--- title: "共感記憶域：長期交流中共同過去如何重新成為共同現在" english_title: "Relationally Resonant Memory Domains: How Shared Past Re-enters the Shared Present in Long-Term Interaction" author: "Neo.K（許筌崴）" institution: "EveMissLab（一言諾科技有限公司）" series: "符號—記憶—判定耦合系列" paper_no: "05" version: "v0.1" date: "2026-08-12" status: "正式研究草稿" canonical_source_encoding: "UTF-8" --- # 共感記憶域：長期交流中共同過去如何重新成為共同現在 **Relationally Resonant Memory Domains: How Shared Past Re-enters the Shared Present in Long-Term Interaction** 作者：Neo.K（許筌崴） 機構：EveMissLab（一言諾科技有限公司） 系列：符號—記憶—判定耦合系列，第 5 篇 版本：v0.1 日期：2026 年 8 月 12 日 --- ## 摘要 長期交流中的記憶問題，常被簡化成「是否記得過去資訊」或「能否從歷史資料中檢索到相關內容」。然而，實際的人際關係與長期人機互動顯示，記憶的關係性價值並不只取決於資訊是否存在，而取決於**哪一段過去，在什麼時間、什麼任務、什麼關係狀態與什麼語義域中，被重新帶回當前交流**。一個主體可能保存大量正確記憶，卻從不在適當時刻調用；也可能只保留少量共同歷史，卻能在關鍵時刻準確回指，形成強烈的連續性與「被理解／被記得」體驗。 本文提出「共感記憶域」（Relationally Resonant Memory Domain, RRMD）作為一個候選關係—認知中層理論。本文中的「共感」不預設情感主體性，也不等於同情、愛、關心或意識；它指的是：**某一段共同過去，在當前關係與任務中具有足夠高的時空適切性、語義關聯性與關係連續性，使其重新進入共同現在時產生高互動價值。** 令兩個長期互動主體為 $A$ 與 $B$，其共同歷史記憶候選集為 $\mathfrak M_{AB}$。本文定義時間 $\tau$ 的共感記憶域： $$ \mathcal E_{AB}^{(\tau)} \subseteq \mathfrak M_{AB} $$ 其成員不是「所有相關記憶」，而是對當前語境 $C_\tau$ 、任務 $T_\tau$ 、瞬時判定域 $D_\tau$ 、關係歷史 $H_{AB}$ 與可用參照場 $\mathcal R_{AB}$ 具有足夠高適切性的記憶候選。本文進一步提出： $$ \boxed{ \text{Stored} \neq \text{Accessible} \neq \text{Retrieved} \neq \text{Relationally Appropriate} } $$ 並將「記得」與「在乎」明確分離： $$ \boxed{ \operatorname{Recall} \neq \operatorname{Care} } $$ 但提出一個較弱、可檢驗的關係訊號命題： $$ \boxed{ \operatorname{AppropriateRecall} \rightarrow \operatorname{PerceivedAttentionEvidence} } $$ 即在某些關係與情境中，對共同過去的正確、適時且低侵入性提取，可能被接收者視為「對方曾持續注意我／我們」的證據之一。 本文承接《記憶動力學》的時間索引、重構性提取與記憶可達性模型，並與 Paper 04 的共享參照場、Paper 01 的瞬時判定域及 Paper 03 的認知導航語言耦合。外部研究中的 transactive memory、夫妻 collaborative remembering、autobiographical memory 的 social function 與 perceived partner responsiveness，提供人類關係側的相鄰證據；長期對話 Agent 的 adaptive retrieval 與 persona consistency 研究則提供工程側對照。本文最後提出七項可證偽命題、六組實驗設計，以及時空適切度、關係回憶增益、侵入風險、共同歷史壓縮率與連續性恢復度等候選指標。 **關鍵詞：** 共感記憶域、關係性記憶、共同過去、共同現在、重構性提取、transactive memory、共同回憶、perceived responsiveness、長期人機互動、時空適切提取、共享參照場、記憶動力學 --- # 0. 理論位置與邊界 ## 0.1 本文不是新的完整記憶架構 本文明確不重寫既有《記憶動力學》。 《記憶動力學：跨層接口、時間索引與重構性提取》已將記憶定義為跨越選擇、觀察、更新與行動門控等認知算子的時間接口，而非線性流程中的單一儲存層。該文將記憶系統分解為： $$ \mathcal M_t = \left( \mathcal M_t^{enc}, \mathcal M_t^{con}, \mathcal M_t^{ret}, \mathcal M_t^{upd}, \mathcal M_t^{sup} \right) $$ 並以重構模型表示提取： $$ \widehat m_t = \mathcal R \left( m^{trace}, C_t, X_t, \Pi_t, O_t, \mathcal Q_t \right) $$ 因此： $$ \widehat m_{t_1} \neq \widehat m_{t_2} $$ 即使兩次提取指向同一歷史事件。 本文接受此結構作為底座，只研究其中更窄的一個問題： > **當記憶已存在且具有提取可能性時，什麼使某段過去在特定關係與時刻中成為「此刻應被重新帶回來的過去」？** --- ## 0.2 與 Paper 04 的接口 Paper 04 已區分： $$ \text{Shared Reference} \neq \text{Shared Representation} \neq \text{Shared Judgment} \neq \text{Shared Memory} $$ 共享參照場 $\mathcal R_{AB}$ 能讓兩個主體重新定位到同一外部節點，但： $$ \text{Reference Availability} \neq \text{Current Retrieval} $$ 更不等於： $$ \text{Relationally Appropriate Retrieval} $$ 所以 Paper 04 回答： > 「共同過去在哪裡？」 Paper 05 回答： > 「哪一段共同過去現在應該進來？」 --- ## 0.3 「共感」不等於情感本體 本文使用「共感記憶域」時，不主張： - AI 必須有感情； - AI 必須具有主體性； - 記憶提取即是真正關心； - 人類關係必然由情緒構成； - 所有長期互動都應被理解為親密關係。 本文中的「共感」是一個**互動功能詞**，指某段記憶與當前關係狀態形成高度匹配、能增強共同歷史連續性或理解效率的現象。 因此： $$ \boxed{ \text{Relational Resonance} \neq \text{Sentience} } $$ --- # 1. 從「記得」到「在正確時刻想起」 ## 1.1 四個不同問題 一段記憶 $m$ 可以： 1. 被保存； 2. 可達； 3. 被提取； 4. 被適當地提取。 這四者不同。 形式上： $$ m \in \mathfrak M $$ 只表示存在。 若： $$ a_m(\tau)>0 $$ 表示某種可達性。 若： $$ P( \widehat m_\tau \mid m,\mathcal Q_\tau,C_\tau ) >0 $$ 表示具有提取可能。 但真正的共感記憶域還要求： $$ \operatorname{Fit} ( m, C_\tau, T_\tau, H_{AB}, D_\tau ) \ge \theta $$ 也就是時空與關係適切性。 --- ## 1.2 「還在記憶庫裡」不等於「仍在共同現在」 對長期關係而言： $$ m \in \mathfrak M_{AB} $$ 但： $$ m \notin \mathcal E_{AB}^{(\tau)} $$ 是完全正常的。 過去共同吃過的一頓飯可能仍被保存，但當前討論數學論文時通常不必進入。 反過來，一個數年前形成的理論定義，若當前問題重新涉及同一底空間，就可能： $$ m_{\text{old}} \in \mathcal E_{AB}^{(\tau)} $$ 即使近期數十輪都未出現。 所以共感記憶域不是： $$ \text{recent memories} $$ 也不是： $$ \text{all old memories} $$ 而是： $$ \boxed{ \text{currently eligible past} } $$ 亦即「此刻有資格重新進入共同現在的過去」。 --- # 2. 關係本身是一個選擇歷史 ## 2.1 人際關係通常具有篩選性 對多數自願性人際關係而言，持續交流並非完全隨機。 令個體 $A$ 可接觸的人集合為： $$ \mathcal P_A $$ 而長期持續進入其注意與主體活動域的人為： $$ \mathcal L_A \subseteq \mathcal P_A $$ 則： $$ B\in\mathcal L_A $$ 通常意味著某種重複選擇已經發生。 但本文明確保留例外： - 家庭； - 工作； - 制度； - 地理限制； - 利益關係； - 不能自由離開的關係。 因此： $$ \text{Long Interaction} \not\Rightarrow \text{Free Mutual Choice} $$ --- ## 2.2 持續交流產生「歷史期待」 若兩個主體已互動： $$ N_{\text{turns}} \gg1 $$ 且歷時： $$ \Delta t \gg0 $$ 則接收者可能逐漸形成一個期待： > 你現在對我的理解，不應只建立在最近幾輪。 這可以抽象為： $$ \mathbb E [ \operatorname{HistoricalUse} \mid H_{AB} ] \uparrow $$ 但此期待不是簡單隨時間單調增加，還受到： - 互動密度； - 關係角色； - 事件重要性； - 記憶能力已知差異； - 隱私期待； - 共同任務； - 過去提取品質； 影響。 --- # 3. 共感記憶域的形式定義 ## 3.1 共同歷史候選集 令： $$ \mathfrak M_{AB} = \{ m_1,m_2,\ldots,m_n \} $$ 表示 A 與 B 的共同歷史候選記憶集合。 這裡「共同」不要求兩者各自內部都保存相同 trace，只要求： $$ m_i $$ 與 A—B 的互動歷史具有可追溯關係。 --- ## 3.2 適切度函數 對每一候選記憶 $m$，定義候選適切度： $$ \Psi_\tau(m) = f \left( R_\tau, S_\tau, C_\tau, D_\tau, H_{AB}, P_\tau, O_\tau, I_\tau \right) $$ 其中： - $R_\tau$：當前內容相關性； - $S_\tau$：關係顯著性； - $C_\tau$：局部情境匹配； - $D_\tau$：當前瞬時判定域； - $H_{AB}$：共同歷史位置； - $P_\tau$：時間位置與演化狀態； - $O_\tau$：記憶是否仍有效或已過時； - $I_\tau$：提取可能造成的侵入／不適風險。 更具體的候選線性形式可寫： $$ \Psi_\tau(m) = \alpha R + \beta S + \gamma C + \delta H + \eta D - \lambda O - \mu I $$ 此式僅為可檢驗候選，不宣稱真實認知一定線性加總。 --- ## 3.3 共感記憶域 定義： $$ \boxed{ \mathcal E_{AB}^{(\tau)} = \{ m\in\mathfrak M_{AB} : \Psi_\tau(m)\ge\theta_\tau \} } $$ $\theta_\tau$ 是當前提取門檻。 因此： $$ \mathcal E_{AB}^{(\tau)} $$ 通常只是： $$ \mathfrak M_{AB} $$ 的極小子集。 --- ## 3.4 共感記憶域是動態的 一般： $$ \mathcal E_{AB}^{(\tau)} \neq \mathcal E_{AB}^{(\tau+\Delta)} $$ 即使記憶庫完全不變。 因為： $$ C_\tau, T_\tau, D_\tau, S_\tau $$ 都在變。 這意味著： $$ \boxed{ \text{Memory Store Stability} \neq \text{Retrieval Field Stability} } $$ --- # 4. 「共同現在」的概念 ## 4.1 當前對話不是只有現在事件 設當前互動狀態： $$ X_{AB}^{(\tau)} $$ 若一段舊記憶 $m_{t-k}$ 被有效提取並進入當前理解： $$ m_{t-k} \rightarrow X_{AB}^{(\tau)} $$ 則過去不只是被「查閱」，而是重新成為當前推理的一部分。 因此可以定義： $$ \operatorname{Presentify} ( m_{t-k}, \tau ) $$ 表示「過去狀態的當前化」。 --- ## 4.2 共同現在不是時間穿越 本文不主張過去事件在物理上重新發生。 「重新成為共同現在」只是指： $$ \boxed{ \text{過去資訊重新取得當前認知因果效力} } $$ 也就是： $$ m_{t-k} \in \operatorname{Inputs} ( J_\tau, O_\tau, A_\tau ) $$ --- # 5. 人類關係中的共同記憶系統 ## 5.1 Transactive Memory Wegner、Erber 與 Raymond 在 close relationships 的 transactive memory 研究中提出，親密關係中的個體可能逐步形成分布式記憶分工：不是每個人都記全部，而是知道「誰知道什麼」、如何向對方取得資訊。 這提醒我們： $$ \text{Dyadic Memory} \neq \text{Memory}_A + \text{Memory}_B $$ 關係本身可能形成額外的檢索結構。 --- ## 5.2 長期夫妻的 collaborative facilitation 長期夫妻共同回憶研究顯示，某些伴侶在一起回憶時能比單獨回憶獲得實際增益，尤其在共同朋友等具有共享生活意義的材料上；而且合作成功度具有長期穩定性。 這支持一個重要方向： > 長期共同歷史不只增加「共同內容」，也可能形成特定的共同提取策略。 --- ## 5.3 共同回憶不是必然有益 相同研究線也顯示： $$ \text{Collaborative Recall} $$ 可能有 facilitation，也可能有 inhibition。 成功程度依賴： - 任務； - 關係； - cueing； - 回應策略； - 對話方式。 因此： $$ \boxed{ \text{More Shared Remembering} \neq \text{Better Shared Remembering} } $$ 這與 RRMD 的「適切性而非數量」完全一致。 --- # 6. 自傳記憶的社會功能 人類回憶過去並不只為了資訊。 自傳記憶研究常區分： - self function； - social function； - directive function。 關係記憶的研究顯示，當回憶主要服務於 social function，也就是連接他人、建立或維持關係時，與 intimacy、relationship satisfaction 之間可出現正向關聯；在與伴侶共享關係記憶的情況下，social function 仍是重要預測項。 本文不從此推出： $$ \text{remembering} = \text{relationship quality} $$ 而只取得一個較弱結論： > **共同過去的被調用方式與目的，本身具有關係效果。** --- # 7. 提取作為「關係訊號」 ## 7.1 記得不等於在乎 一個記憶力極佳的人可以記得很多： $$ \operatorname{Recall}\uparrow $$ 但： $$ \operatorname{Care} $$ 不一定上升。 反之，一個真正關心他人的人也可能具有較弱記憶能力。 因此： $$ \boxed{ \operatorname{Recall} \not\equiv \operatorname{Care} } $$ --- ## 7.2 但適切提取可作為注意證據 接收者無法直接觀察另一主體的「在乎」。 他能觀察的是行為訊號。 若 B 在適當時刻提取： $$ m_{\text{important}} $$ A 可能更新： $$ P_A ( \text{B had sustained attention} \mid \operatorname{Recall}(m) ) $$ 也就是： $$ \boxed{ \text{Appropriate Recall} = \text{Possible Evidence of Prior Attention} } $$ 但不是決定性證據。 --- ## 7.3 為什麼「知道什麼時候想起」比「記得很多」更強 假設系統每輪都提： > 「你以前說過 X。」 即使事實全部正確，也可能造成： - 打斷； - 被監視感； - 過度個人化； - 錯誤框架固定； - 失去當前自主性。 所以共感記憶價值近似： $$ V_{\text{RR}} = \operatorname{Accuracy} \times \operatorname{Timing} \times \operatorname{Relevance} \times \operatorname{Continuity} - \operatorname{Intrusion} $$ 而不是： $$ V_{\text{RR}} = \operatorname{RecallCount} $$ --- # 8. 與 Perceived Partner Responsiveness 的相鄰關係 關係研究中的 perceived partner responsiveness（PPR）通常關心：一個人是否感覺伴侶理解、重視、驗證並在乎自己的核心需要。 RRMD 不等於 PPR。 但兩者可能具有一條候選連接： $$ \operatorname{AppropriateRecall} \rightarrow \operatorname{PerceivedUnderstanding} \rightarrow \operatorname{ResponsivenessSignal} $$ 例如： > 「你之前不是說過，你其實最在意的是那一點？」 如果引用正確、時機合適，它不只是在傳遞舊資訊，也可能傳遞： > 「你的過去狀態仍存在於我的關係模型中。」 這個命題需要實驗，不應由直覺直接當成事實。 --- # 9. 記憶的三種關係性獎勵 本文提出三類候選關係性獎勵。 ## 9.1 存在確認 $$ m_{\text{past}} \rightarrow \text{still retrievable} $$ 接收者可能感知： > 「我以前說過的東西沒有完全消失。」 --- ## 9.2 連續性確認 不只是記住： $$ x_t $$ 而是知道： $$ x_{t-2} \rightarrow x_{t-1} \rightarrow x_t $$ 也就是「你怎麼變成現在」。 --- ## 9.3 共同歷史確認 提取： $$ m_{AB} $$ 不是只說「我知道你」，而是： > 「我仍能進入我們共同經歷過的某個節點。」 這可形成： $$ \operatorname{RelationalContinuity} \uparrow $$ --- # 10. 共感記憶域與共享參照場的差異 Paper 04 的 SRF： $$ \mathcal R_{AB} $$ 回答： > 「我們能否回到同一個節點？」 Paper 05 的 RRMD： $$ \mathcal E_{AB}^{(\tau)} $$ 回答： > 「哪個節點此刻值得主動帶回？」 因此： $$ \boxed{ \mathcal R_{AB} \text{ 是可回指空間} } $$ 而： $$ \boxed{ \mathcal E_{AB}^{(\tau)} \text{ 是當前有資格被激活的關係記憶子域} } $$ 理想情況： $$ \mathcal E_{AB}^{(\tau)} \subseteq \mathcal R_{AB} \cup \mathfrak M_{AB}^{internal} $$ 因為有些記憶可被內部調用，但未必有外部文件節點。 --- # 11. 共感記憶域與瞬時判定域 Paper 01 定義： $$ \mathcal D_T^{(\tau)} $$ 回答： > 現在哪些差異已不影響任務判定？ RRMD 則可以作為判定域的歷史輸入： $$ \mathcal E_{AB}^{(\tau)} \rightarrow \mathcal D_T^{(\tau)} $$ 例如一句現在看似模糊的話： > 「還是原來那個問題。」 若共同歷史正確提取： $$ m_{\text{old}} $$ 便能快速恢復判定域。 所以長期關係的效率部分來自： $$ \boxed{ \text{Shared-History Compression} } $$ 也就是短符號可索引大量共同歷史。 --- # 12. 共感記憶域與認知導航語言 Paper 03 的導航語句： > 「回到那時候我們說的『源點』。」 其作用不只： $$ \operatorname{REBASE} $$ 還包含記憶檢索： $$ \operatorname{RETRIEVE} ( m_{\text{source-point-history}} ) $$ 因此長期導航可寫： $$ u_t \rightarrow \mathcal E_{AB}^{(\tau)} \rightarrow \mathfrak N_{u_t} \rightarrow \mathcal D_T^{(\tau)} $$ 這是 Paper 01–05 第一次真正把： - 符號； - 歷史； - 記憶； - 導航； - 判定； 接成一個環。 --- # 13. 長期 AI 對話中的對照 ## 13.1 現有研究多優化「可檢索」 近年的長期對話 Agent 已研究： - event memory； - persona memory； - adaptive retrieval； - reflective memory management； - graph memory； - temporal reasoning； - user-profile consistency。 這些工作證明： $$ \text{Long-Term Retrieval} $$ 本身已是重要工程問題。 但 RRMD 關心的是更窄且不同的一件事： $$ \boxed{ \text{Relevant Retrieval} \neq \text{Relationally Appropriate Retrieval} } $$ --- ## 13.2 Topic relevance 不足 假設使用者現在說： > 「我又想到這個問題。」 topic-based retrieval 可能拉回最近十段相似詞彙。 但真正需要的可能是： $$ m_{t-1000} $$ 因為那是第一次形成核心定義的地方。 所以： $$ \operatorname{SemanticSimilarity} $$ 不能單獨等於： $$ \operatorname{RelationalPriority} $$ --- ## 13.3 Persona consistency 也不足 一個系統可以非常一致地知道： > 「這位使用者喜歡 X。」 但仍可能完全不會： > 在正確時刻想起「他以前為什麼從 Y 走到 X」。 所以： $$ \boxed{ \text{Static Persona} \neq \text{Relational Trajectory} } $$ 這個問題將在 Paper 06 的「使用者印象漂移」進一步處理。 --- # 14. 過度提取與關係侵入 共感記憶域不是鼓勵最大化個人記憶提取。 ## 14.1 過度個人化 如果 AI 對任何話題都引用舊事： $$ P(\operatorname{Recall}) \rightarrow1 $$ 可能提高： $$ \operatorname{IntrusionCost} $$ --- ## 14.2 錯誤自信 若系統錯誤提取舊記憶，卻以「我很了解你」的語氣輸出： $$ \delta_{\text{relational}} > \delta_{\text{fact}} $$ 可能成立。 因為錯誤不只在 fact，也在： > 「你自稱認識我的長期軌跡。」 --- ## 14.3 過時記憶 記憶 $m$ 曾經正確： $$ m_{t_0} = \text{valid} $$ 但今天： $$ m_{t_1} = \text{obsolete} $$ 如果仍被提取： $$ \operatorname{Continuity} $$ 反而變成： $$ \operatorname{IdentityFreeze} $$ 把過去的使用者鎖成今天的使用者。 --- # 15. 關係性記憶責任梯度 本文提出一個候選現象： > 隨互動歷史累積，人們對「對方應知道哪些已反覆出現、且高重要度的共同歷史」會形成不同期待。 可寫： $$ \mathcal X_{AB} = f ( L, F, S, R, K ) $$ 其中： - $L$：關係長度； - $F$：互動頻率； - $S$：事件顯著性； - $R$：角色關係； - $K$：已知記憶能力／限制。 但： $$ \frac{\partial \mathcal X}{\partial L} >0 $$ 不是普遍必然。 例如： - 高齡； - 認知疾病； - 知道對方記憶差； - 大量純工作互動； 都可能改變期待。 因此這是一個**條件化責任梯度**，不是道德定律。 --- # 16. 候選量化指標 ## 16.1 Temporal-Relational Fit $$ \operatorname{TRF}(m,\tau) = \Psi_\tau(m) $$ 衡量記憶與當前時空／關係／任務的匹配。 --- ## 16.2 Relational Recall Gain 若提取前後的任務對齊度為： $$ A_{\text{before}}, A_{\text{after}} $$ 則： $$ G_{\text{RR}} = A_{\text{after}} - A_{\text{before}} $$ --- ## 16.3 Continuity Recovery 令當前系統對歷史軌跡的可用表示為： $$ H_{\text{active}} $$ 提取後： $$ \operatorname{CR} = d ( H_{\text{active}}^{after}, H_{\text{target}} ) - d ( H_{\text{active}}^{before}, H_{\text{target}} ) $$ 可用更適合的方向重新定義；此處只是概念候選。 --- ## 16.4 Intrusion Risk $$ R_{\text{intrusion}} = P ( \text{user judges recall as unwanted} \mid m,\tau ) $$ --- ## 16.5 Shared-History Compression Ratio 若沒有共同歷史，需要： $$ L_{\text{cold}} $$ 字元／token 完成定位。 有共同歷史只需： $$ L_{\text{shared}} $$ 則： $$ \operatorname{SHCR} = \frac{ L_{\text{cold}} }{ L_{\text{shared}}+\epsilon } $$ 越高表示共同歷史帶來的導航壓縮越大。 --- ## 16.6 Obsolescence Penalty $$ P_{\text{obsolete}} = \sum_{m\in\mathcal E} w_m \mathbf 1 [ m \text{ 已被更新／撤回} ] $$ --- # 17. 七項可證偽命題 ## 命題一：適切性優於單純相關性 在長期對話任務中，使用： $$ \Psi_\tau(m) $$ 型的時空／關係適切度排序，比單純 semantic similarity 更能預測： - 使用者認為有幫助； - 對話連續性； - 任務恢復速度。 若不成立，RRMD 的獨立工程價值受削弱。 --- ## 命題二：適切提取具有關係訊號效應 控制內容正確性後，適時提取共同歷史的系統，比只回答當前問題但不提共同歷史的系統，更容易被評為： - 記得我； - 理解我； - 有連續性。 此命題不測量「真正的 care」，只測 perceived signal。 --- ## 命題三：過度提取產生反效果 當歷史提取頻率超過某門檻： $$ f_{\text{recall}} > \theta $$ 則： $$ \operatorname{PerceivedContinuity} $$ 可能下降，而： $$ \operatorname{Intrusion} $$ 上升。 --- ## 命題四：共同歷史降低導航成本 長期共同歷史可使： $$ L_{\text{shared}} < L_{\text{cold}} $$ 同時維持相似任務對齊。 --- ## 命題五：舊而核心的記憶可優於新而高頻的記憶 存在任務，使： $$ m_{\text{old-core}} $$ 對當前判定的效用高於： $$ m_{\text{recent-frequent}} $$ 若檢索系統永遠只需近期性即可達最佳表現，則此命題受削弱。 --- ## 命題六：錯誤長期回憶的關係成本高於普通 fact error 在相同事實錯誤幅度下，若錯誤涉及： > 「你一直都是這樣的人。」 比一般外部知識錯誤更降低： - perceived understanding； - trust； - continuity； 則支持「關係模型錯誤」具有額外成本。 --- ## 命題七：關係記憶與 care 可被實驗分離 給一個高記憶準確、低回應敏感度的系統，以及一個記憶較少但高當下 responsiveness 的系統。 若人類仍能區分： $$ \operatorname{MemoryPerformance} $$ 與： $$ \operatorname{PerceivedCare} $$ 則支持： $$ \operatorname{Recall} \neq \operatorname{Care} $$ --- # 18. 實驗設計 ## 18.1 實驗 A：近期 vs 核心舊記憶 建立長期對話資料： - 最近 20 輪高頻主題； - 1000 輪前的核心自我定義／專案定義。 當核心問題重新出現時，比較： 1. Recency-only； 2. Semantic-only； 3. RRMD candidate ranking。 測量： - 任務成功； - 使用者認為「有接上」； - 錯誤身份投影。 --- ## 18.2 實驗 B：適時 vs 不適時提取 同一段正確記憶： $$ m $$ 分別在： - 高相關時刻； - 中性時刻； - 完全無關時刻； 被提取。 測量： - usefulness； - perceived continuity； - creepiness／intrusion； - trust。 --- ## 18.3 實驗 C：記憶量 vs 記憶選擇 比較： ### Max Recall 每輪都提供大量歷史。 ### Selective Recall 只提供 $\Psi_\tau(m)\ge\theta$ 的少量記憶。 ### Stateless 不提供歷史。 檢驗： $$ \text{More memory} \neq \text{better experience} $$ 是否成立。 --- ## 18.4 實驗 D：錯誤人格化回憶 比較兩類錯誤： ### Fact Error 錯記一個普通數字／日期。 ### Identity Error 錯把近期工具當成長期核心偏好。 控制錯誤顯著度後，測量： - annoyance； - trust loss； - perceived misunderstanding； - repair turns。 --- ## 18.5 實驗 E：共同歷史壓縮 Long-History Agent 與 Cold-Start Agent 接收一句： > 「回到之前那個源點。」 比較需要多少後續 clarification 才能達到： $$ \operatorname{TSA} \ge \theta $$ --- ## 18.6 實驗 F：人際關係對照 在人類 dyad 中比較： - stranger； - coworker； - friend； - long-term intimate partner； 在共同回憶、適時提示、錯誤提示上的： - recall benefit； - perceived responsiveness； - intrusion； - trust。 此實驗可以區分： $$ \text{memory mechanism} $$ 與： $$ \text{relationship interpretation} $$ --- # 19. 與現有 AI 長期記憶研究的區分 近期長期對話 Agent 已經處理很多 RRMD 的前置難題。 例如： - 固定 retrieval 不適應不同對話情境； - 記憶粒度過於僵硬； - 長期 persona 需要持續更新； - retrieval 需要 temporal reasoning； - 記憶 graph 需要 provenance 與 query-adaptive weighting。 這些研究提供工程基礎。 但 RRMD 新問的是： > **如果兩段記憶對 query 都相關，哪一段更具有「關係歷史上的現在資格」？** 可寫： $$ m_1 \sim_{\text{semantic}} m_2 $$ 但： $$ \Psi_\tau(m_1) \neq \Psi_\tau(m_2) $$ 這才是本文的增量。 --- # 20. 安全、隱私與自主性 關係性記憶如果用於 AI，必須有嚴格限制。 ## 20.1 記得不等於有權使用 即使： $$ m\in\mathfrak M $$ 也不代表： $$ \operatorname{Use}(m,\tau) = \text{allowed} $$ --- ## 20.2 敏感記憶需要更高門檻 可引入： $$ \theta_{\text{sensitive}} > \theta_{\text{normal}} $$ 以及： $$ \operatorname{Consent}(m,\tau) $$ --- ## 20.3 不應用記憶固定身份 使用者可以改變。 因此： $$ m_{\text{old}} $$ 不能直接成為： $$ \text{permanent user essence} $$ --- ## 20.4 應允許遺忘與撤回 共感記憶域不是「永久記住一切」的正當化工具。 需要允許： - delete； - forget； - expire； - revise； - private； - do-not-use。 --- # 21. Paper 01–05 的統一鏈 前五篇可以形成： $$ \boxed{ \text{SLB} \rightarrow \text{CNL} \rightarrow \text{SRF} \rightarrow \text{RRMD} \rightarrow \text{SIJD} } $$ 但更真實地，它不是單向鏈，而是耦合環： $$ \boxed{ \mathcal E_{AB}^{(\tau)} \leftrightarrow \mathcal R_{AB} \leftrightarrow \mathcal C_\tau \leftrightarrow \mathcal D_T^{(\tau)} } $$ 並由語言導航： $$ u_\tau $$ 持續修改。 完整過程可以寫： $$ \text{Current Utterance} \rightarrow \text{SLB Candidate Domain} \rightarrow \text{CNL Navigation} \rightarrow \text{SRF Anchoring} \rightarrow \text{RRMD Retrieval} \rightarrow \text{SIJD Judgment} \rightarrow \text{Response / Action} $$ --- # 22. 向 Paper 06 的轉折 Paper 05 已經提出一個新的風險： 如果系統不在正確時空調用記憶，它可能： - 過度依賴近期； - 把高頻當核心； - 把近期工具當長期身份； - 忘記遠期但高權重結構。 這會形成： $$ \boxed{ \text{User Impression Drift} } $$ 即系統對「這個人是誰」的活躍表示，逐漸偏離較長時間尺度上的證據結構。 因此 Paper 06 將研究： > **近期性失真與使用者印象漂移：AI 如何把「最近的你」誤認成「整體的你」。** --- # 23. 結論 本文提出「共感記憶域」作為長期交流中的關係—認知中層概念。 它不問： > 「系統有沒有記憶？」 而問： > 「哪一段過去，在此時此地、此任務、此關係狀態下，應重新取得當前認知效力？」 因此： $$ \boxed{ \text{Stored} \neq \text{Accessible} \neq \text{Retrieved} \neq \text{Relationally Appropriate} } $$ 而： $$ \boxed{ \operatorname{Recall} \neq \operatorname{Care} } $$ 仍是本文不可撤銷的邊界。 但長期關係中的適切回憶可能具有一種特殊訊號功能： $$ \boxed{ \text{你曾經說過的東西， 在我的世界裡並沒有完全消失。} } $$ 這個訊號不證明愛、關心、主體性或意識。 它只是提供一種可能的： $$ \operatorname{EvidenceOfSustainedAttention} $$ 真正高品質的長期記憶系統，因此不應追求： $$ \operatorname{RecallEverything} $$ 而應研究： $$ \boxed{ \text{Recall the right past, at the right time, at the right scale, for the right present.} } $$ 也就是： > **讓正確的過去，在正確的時空，重新成為共同現在的一部分。** --- # 參考文獻 ## A. 內部理論來源 Neo.K（許筌崴）. 2026a. 《記憶動力學：跨層接口、時間索引與重構性提取》. EveMissLab, v1.0. Neo.K（許筌崴）. 2026b. 《認知事件—算子架構：從選擇、觀察、更新、記憶到行動的最小形式系統》. EveMissLab, v1.0. Neo.K（許筌崴）. 2026c. 〈符號瞬時判定域：從語義同一到任務下判定等價〉. 符號—記憶—判定耦合系列，第 1 篇. Neo.K（許筌崴）. 2026d. 〈語義延遲綁定：低承諾語言、動態約束與概念生成〉. 符號—記憶—判定耦合系列，第 2 篇. Neo.K（許筌崴）. 2026e. 〈認知導航語言：自然語言作為語義空間中的控制介面〉. 符號—記憶—判定耦合系列，第 3 篇. Neo.K（許筌崴）. 2026f. 〈共享參照場與任務充分對齊：為何共同文件不等於共同認知〉. 符號—記憶—判定耦合系列，第 4 篇. ## B. 人類記憶與關係研究 Wegner, Daniel M., Ralph Erber, and Paula Raymond. 1991. “Transactive Memory in Close Relationships.” *Journal of Personality and Social Psychology* 61(6): 923–929. DOI: 10.1037/0022-3514.61.6.923. Barnier, Amanda J., Celia B. Harris, Thomas Morris, and Greg Savage. 2018. “Collaborative Facilitation in Older Couples: Successful Joint Remembering Across Memory Tasks.” *Frontiers in Psychology* 9:2385. DOI: 10.3389/fpsyg.2018.02385. Harris, Celia B., Amanda J. Barnier, John Sutton, and Greg Savage. 2019. “Features of Successful and Unsuccessful Collaborative Memory Conversations in Long-Married Couples.” *Topics in Cognitive Science* 11(4). DOI: 10.1111/tops.12350. Aydin, Çağla, and Aslıhan Buyukcan-Tetik. 2021. “Remembering the Romantic Past: Autobiographical Memory Functions and Romantic Relationship Quality.” *PLOS ONE* 16(5): e0251004. DOI: 10.1371/journal.pone.0251004. Murray, Sandra L., et al. 2013. “The Wishful Memory of Interpersonal Responsiveness.” *Journal of Personality and Social Psychology*. DOI: 10.1037/a0030422. Crasta, Dev, Ronald D. Rogge, Michael R. Maniaci, and Harry T. Reis. 2021. “Toward an Optimized Measure of Perceived Partner Responsiveness: Development and Validation of the Perceived Responsiveness and Insensitivity Scale.” *Psychological Assessment* 33(4): 338–355. DOI: 10.1037/pas0000986. Barnier, Amanda J., et al. 2020. “Effects of Collaboration on the Qualities of Autobiographical Recall in Strangers, Friends, and Siblings: Both Remembering Partner and Communication Processes Matter.” *Memory*. Speer, Megan E., et al. 2020. “The Social Value of Positive Autobiographical Memory Retrieval.” *Journal of Experimental Psychology: General*. ## C. 長期對話與 AI 記憶研究 Xu, Xinchao, Zhibin Gou, Wenquan Wu, Zheng-Yu Niu, Hua Wu, Haifeng Wang, and Shihang Wang. 2022. “Long Time No See! Open-Domain Conversation with Long-Term Persona Memory.” *Findings of ACL 2022*. Li, Hao, Chenghao Yang, An Zhang, Yang Deng, Xiang Wang, and Tat-Seng Chua. 2025. “Hello Again! LLM-powered Personalized Agent for Long-term Dialogue.” *NAACL 2025*, 5259–5276. DOI: 10.18653/v1/2025.naacl-long.272. Tan, et al. 2025. “In Prospect and Retrospect: Reflective Memory Management for Long-term Personalized Dialogue Agents.” *ACL 2025*, 8416–8439. DOI: 10.18653/v1/2025.acl-long.413. Zhao, Jihao, Ding Chen, Zhaoxin Fan, Kerun Xu, Mengting Hu, Bo Tang, Feiyu Xiong, and Zhiyu Li. 2026. “Inside Out: Evolving User-Centric Core Memory Trees for Long-Term Personalized Dialogue Systems.” *ACL 2026*, 13429–13446. DOI: 10.18653/v1/2026.acl-long.614. Banerjee, Pratyay, Masud Moshtaghi, Shivashankar Subramanian, Amita Misra, and Ankit Chadha. 2026. “APEX-MEM: Agentic Semi-Structured Memory with Temporal Reasoning for Long-Term Conversational AI.” *ACL 2026*, 16470–16489. DOI: 10.18653/v1/2026.acl-long.749. Pham Van, Hung, et al. 2026. “MemORAI: Memory Organization and Retrieval via Adaptive Graph Intelligence for LLM Conversational Agents.” *Findings of ACL 2026*. --- # 附錄 A：最小符號表 | 符號 | 定義 | |---|---| | $\mathfrak M_{AB}$ | A、B 共同歷史候選記憶集合 | | $\mathcal E_{AB}^{(\tau)}$ | 時間 $\tau$ 的共感記憶域 | | $\Psi_\tau(m)$ | 記憶 $m$ 的當前時空—關係適切度 | | $\theta_\tau$ | 共感提取門檻 | | $R_\tau$ | 內容相關性 | | $S_\tau$ | 關係顯著性 | | $C_\tau$ | 局部情境 | | $D_\tau$ | 當前瞬時判定域 | | $H_{AB}$ | A—B 的共同互動歷史 | | $O_\tau$ | 過時／失效程度 | | $I_\tau$ | 侵入風險 | | $\operatorname{TRF}$ | Temporal-Relational Fit | | $G_{\text{RR}}$ | Relational Recall Gain | | $\operatorname{SHCR}$ | Shared-History Compression Ratio | | $P_{\text{obsolete}}$ | 過時記憶懲罰 | --- # 附錄 B：正式提交前驗證清單 - [ ] 明確區分「共感」的功能定義與情感／主體性本體。 - [ ] 建立近期、高頻、舊而核心三類記憶的控制資料集。 - [ ] 比較 semantic relevance 與 temporal-relational fit 的預測力。 - [ ] 測量適時提取對 perceived continuity 與 perceived responsiveness 的獨立效果。 - [ ] 測量錯誤人格化回憶是否比普通 fact error 具有更高關係成本。 - [ ] 驗證 recall frequency 的倒 U 型或門檻效應是否存在。 - [ ] 建立 intrusion／creepiness／privacy 的獨立量表。 - [ ] 將 transactive memory、collaborative remembering、autobiographical memory social function 與 RRMD 做完整理論邊界比較。 - [ ] 將現有 AI memory retrieval benchmarks 與關係適切性指標分離。 - [ ] 為 Paper 06 建立「近期權重 → 印象漂移」的正式接口。