保留某些未來 query 所需資訊。

因此：

\[
\boxed{
\text{history compression must declare supported queries}.
}
\]

這和 Paper II 的：

\[
H\sim_{\mathcal O}H'
\]

直接相容。

---

# 59. Minimal Sufficient Boundary State

給定 operator set：

\[
\mathcal O,
\]

尋找最小：

\[
M_B
\]

使未來所有：

\[
O\in\mathcal O
\]

都可從：

\[
M_B
\]

回答。

這是：

\[
\boxed{
\text{minimal sufficient transition memory}.
}
\]

---

# 60. Friction Accumulation

對一條 path：

\[
p
=
\mathcal T_1\circ\cdots\circ\mathcal T_n,
\]

不能簡單假設：

\[
\mathfrak F(p)
=
\sum_i\mathfrak F_i.
\]

因為 semantic / domain change 可能不可交換。

所以第一版只保存：

\[
\boxed{
\mathfrak F_{1:n}
=
(
\mathfrak F_1,\ldots,\mathfrak F_n
).
}
\]

需要 aggregate 時再定義 task-specific operator。

---

# 61. Non-Commutativity

例如先：

\[
\Delta J
\]

再：

\[
\Delta\Psi
\]

和先：

\[
\Delta\Psi
\]

再：

\[
\Delta J
\]

可能得到不同分類結果。

因此：

\[
\boxed{
T_J\circ T_\Psi
\neq
T_\Psi\circ T_J
}
\]

在一般情況下完全可能。

這使 transition order 本身具有資訊。

---

# 62. Boundary Order

如果在短時間內發生：

\[
E\rightarrow J\rightarrow\Gamma,
\]

與：

\[
J\rightarrow E\rightarrow\Gamma
\]

即使最後：

\[
\Gamma^+
\]

相同，

歷史仍不同。

所以：

\[
\boxed{
\text{same endpoint}
\neq
\text{same transition ordering}.
}
\]

---

# 63. Composite Boundary

多個 change 幾乎同時發生時，

可以建立：

\[
\boxed{
\mathcal T^\ast_{\mathrm{comp}}
=
\{
T_1,T_2,\ldots,T_m
\}.
}
\]

如果因果順序未知，

則標：

```text
order = PARTIALLY_KNOWN
```

而不是任意線性化。

---

# 64. Boundary DAG

更一般地，

一個 transition boundary 可以是小型 DAG：

\[
\boxed{
G_{B^\ast}.
}
\]

例如：

\[
\Delta E
\rightarrow
\Delta\nu
\rightarrow
\Delta\Gamma.
\]

或者：

\[
\Delta J
\rightarrow
\Delta\Gamma
\]

同時：

\[
\Delta E
\rightarrow
\Delta\Gamma.
\]

因此：

\[
\boxed{
\text{boundary can have internal causal structure}.
}
\]

---

# 65. Dynamic Epistemic Logic 的近鄰

DEL 將 epistemic actions 視為對 epistemic models 的轉換。2026 年的新工作仍持續擴展這種 model-transforming semantics，例如 belief contraction 被直接定義成 standard Kripke models 上的 dynamic operations。

本文因此不把：

\[
\text{information event transforms epistemic state}
\]

當成新穎性。

DTIL 額外保存的是：

\[
\boxed{
\text{typed difference packet + domain / semantic / classification boundary history}.
}
\]

---

# 66. Dynamic Hypersequent 的啟發

2025 年 Public Announcement Logic 的 dynamic hypersequent 工作，目標之一就是在 proof-theoretic syntax 中顯式表示 public announcement 所誘發的 epistemic-model transition。

這說明：

\[
\boxed{
\text{transition itself can deserve explicit representation}.
}
\]

DTIL 的 Transition Certificate 採用同一種高階工程精神，但資料結構與研究問題不同。

---

# 67. Transition-Boundary Information 不是「神秘瞬間」

本文的：

\[
t^\ast
\]

不代表形而上的神秘生成點。

它只是：

\[
\boxed{
\text{the boundary object chosen by a model / detector / event semantics}.
}
\]

實際上：

- 可以有寬度；
- 可以有不確定性；
- 可以被修正；
- 可以因判定政策不同而不同。

---

# 68. 「瞬間差異」的嚴格版本

原始直覺：

> 狀態改變瞬間的差異本身是資訊。

本文將其收窄成：

\[
\boxed{
\Delta^\ast
=
\Delta(
\widehat\Sigma_{t^-},
\widehat\Sigma_{t^+}
)
}
\]

以及：

\[
\boxed{
I_B
=
(
\Delta^\ast,
\mathcal C^\ast,
B^\ast
).
}
\]

也就是：

> **只要系統能區分邊界前後狀態，則它們之間的有型別差異與 transition context 可以被保存成額外資訊。**

這是一個工程／信息建模命題，而不是宇宙本體論定律。

---

# 69. Transition Information 可否推回原因？

通常不能唯一反推。

因為：

\[
\Delta^\ast
\]

可能由多個 cause 產生。

所以：

\[
\boxed{
\text{difference}
\not\Rightarrow
\text{unique cause}.
}
\]

Cause 需要：

- mechanism；
- intervention；
- provenance；
- model；
- evidence。

---

# 70. Cause Status

因此 cause 應有：

```text
OBSERVED
INFERRED
HYPOTHESIZED
UNKNOWN
```

而不是永遠：

```text
cause = TRUE
```

---

# 71. Boundary Verification

可以分：

### State Verification

前後 state 是否可靠？

### Boundary Verification

change 是否真的在該區間發生？

### Cause Verification

所標 cause 是否有支持？

### Identity Verification

前後是否仍在追蹤同一 object / referent？

所以：

\[
\boxed{
\text{transition verification is multi-axis}.
}
\]

---

# 72. Transition Verification Vector

定義：

\[
\boxed{
\mathbf V_T
=
(
V_{\mathrm{pre}},
V_{\mathrm{post}},
V_{\mathrm{boundary}},
V_{\mathrm{cause}},
V_{\mathrm{identity}}
).
}
\]

這和 Series I 的 Proof Lattice 精神一致：

不要壓成單一：

```text
verified = true
```

---

# 73. False Boundary

可能因 noise：

\[
\hat B^\ast
\]

被偵測到，

但後續判定：

\[
\boxed{
FALSE\_BOUNDARY.
}
\]

它也應保存為負向資料。

因為可用來訓練：

- better detector；
- hysteresis；
- semantic stability；
- classifier calibration。

---

# 74. Missed Boundary

也可能：

\[
\tau^\ast
\]

事後確認存在，

但當時沒有：

\[
\hat\tau^\ast.
\]

標：

```text
MISSED_BOUNDARY
```

這可以計算 detector recall。

---

# 75. Boundary Quality Metrics

第一版可測：

\[
Precision_B,
\]

\[
Recall_B,
\]

\[
Delay_B,
\]

\[
RevisionRate_B.
\]

對 semantic / judgment boundaries 則需要 expert 或 external reference。

---

# 76. Friction Density

對時間區間：

\[
[a,b],
\]

可以定義：

\[
\boxed{
D_F([a,b])
=
\frac{
\#\text{validated transitions}
}{
b-a
}
}
\]

若時間尺度有意義。

它描述 transition activity，

但不等於 transition importance。

---

# 77. Friction Magnitude 與 Density 不同

大量微小 transition：

\[
D_F\gg0
\]

可能只是 noise。

少量重大 transition：

\[
D_F\ll0
\]

可能造成巨大 semantic / domain shift。

因此：

\[
\boxed{
\text{frequency}
\neq
\text{importance}.
}
\]

---

# 78. Friction Impact

可以另定：

\[
\boxed{
I_F(\mathcal T)
=
\text{downstream state affected}.
}
\]

例如 root definition change 會影響：

\[
10000
\]

個 claims。

所以它比 leaf-level Q4 update 更高 impact。

這可接回 ANKER Frontier Scheduler。

---

# 79. Semantic Debt 與 Boundary Debt

若 transition 已發生：

```text
formal_state_changed = true
semantic_audit = pending
```

則累積：

\[
\boxed{
D_B
=
\text{Boundary Audit Debt}.
}
\]

高 impact boundary 應優先審核。

---

# 80. Runtime Schema

```text
TransitionBoundary:
    boundary_id
    subject_id
    boundary_type

    actual_time_or_interval
    observed_time_or_interval
    declared_time_or_interval

    pre_state_id
    post_state_id

    difference_packet
    guard
    trigger
    cause
    cause_status

    judgment_domain_id
    detector_policy_id

    uncertainty
    verification_vector
    provenance
    replay_status
    revision_of
```

---

# 81. Difference Packet Schema

```text
DifferencePacket:
    semantic_diff
    judgment_domain_diff
    evidence_diff
    world_diff
    classification_diff
    q4_diff
```

每個 diff 都可以：

```text
UNCHANGED
CHANGED
UNKNOWN
NOT_APPLICABLE
```

加上 detail。

---

# 82. Minimal Runtime Algorithm

```text
observe(subject, new_context):
    pre = load_current_state(subject)

    candidate = evaluate_state(
        subject,
        new_context
    )

    diff = typed_diff(pre, candidate)

    if not boundary_guard(diff):
        update_nontransition_evidence(subject)
        return pre

    boundary = propose_boundary(
        pre,
        candidate,
        diff
    )

    boundary = detect_and_classify_cause(
        boundary,
        new_context
    )

    if not confirm_boundary(boundary):
        archive_false_or_pending_boundary(boundary)
        return pre

    post = commit_transition(boundary)

    append_history(
        subject,
        boundary,
        post
    )

    return post
```

---

# 83. Unit Test 1：Evidence Update

固定：

\[
W,J,\Psi,\Gamma.
\]

改：

\[
E^- \neq E^+.
\]

導致：

\[
\nu:
U\rightarrow Y.
\]

要求：

```text
difference.evidence = CHANGED
difference.world = UNCHANGED
cause = EVIDENCE_UPDATE
```

---

# 84. Unit Test 2：World Change

固定：

\[
J,\Psi.
\]

而：

\[
W^-\neq W^+.
\]

要求：

```text
cause = WORLD_CHANGE
prior_judgment_may_have_been_correct = true
```

---

# 85. Unit Test 3：Domain Shift

固定 object / world / evidence，

但：

\[
J^-\neq J^+.
\]

分類：

\[
X\rightarrow Y.
\]

要求：

```text
difference.judgment_domain = CHANGED
local_contradiction = false
```

---

# 86. Unit Test 4：Semantic Shift

符號相同，

但：

\[
\Psi^-\neq\Psi^+.
\]

要求：

```text
difference.semantic = CHANGED
identity_review = REQUIRED
```

---

# 87. Unit Test 5：Threshold Chatter

latent signal：

\[
0.49,0.51,0.49,0.51
\]

threshold：

\[
0.5.
\]

無 hysteresis 時：

\[
N,Y,N,Y.
\]

加入：

\[
\theta_{enter}=0.55,
\quad
\theta_{leave}=0.45
\]

後不應 commit 四次 transition。

要求：

```text
candidate_boundaries > confirmed_boundaries
```

---

# 88. Unit Test 6：Detection Delay

actual：

\[
\tau^\ast=10.
\]

observed：

\[
\hat\tau^\ast=13.
\]

declared：

\[
\tilde\tau^\ast=15.
\]

要求：

\[
D_{detect}=3,
\]

\[
D_{commit}=2,
\]

\[
D_{total}=5.
\]

---

# 89. Unit Test 7：Boundary Revision

先估：

\[
\hat\tau_1=12.
\]

後來改：

\[
\hat\tau_2=10.
\]

要求：

```text
BOUNDARY-2 CORRECTS BOUNDARY-1
```

而不是 overwrite。

---

# 90. Unit Test 8：Again with Asymmetric Friction

\[
Y
\xrightarrow{E}
N
\xrightarrow{J}
Y.
\]

要求：

\[
Again_Y=1,
\]

但：

```text
departure_cause != return_cause
inverse_path = false
```

---

# 91. Unit Test 9：Same Endpoints, Different Boundary DAG

History A：

\[
E\rightarrow\nu\rightarrow\Gamma.
\]

History B：

\[
J\rightarrow\Gamma.
\]

如果最後 state 相同，

仍要求：

```text
boundary_history_equal = false
```

---

# 92. Unit Test 10：False Boundary

noise 造成 candidate transition，

但 confirmation window 未通過。

要求：

```text
canonical_transition = false
archive_as = FALSE_BOUNDARY
```

---

# 93. 與 Change-Point Detection 的學術位置

Change-point detection 已成熟處理 regime boundaries 的定位、online detection 與 uncertainty；近期方法仍持續處理 nonstationarity、time-varying parameters 與 real-time inference。

因此本文不宣稱：

> 首次把 transition boundary 當作資料。

本文較窄的工作是：

\[
\boxed{
\text{typing what changed across the boundary}.
}
\]

---

# 94. 與 Hybrid Systems 的學術位置

Hybrid automata 已成熟處理 continuous flows、discrete modes、guards 與 resets。

因此本文不宣稱：

- 首次提出 guard；
- 首次提出 reset；
- 首次形式化 discrete transition；
- 首次研究 switching boundary。

DTIL 的新增層是：

\[
\boxed{
\text{semantic / judgment / evidence / classification transition metadata}.
}
\]

---

# 95. 與 DEL 的學術位置

Dynamic Epistemic Logic 已研究 epistemic actions 與 model transformations；近期研究仍在擴展不同形式的 belief change。

因此本文不宣稱：

\[
\text{information update changes epistemic state}
\]

為新概念。

本文更窄地要求：

\[
\boxed{
\text{the update boundary itself becomes a typed historical object}.
}
\]

---

# 96. 本篇六個核心結果

### Result 1

\[
\boxed{
\text{state information}
\neq
\text{transition information}.
}
\]

### Result 2

\[
\boxed{
\Delta^\ast
=
(
\Delta\Psi,
\Delta J,
\Delta E,
\Delta W,
\Delta\Gamma,
\Delta\nu
)
}
\]

提供一個 typed transition difference packet。

### Result 3

\[
\boxed{
\text{Actual Boundary}
\neq
\text{Observed Boundary}
\neq
\text{Declared Boundary}.
}
\]

### Result 4

\[
\boxed{
\text{trigger}
\neq
\text{cause}
\neq
\text{changed component}.
}
\]

### Result 5

\[
\boxed{
\mathfrak F(A\rightarrow B)
\neq
\mathfrak F(B\rightarrow A)
}
\]

一般成立；Judgment Friction 是方向性的。

### Result 6

\[
\boxed{
\text{threshold policy modifies observed history}.
}
\]

因此 transition history 也必須記錄判定政策。

---

# 97. 研究邊界

本文不主張：

1. 每個狀態變化都有唯一精確瞬間；
2. 所有 boundary 都能被直接觀測；
3. Judgment Friction 是物理量；
4. \(\mathfrak F\) 應被固定壓成單一 scalar；
5. transition difference 能唯一推出 cause；
6. hysteresis 適合所有認知／語義問題；
7. actual world boundary 一定存在；
8. 每個 semantic shift 都可精確計時；
9. event sourcing 可以無損重播所有現實事件；
10. 本文已建立完整 hybrid logic 或 change-point theory。

本文建立的是：

\[
\boxed{
\text{a typed transition-boundary information layer for DTIL}.
}
\]

---

# 98. 結論：狀態改變後，不要把「怎麼變的」丟掉

Series II / Paper I 先區分：

\[
\text{local state}
\]

和：

\[
\text{historical transition}.
\]

Paper II 再建立：

\[
\text{Again / Once / Still}.
\]

Paper III 把：

\[
\text{classification change}
\]

從 Q4 state change 中拆開。

Paper IV 現在進一步要求：

\[
\boxed{
\text{transition itself is a first-class information object}.
}
\]

因此：

\[
S^-
\rightarrow
S^+
\]

不再只存成：

```text
old = S-
new = S+
```

而是：

\[
\boxed{
\mathcal T^\ast
=
(
S^-,
B^\ast,
S^+,
\Delta^\ast,
\mathcal C^\ast,
\mathbf V_T
).
}
\]

這使系統可以回答：

> 哪一層變了？  
> 為什麼變？  
> 是哪個規則觸發？  
> 世界真正何時變？  
> 我們何時發現？  
> 我們何時正式改判？  
> 邊界有多不確定？  
> 是否只是 threshold chatter？  
> 能不能重播？  
> 後來有沒有修正？

因此，本系列最初的那句：

> **狀態變動瞬間的差異，本身就是資訊。**

在本文中被收斂為：

\[
\boxed{
I_B(t^\ast)
=
(
\Delta^\ast,
\mathcal C^\ast,
B^\ast
).
}
\]

不是把「瞬間」神秘化，

而是把：

\[
\boxed{
\text{before / transition / after}
}
\]

三者之間原本容易被壓掉的差異，正式保存進歷史。

最終：

\[
\boxed{
\text{state transition}
\neq
\text{state replacement}.
}
\]

因為 replacement 只留下結果，

而 transition history 還留下：

\[
\boxed{
\text{the difference that made the result become what it is}.
}
\]

下一篇將進入 **Series II / Paper V：Information Crossing Between Judgment Domains**，正式處理本系列另一個最初命題：

\[
\boxed{
\text{信息從一個判定域進入另一個判定域時，究竟被保留、重編碼、分裂、合併或遺失了什麼？}
}
\]

也就是建立：

\[
\mathcal J_A
\xrightarrow{\mathcal M}
\mathcal J_B
\]

的跨域信息映射、不可比性、信息損失與 domain bridge algebra。

---

## 參考文獻

Krishna, S. N., & Trivedi, A. (2015). *Hybrid Automata for Formal Modeling and Verification of Cyber-Physical Systems*. arXiv:1503.04928.

Tsaknaki, I.-Y., Lillo, F., & Mazzarisi, P. (2024). *Bayesian Autoregressive Online Change-Point Detection with Time-Varying Parameters*. arXiv:2407.16376.

Choi, C. F., Li, C., Yau, C. Y., & Zhao, Z. (2024). *Predicting Future Change-points in Time Series*. arXiv:2405.09485.

Kresin, C., Baumer, B., & Phillips, S. (2025). *Change Point Detection and Mean-Field Dynamics of Variable Productivity Hawkes Processes*. arXiv:2512.20068.

Wu, F. (2026). *Hybrid Control Technique for Switched LPV Systems and Its Application to Active Magnetic Bearing System*. arXiv:2602.01524.

Belardinelli, G., & Zhang, S. (2026). *Belief Contraction in Dynamic Epistemic Logic*. arXiv:2606.31861.

Lerouvillois, C., & Poggiolesi, F. (2025). *Dynamic Hypersequents for Public Announcement Logic*. arXiv:2510.24165.