--- title: "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" english_title: "Shared Reference Fields and Task-Sufficient Alignment: Why Common Documents Do Not Imply Common Cognition" 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: "04" version: "v0.1" date: "2026-08-12" status: "正式研究草稿" canonical_source_encoding: "UTF-8" --- # 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 **Shared Reference Fields and Task-Sufficient Alignment: Why Common Documents Do Not Imply Common Cognition** 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 4 篇 版本：v0.1 日期：2026 年 8 月 12 日 --- ## 摘要 在人類協作、學術研究、軟體工程與長期人機互動中，一個極常見的直覺是：只要雙方閱讀同一份文件、使用同一套術語、共享同一組資料或長期參與同一專案，就已經「有共同基礎」。然而，這種直覺把至少四個不同層級混在一起：共享參照、共享表徵、共享判定與共享記憶。兩個主體可以精確回指同一文件、同一頁、同一公式，卻仍對該內容形成不同內部表徵；它們也可能內部表徵不同，卻在某一任務尺度上作出足夠一致的判定；甚至可以共享判定結果，但並沒有以相同歷史路徑或相同記憶結構到達該結果。 本文提出「共享參照場」（Shared Reference Field, SRF）作為一個獨立分析層。其核心定義是：由共同可回指、可定位、可版本化與可核查的外部符號物件所構成的協作參照結構。文件、程式碼、公式、圖像、資料集、版本號、時間戳、提交紀錄、頁碼、段落 ID 與共同命名均可形成 SRF 的節點。共享參照場的主要功能不是製造共同認知，而是降低 reference drift、版本漂移、對象錯置與「我們其實沒有在談同一個東西」的風險。 本文進一步將四個層級明確區分： $$ \boxed{ \text{Shared Reference} \neq \text{Shared Representation} \neq \text{Shared Judgment} \neq \text{Shared Memory} } $$ 並承接 Paper 01 的「任務充分對齊」、Paper 02 的「語義延遲綁定」與 Paper 03 的「認知導航語言」，提出外部參照場如何作為約束來源、導航錨點與判定探針的共同基礎。本文以圖結構表示 SRF，定義參照完整度、版本一致度、解析度、回指成本、參照漂移率與任務充分對齊度等候選指標，並提出六項可證偽命題。 外部對話研究中的 common ground tracking 通常把共同基礎操作化為任務相關且參與者共同接受的命題集合；近期研究亦顯示 common-ground misalignment 與任務成功具有顯著關聯。然而本文主張，對長期人機協作而言，在 common ground 之前還需要一個更低層但不可省略的基礎設施問題：參與者是否能穩定回到同一個外部對象、同一版本、同一尺度與同一歷史節點。SRF 因而不是 common ground 的替代概念，而是一個可支援、可限制並可驗證共同理解的外部參照層。 **關鍵詞：** 共享參照場、共同底空間、任務充分對齊、共同基礎、共享表徵、共享記憶、reference drift、版本漂移、對話 grounding、人機協作、符號瞬時判定域、認知導航語言 --- # 0. 研究位置與命題邊界 ## 0.1 內部理論來源 本文建立在數條既有研究線上。 《主體—語言—對象對齊模型》已提出：高階語言不是單純把完整思想翻譯為文字，而是在前符號意圖、被指生成、底空間尋址、對象切分、命名、他者解壓與共同底空間校正之間反覆往返。該文同時指出，「共同底空間」不是要求不同主體達到百分百同步，而是建立一個可以比對、校正、反駁與延伸的共同層。 《從語義對齊到相位匹配》進一步區分意圖者底空間、共同底空間與現實／宇宙底空間，指出符號的功能不只在主體之間傳遞意思，也在多個不同底空間之間建立匹配結構。 本系列 Paper 01 提出「符號瞬時判定域」（SIJD）：兩個主體不必具有完全相同的內部語義表徵，只要在當前任務、尺度與時間下達到足夠的判定等價，就可能繼續有效協作。 Paper 02 提出「語義延遲綁定」（SLB）：自然語言中的符號不必在首次出現時立即綁定為唯一意義，而可以先保留受控欠規定，再由後續約束逐步綁定。 Paper 03 提出「認知導航語言」（CNL）：部分自然語句的主要功能不是增加新命題，而是修改接收者的候選域、尺度、框架與焦點。 本文的新增工作是：把這幾條線中長期使用但未完全形式分離的「共同外部參照」獨立出來。 --- ## 0.2 外部研究對照 對話系統中的 common ground tracking（CGT）已經把「共同基礎」操作化為任務相關、參與者共同接受的命題與問題集合。近年的多模態工作可根據語言、動作、手勢與視覺注意等訊號即時估計群體共同基礎。 此外，目標導向對話的研究已發現：共同基礎失配會形成 conversational friction，而且與任務成功顯著相關。視覺對話與 LLM 研究亦顯示，建立與修復共同基礎仍是協作中的實際難題。 本文接受這些工作作為重要外部基礎，但不把 SRF 等同於 common ground。 原因是： $$ \text{共同接受某命題} $$ 與： $$ \text{能否精確回指同一外部對象} $$ 是兩個不同問題。 --- ## 0.3 本文不主張的內容 本文不主張： 1. 有共同文件就會有共同理解。 2. 沒有共同文件就不能理解。 3. 共享參照場等於 common ground。 4. 共享參照場等於 shared memory。 5. 所有共同認知都必須依賴文本。 6. 參照越多越好。 7. 精確版本控制可以消滅語義差異。 8. 所有主體都需要內部表徵同一。 9. 外部文件具有「客觀無歧義」的本體地位。 10. 本文提出的圖結構就是認知系統的實際神經或模型結構。 最低命題只是： $$ \boxed{ \text{共同外部參照可降低某些協作漂移， 但不能推出共同內部認知。} } $$ --- # 1. 問題提出：我們真的在看同一個東西嗎？ ## 1.1 四種容易被混成「共同理解」的狀態 假設兩個主體 $A$ 與 $B$ 同時讀同一篇論文 $F$。 我們至少可以問四個不同問題。 第一： > 他們是不是在看同一份文件？ 第二： > 他們是不是把文件理解成同一個內部模型？ 第三： > 他們在這個任務上會不會作出同樣的關鍵判定？ 第四： > 他們是不是都能在未來正確地重新提取這段共同歷史？ 這四個問題分別對應： $$ R_{\text{shared}} $$ $$ K_{\text{shared}} $$ $$ J_{\text{shared}} $$ $$ M_{\text{shared}} $$ 而一般情況下： $$ R_{\text{shared}} \not\Rightarrow K_{\text{shared}} $$ $$ K_{\text{shared}} \not\Rightarrow M_{\text{shared}} $$ $$ J_{\text{shared}} \not\Rightarrow K_{\text{shared}} $$ --- ## 1.2 最常見的錯誤推論 ### 錯誤一：同一文件即同一概念 $$ F_A=F_B \Rightarrow K_A=K_B $$ 不成立。 兩個人讀同一論文，可以不同意： - 核心命題是什麼； - 哪一段是定義、哪一段是比喻； - 哪個限制條件最重要； - 哪個公式只是示意； - 哪個例子具有一般性。 --- ### 錯誤二：使用同一術語即共享被指 $$ s_A=s_B \Rightarrow O_A=O_B $$ 不成立。 同一句「世界模型」、「主體性」、「狀態」、「拓撲」或「理解」，可以指向不同底空間中的不同對象。 --- ### 錯誤三：相同答案即相同理解 $$ J_A=J_B \Rightarrow K_A=K_B $$ 也不成立。 兩個主體可以因完全不同理由得到同一答案。 --- ### 錯誤四：曾經共享即未來永遠可用 $$ R_{\text{shared}}^{(t)} \Rightarrow R_{\text{shared}}^{(t+n)} $$ 同樣不成立。 版本更新、記憶遺失、命名漂移、上下文替換與任務尺度改變，都可能使舊的共同參照失效。 --- # 2. 共享參照場的定義 ## 2.1 參照節點 定義共享參照場： $$ \mathcal R_{AB}^{(\tau)} = (V,E,\mu,\nu,\pi) $$ 其中： - $V$：可共同回指的參照節點； - $E$：節點之間的關係； - $\mu$：節點的識別／定位函數； - $\nu$：版本與時間函數； - $\pi$：權威或來源狀態函數。 參照節點可以是： - 文件； - 文件章節； - 公式； - 圖； - 表； - 程式碼檔案； - commit； - issue； - dataset； - API spec； - 時間戳； - 影片片段； - 對話 turn； - 定義卡； - 已同意的命名； - 現實物件。 --- ## 2.2 可回指性 一個物件 $v$ 能成為共享參照節點的最低條件，不是「雙方都知道它存在」，而是至少可以建立可重現回指： $$ \operatorname{Resolve}_A(r) = v $$ 且： $$ \operatorname{Resolve}_B(r) = v $$ 其中 $r$ 為參照標識。 例如： - 文件 ID； - 章節編號； - 段落； - commit hash； - URL； - DOI； - timestamp； - line number。 若： $$ \operatorname{Resolve}_A(r) \neq \operatorname{Resolve}_B(r) $$ 則表面使用同一標識，實際上仍然 reference split。 --- ## 2.3 共享參照不是共享解碼 即使： $$ \operatorname{Resolve}_A(r) = \operatorname{Resolve}_B(r) = v $$ 仍可能： $$ \operatorname{Decode}_A(v) \neq \operatorname{Decode}_B(v) $$ 因此： $$ \boxed{ \text{Shared Object Resolution} \neq \text{Shared Semantic Reconstruction} } $$ 這是本文最核心的邊界之一。 --- # 3. 四層模型 本文正式區分四層。 ## 3.1 第一層：共享參照 定義： $$ \mathsf{SR}(A,B;v)=1 $$ 若 $A,B$ 可以穩定回指同一個參照節點 $v$。 共享參照回答： > 我們是不是在指同一個東西？ --- ## 3.2 第二層：共享表徵 若存在一個可比較表示空間 $\mathcal K$ 與距離 $d_K$，可寫： $$ \mathsf{SRep}_{\epsilon}(A,B;v)=1 $$ 當： $$ d_K \left( K_A(v), K_B(v) \right) \le \epsilon $$ 共享表徵回答： > 我們對這個東西的內部模型有多接近？ 本文不假定所有主體都能被放入同一表徵空間，因此這一層在跨人類／AI 情況下常難以直接觀測。 --- ## 3.3 第三層：共享判定 依 Paper 01，對任務 $T$ 與尺度 $\lambda$： $$ \mathsf{SJ}_{T,\lambda}(A,B;v)=1 $$ 若： $$ J_{A,T,\lambda}(v) = J_{B,T,\lambda}(v) $$ 或在容差內： $$ d_Y \left( J_A(v), J_B(v) \right) \le \epsilon $$ 共享判定回答： > 即使理解細節不同，我們現在是否足以作出相同關鍵判定？ --- ## 3.4 第四層：共享記憶 共享記憶不是兩個主體擁有完全相同的記憶內容，而是共同歷史在未來可以被適當重建與回指。 令共同事件： $$ e_t $$ 在未來 $\tau$： $$ \operatorname{Retrieve}_A(e_t,\tau) $$ 與： $$ \operatorname{Retrieve}_B(e_t,\tau) $$ 都具有足夠保真度，才可以說該事件具有某種共享記憶可用性。 但 Paper 05 才會正式處理記憶的關係性提取，因此本文只保留接口。 --- # 4. 四層之間不是單調蘊含 一個重要結構是： $$ \mathsf{SR} \not\Rightarrow \mathsf{SRep} $$ $$ \mathsf{SRep} \not\Rightarrow \mathsf{SJ} $$ $$ \mathsf{SJ} \not\Rightarrow \mathsf{SRep} $$ $$ \mathsf{SR} \not\Rightarrow \mathsf{SMem} $$ 例如： ## 案例 A：共享參照，高表徵差異 兩位哲學家讀同一段康德原文，完全同意段落位置，但解釋相反。 ## 案例 B：低表徵同一，高判定一致 兩位工程師對系統內部原因理解不同，但都判斷目前不能 deploy。 ## 案例 C：曾共享判定，後續記憶失配 團隊當時共同決定使用架構 A，但半年後某成員只記得「我們有討論 A」，不記得最後決策與理由。 因此一個真正長期協作系統不能只保存： $$ \text{我們曾經談過什麼} $$ 還需要保留： $$ \text{當時談的是哪個對象、哪個版本、在哪個尺度、形成了什麼判定。} $$ --- # 5. SRF 作為圖，而不是文件堆 ## 5.1 單一文件模型不足 如果共享參照只被理解為： $$ \{F_1,F_2,\ldots,F_n\} $$ 會忽略文件之間的關係。 真正的協作通常需要： $$ F_3 \text{ supersedes } F_2 $$ $$ F_2 \text{ interprets } F_1 $$ $$ C_4 \text{ implements } D_2 $$ $$ E_5 \text{ falsifies } H_1 $$ 因此 SRF 更適合建模為圖： $$ \mathcal R = (V,E) $$ --- ## 5.2 邊類型 候選關係包括： - `defines` - `refines` - `supersedes` - `contradicts` - `implements` - `depends_on` - `derived_from` - `tests` - `interprets` - `archives` - `canonicalizes` - `retracts` 在長期 AI 協作中，這些關係可以直接降低「新版本當舊版本」「草稿當正典」「例子當定義」的錯誤。 --- # 6. 版本與時間是參照的一部分 ## 6.1 同名不等於同物 如果： $$ \operatorname{Name}(v_1) = \operatorname{Name}(v_2) $$ 不代表： $$ v_1=v_2 $$ 例如同一文件名可能有： - v0.1； - v0.2； - 修訂版； - Kindle 版； - 公開版； - 封存版。 所以參照節點最低表示應包含： $$ v = \langle id, version, time, authority \rangle $$ --- ## 6.2 版本漂移 定義版本漂移事件： $$ \Delta_{\text{version}} = 1 $$ 若說話者意圖引用 $v_i$，接收者卻以 $v_j$ 作為基準： $$ v_i\neq v_j $$ 即使兩份文件標題相同，也可能造成巨大認知錯位。 --- ## 6.3 正典狀態 對長期知識庫尤其需要： $$ \pi(v) \in \{ \text{canonical}, \text{interpretive}, \text{draft}, \text{archived}, \text{deprecated} \} $$ 因為： $$ \text{可讀} \neq \text{可當作正典} $$ 共享參照場需要知道物件「是什麼」，也需要知道「它在知識治理中的地位」。 --- # 7. 共享參照場如何支援語義延遲綁定 Paper 02 的 SLB 表示： $$ s \mapsto \mathcal C_0 \xrightarrow{ \Gamma_1,\ldots,\Gamma_n } \mathcal B_{T,\lambda}^{(\tau)} $$ SRF 提供其中一類強約束： $$ \Gamma_F $$ 例如： > 「以 2026 年 7 月修訂版第 43 頁定義為準。」 比： > 「我記得那裡大概有定義。」 具有更強的參照約束。 因此： $$ \mathcal C_{t+1} = \Gamma_F ( \mathcal C_t ) $$ 通常可以降低候選域。 但仍不能保證： $$ |\mathcal C_{t+1}|=1 $$ 因為同一段定義仍可能有多種合理解碼。 --- # 8. 共享參照場如何支援認知導航 Paper 03 的導航操作包含： $$ \operatorname{REBASE} $$ $$ \operatorname{SHIFT} $$ $$ \operatorname{ZOOM} $$ $$ \operatorname{REJECT} $$ $$ \operatorname{NARROW} $$ $$ \operatorname{LOCK} $$ 共享參照可以給這些操作提供明確 anchor。 例如： > 「回到 2.0 的 OPS，不要用最近那個算子本體論版本。」 可寫成： $$ \operatorname{REBASE} ( v_{\text{OPS-2.0}} ) $$ 而不是抽象的： $$ \operatorname{REBASE} ( \text{某個我記得的舊概念} ) $$ --- # 9. 共享參照場與瞬時判定域 Paper 01 的 SIJD 關心： $$ \mathcal D_{T,\lambda}^{(\tau)} $$ 也就是哪些認知差異在當前任務下已不再改變判定。 SRF 可以作為 SIJD 的外部測試基礎。 例如對同一節點 $v$ 提出 probe： $$ q_1: \text{這是正典還是詮釋？} $$ $$ q_2: \text{這個公式是定義還是例子？} $$ $$ q_3: \text{這個版本能否取代前版？} $$ 若 $A,B$ 的判定一致： $$ J_A(q_i)=J_B(q_i) $$ 則可測量任務充分對齊。 這比只問： > 「你看懂了嗎？」 更可驗證。 --- # 10. 共享參照場與 common ground 的區分 ## 10.1 common ground 在現代對話系統研究中，common ground 常被操作化為： > 所有參與者在任務中共同接受為真的、與當前目標相關的命題集合。 可以寫： $$ \mathcal G_t = \{ p: \forall o\in O, \operatorname{Accept}_o(p) \} $$ --- ## 10.2 Shared Reference Field SRF 則回答： $$ \mathcal R_t = \{ v: \forall o\in O, \operatorname{Resolve}_o(r_v)=v \} $$ 所以： $$ \mathcal G_t $$ 是共享認識論狀態， 而： $$ \mathcal R_t $$ 是共享參照基礎設施。 兩者可以互相支援，但不相同。 --- ## 10.3 參照一致、信念不一致 完全可能： $$ v_A=v_B $$ 但： $$ \operatorname{Believe}_A(p_v) \neq \operatorname{Believe}_B(p_v) $$ 例如兩個研究者共同指向同一實驗結果，但一人認為它支持理論，一人認為它反駁理論。 這仍然是一個健康的 SRF。 因為 SRF 不要求共識。 --- # 11. SRF 的核心價值：允許「高品質分歧」 一個好的共享參照場，不是讓所有人變成同一個觀點。 它應該允許： $$ \boxed{ \text{Same Reference} + \text{Different Interpretation} + \text{Explicit Comparison} } $$ 若參照不穩，分歧本身也難以被診斷。 因為我們不知道： > 你反對的是我的命題，還是你其實讀的是另一版本？ 所以： $$ \text{Reference Alignment} $$ 不是共識壓力，而是分歧可檢查性的前提之一。 --- # 12. 「共同底空間」的重新精確化 既有研究中的「共同底空間」概念很大，可能同時包含： - 共享符號； - 共享語言； - 共享文件； - 可比對表示； - 共同問題； - 共同現實錨點。 為避免概念搶奪，本文提出一個分層化修正。 令： $$ \mathcal B_A $$ 與： $$ \mathcal B_B $$ 為各自主體底空間。 共同底空間不應理解為： $$ \mathcal B_A \cap \mathcal B_B $$ 的字面集合交集。 更保守地，可將它拆成： $$ \mathcal B_{\text{common}} = \langle \mathcal R, \mathcal G, \mathcal Q, \mathcal V \rangle $$ 其中： - $\mathcal R$：共享參照場； - $\mathcal G$：共享／可追蹤命題； - $\mathcal Q$：共同問題與任務； - $\mathcal V$：共同驗證接口。 這樣可以避免把「共同底空間」誤讀成兩個認知系統真的合併。 --- # 13. 外部現實作為更高層參照 《從語義對齊到相位匹配》提出： $$ \text{意圖者底空間} \rightarrow \text{共同底空間} \rightarrow \text{現實／宇宙母集} $$ 本文採取一個較弱版本： > 共享參照場中的部分節點可以不是文件，而是可共同觀測、測量或驗證的現實對象。 例如： - 實驗結果； - 伺服器狀態； - 股票價格； - 身體症狀； - GPS 位置； - API response； - 物理測量。 因此 SRF 不是純文本系統。 它可以包含： $$ v_{\text{world}} $$ 此類 world-grounded node 能提供比純語言互引更強的驗證能力。 --- # 14. 候選指標 ## 14.1 Reference Resolution Agreement 給定一組參照： $$ R = \{r_1,\ldots,r_n\} $$ 定義： $$ \operatorname{RRA} = \frac{ 1 }{ n } \sum_i \mathbf 1 [ \operatorname{Resolve}_A(r_i) = \operatorname{Resolve}_B(r_i) ] $$ 衡量雙方是否真的回到同一物件。 --- ## 14.2 Version Agreement $$ \operatorname{VA} = \frac{ 1 }{ n } \sum_i \mathbf 1 [ \nu_A(v_i) = \nu_B(v_i) ] $$ --- ## 14.3 Reference Drift Rate 在一段長對話中： $$ \operatorname{RDR} = \frac{ N_{\text{reference mismatch}} }{ N_{\text{reference acts}} } $$ RDR 越高，表示名稱、版本或對象的漂移越嚴重。 --- ## 14.4 Resolution Cost $$ C_{\text{resolve}}(r) = \text{將參照重新定位到正確節點所需的回合／token／時間} $$ 共享參照場成熟後，預期： $$ C_{\text{resolve}} \downarrow $$ --- ## 14.5 Reference Granularity 對節點 $v$ 可定義參照解析度： $$ g(v) $$ 例如： $$ \text{整本書} > \text{章} > \text{段} > \text{句} > \text{公式} > \text{符號} $$ 不同任務需要不同 $g$。 太粗會造成歧義；太細則增加操作成本。 --- ## 14.6 Task-Sufficient Alignment 承接 Paper 01： $$ \operatorname{TSA}_{T} = \sum_i w_i \mathbf 1 [ J_A(q_i)=J_B(q_i) ] $$ SRF 的品質不能只靠 RRA 評估，還需看： $$ \operatorname{TSA}_{T} $$ 是否提升。 --- # 15. 六項可證偽命題 ## 命題一：共享參照非共享表徵命題 存在主體 $A,B$ 與節點 $v$： $$ \mathsf{SR}(A,B;v)=1 $$ 但： $$ d_K(K_A(v),K_B(v)) > \epsilon $$ 若在所有控制任務中，同一精確參照都必然造成高度表徵相似，則此命題受削弱。 --- ## 命題二：參照穩定降低對話摩擦命題 當： $$ \operatorname{RRA} \uparrow $$ 與： $$ \operatorname{VA} \uparrow $$ 時，因對象／版本錯置造成的修復回合應下降： $$ N_{\text{repair-ref}} \downarrow $$ --- ## 命題三：共享文件不保證任務對齊命題 即使： $$ F_A=F_B $$ 仍可能： $$ \operatorname{TSA}_{T} < \theta $$ 也就是共同文件存在，任務判定仍未對齊。 --- ## 命題四：精細參照提高修復效率命題 當誤解出現時，能回指： > 第 4.3 節第二公式 比： > 你前面那一段 具有更低修復成本： $$ C_{\text{repair}}^{\text{fine}} < C_{\text{repair}}^{\text{coarse}} $$ 但僅在解析成本不超過收益時成立。 --- ## 命題五：過度參照存在反效應 當參照網絡過密： $$ |V|,|E| \rightarrow \text{very large} $$ 而檢索與權威排序不足時： $$ C_{\text{resolve}} \uparrow $$ 甚至使任務成功下降。 因此： $$ \text{More Reference} \neq \text{Better Alignment} $$ --- ## 命題六：共享參照與共享記憶可分離 兩個主體可以共享高度穩定的外部 SRF，但內部歷史提取能力顯著不同： $$ \operatorname{RRA} \approx1 $$ 而： $$ \operatorname{Recall}_A \neq \operatorname{Recall}_B $$ 這一命題將直接接到 Paper 05。 --- # 16. 實驗設計 ## 16.1 實驗 A：同文異解 給多個人類或模型完全相同的文件。 控制： - 版本； - 頁碼； - 段落； - 任務。 測量： 1. reference resolution； 2. paraphrase representation； 3. boundary judgments； 4. counterexample judgments； 5. task success。 若 RRA 接近 1，但表徵與判定仍有明顯差異，支持四層分離。 --- ## 16.2 實驗 B：版本漂移 提供兩個極相似版本： $$ v_1 $$ $$ v_2 $$ 其中只有一個關鍵定義不同。 比較： ### 條件 1 僅使用文件名稱。 ### 條件 2 使用名稱 + 版本 + hash。 測量錯誤引用率與任務失敗率。 --- ## 16.3 實驗 C：粗參照 vs 細參照 讓協作者修正模型誤解。 條件： ### Coarse > 「看前面那篇。」 ### Medium > 「看 Paper 02。」 ### Fine > 「看 Paper 02 第 7 節語義綁定門檻。」 比較： $$ C_{\text{repair}} $$ 與： $$ \operatorname{TSA} $$ --- ## 16.4 實驗 D：共同文件 vs 共同 probe 比較： ### 組 A 只共享完整文件。 ### 組 B 共享文件 + 一組任務 probe。 假說： $$ \operatorname{TSA}_B > \operatorname{TSA}_A $$ 因為文件提供參照，probe 才顯示判定是否對齊。 --- ## 16.5 實驗 E：SRF 圖 vs 平面文件列表 建立兩套知識庫。 ### Flat 只存文件。 ### Graph 保存： - supersedes； - canonical； - derived_from； - contradicts； - implements。 比較： - 正典誤用； - 舊版誤用； - 引用修復； - 任務耗時。 --- ## 16.6 實驗 F：外部參照 vs 長期內部記憶 讓兩組 agent 完成長期任務。 ### Memory-Heavy 主要依賴內部摘要記憶。 ### SRF-Heavy 主要依賴外部可回指參照圖。 測量： - 版本錯置； - 長期一致性； - 修復成本； - 新任務泛化。 本文不預測 SRF-Heavy 在所有情況都優於 Memory-Heavy，而是預測兩者錯誤型態不同。 --- # 17. 共享參照的三種時間尺度 ## 17.1 即時參照 當前對話內： > 「你上一句。」 生命期： $$ \Delta t \sim \text{seconds/minutes} $$ --- ## 17.2 專案參照 跨數天到數月： - Paper 01； - repo commit； - architecture decision； - design spec。 --- ## 17.3 長期文化／知識參照 跨年： - 經典論文； - 標準； - 書籍； - 公認定理； - 組織憲章； - 長期正典。 不同時間尺度需要不同： $$ \nu(v) $$ 與權威維護策略。 --- # 18. SRF 與人類關係中的共同世界 長期關係中，人們不只共享「知道的事」，還會建立大量可壓縮參照。 例如： > 「上次那間店。」 > 「你以前說的那個人。」 > 「我們第一次做那件事的時候。」 這些短語之所以有效，不是字面資訊足夠，而是共同歷史已建立參照節點。 形式上： $$ C_{\text{surface}} \downarrow $$ 但： $$ C_{\text{resolve}} \downarrow $$ 前提是共同歷史仍可正確調用。 這一現象與視覺對話中的 subsequent reference 研究相呼應：共同基礎累積後，後續指稱通常會變短並重用先前成功表達。 但本文保留一個重要限制： > 「共享參照壓縮」只有在正確記憶被適時提取時才成立。 若共同歷史被錯提取，短語反而會造成更大的錯誤自信。 這正是 Paper 05 的入口。 --- # 19. AI 協作中的實際含義 ## 19.1 只存摘要不夠 若長期 AI 只保存： > 使用者研究 X。 而不保存： - 哪篇文件； - 哪個版本； - 何時； - 是否正典； - 是否只是近期工作； - 哪個結論已被推翻； 就容易把內容記憶與參照治理混在一起。 --- ## 19.2 AI 應能說「我知道你指哪個，但我不確定我理解是否一致」 這是一個成熟協作系統應具備的區分： $$ \mathsf{SR}=1 $$ 但： $$ \mathsf{SRep} \text{ uncertain} $$ 也就是： > 我可以精確定位到你說的文件與段落，但我不應因此假定我已經抓到你當時的完整意義。 --- ## 19.3 反過來也可能「沒有同一文件，但已達任務判定等價」 例如兩個 agent 使用不同資料來源： $$ F_A\neq F_B $$ 但： $$ J_A=J_B $$ 此時不應因參照不同而否定任務成功。 所以 SRF 是基礎設施，不是唯一真理判準。 --- # 20. 與「相位匹配」的接口 如果把 SRF 往現實驗證再推一層，可以形成： $$ \mathcal R_{\text{symbolic}} \rightarrow \mathcal R_{\text{empirical}} $$ 也就是從： > 我們都指向同一份理論。 進一步變成： > 我們都能指向同一個實驗、數據、事件或現實結果。 這與既有「相位匹配」思想相容。 但本文採保守版本： $$ \boxed{ \text{共享現實參照} \neq \text{現實真理已完成} } $$ 兩個人即使看到同一數據，也仍可能對因果解釋不同。 --- # 21. 失敗模式 ## 21.1 假共享 表面上雙方都說： > 「那篇論文。」 但實際指向不同版本。 --- ## 21.2 權威漂移 舊草稿被新系統誤當成正典。 --- ## 21.3 粒度錯位 一人談整篇理論，一人只談某個公式。 --- ## 21.4 同文過度信任 因為共同文件存在，所以雙方停止做理解 probe。 --- ## 21.5 參照爆炸 所有東西都保存，卻沒有關係、版本與權威結構，結果： $$ \operatorname{SearchSpace} \uparrow $$ 而： $$ \operatorname{UsefulResolution} \downarrow $$ --- ## 21.6 記憶冒充參照 模型說： > 「我記得你之前說過……」 但無法定位來源。 這種狀態應標記為： $$ \text{Memory Claim} $$ 而不是： $$ \text{Verified Reference} $$ --- # 22. Paper 01–04 的統一結構 四篇現在可以形成： $$ \boxed{ \text{SLB} \rightarrow \text{CNL} \rightarrow \text{SRF} \rightarrow \text{SIJD} } $$ 更完整地： $$ s \mapsto \mathcal C_0 \xrightarrow{ \text{Cognitive Navigation} } \mathcal C_t \xrightarrow{ \text{Shared Reference Constraints} } \widetilde{\mathcal C}_t \xrightarrow{ \text{Task Probes} } \mathcal D_{T,\lambda}^{(\tau)} $$ 其中： - SLB 解釋為什麼不必一開始完全定義； - CNL 解釋語句如何移動域； - SRF 提供可回指的外部錨點； - SIJD 判定何時已足以共同繼續。 --- # 23. 向 Paper 05 的轉折：外部共同參照之後，還缺什麼？ 即使 SRF 完美： $$ \operatorname{RRA}=1 $$ 也存在一個問題。 在真正長期關係中，人並不希望每一次都重新查文件。 很多時候，某些共同過去應該在「正確時刻」自然進入現在。 因此： $$ \text{可回指的共同過去} $$ 與： $$ \text{此刻被適當提取的共同過去} $$ 不是同一件事。 可以寫成： $$ \boxed{ \text{Reference Availability} \neq \text{Relationally Appropriate Recall} } $$ Paper 05 將研究這一層： > **共感記憶域：長期交流中，共同過去如何在適當時空重新成為共同現在。** --- # 24. 結論 本文提出「共享參照場」作為長期協作中的獨立基礎層。 它回答的不是： > 我們是不是想得一樣？ 而是： > 我們能不能穩定地回到同一個外部對象、同一版本、同一尺度與同一歷史節點？ 因此： $$ \boxed{ \text{Shared Reference} \neq \text{Shared Representation} \neq \text{Shared Judgment} \neq \text{Shared Memory} } $$ 這四層的分離有一個重要後果： > 一個成熟的人機協作系統，不應把「我找到了你說的文件」誤報為「我理解了你」，也不應把「我們現在答案一致」誤報為「我們擁有相同認知」。 共享參照場的價值恰恰在於不消滅差異。 它使差異可以被定位。 它使爭論可以回指。 它使版本可以核對。 它使詮釋可以分叉。 它使正典與後設解讀可以分離。 它使「我記得」與「我有證據定位」不再混為一談。 因此，SRF 可以被理解為： $$ \boxed{ \text{一個允許不同主體在不融合彼此認知的前提下， 仍能持續對同一世界節點進行比對的外部結構。} } $$ 而真正的長期交流，還必須再回答下一個問題： > 當這些共同節點已經存在多年，什麼東西應該在什麼時候重新被想起？ 這將進入 Paper 05 的「共感記憶域」。 --- # 參考文獻 ## A. 內部理論來源 Neo.K（許筌崴）. 2026a. 《主體—語言—對象對齊模型：從前符號意圖、被指生成到共同底空間校正的多層語言棧》. EveMissLab. Neo.K（許筌崴）. 2026b. 《從語義對齊到相位匹配：高品質資料如何推動 AI 的底空間精細定位機制》. EveMissLab. 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. ## B. 外部學術對照 Haber, Janosch, Tim Baumgärtner, Ece Takmaz, Lieke Gelderloos, Elia Bruni, and Raquel Fernández. 2019. “The PhotoBook Dataset: Building Common Ground through Visually-Grounded Dialogue.” *Proceedings of ACL 2019*, 1895–1910. Takmaz, Ece, Mario Giulianelli, Sandro Pezzelle, Arabella Sinclair, and Raquel Fernández. 2020. “Refer, Reuse, Reduce: Generating Subsequent References in Visual and Conversational Contexts.” *Proceedings of EMNLP 2020*. Alikhani, Malihe, and Matthew Stone. 2020. “Achieving Common Ground in Multi-modal Dialogue.” *Proceedings of ACL 2020: Tutorial Abstracts*, 10–15. DOI: 10.18653/v1/2020.acl-tutorials.3. Cho, Hyundong, and Jonathan May. 2020. “Grounding Conversations with Improvised Dialogues.” *Proceedings of ACL 2020*, 2398–2413. DOI: 10.18653/v1/2020.acl-main.218. Kruijt, Jaap, and Piek Vossen. 2022. “The Role of Common Ground for Referential Expressions in Social Dialogues.” *Proceedings of CRAC 2022*. Khebour, Ibrahim Khalil, Kenneth Lai, Mariah Bradford, Yifan Zhu, Richard A. Brutti, Christopher Tam, Jingxuan Tu, Benjamin A. Ibarra, Nathaniel Blanchard, Nikhil Krishnaswamy, and James Pustejovsky. 2024. “Common Ground Tracking in Multimodal Dialogue.” *Proceedings of LREC-COLING 2024*, 3587–3602. Qiu, Shuwen, Mingdian Liu, Hengli Li, Song-Chun Zhu, and Zilong Zheng. 2024. “MindDial: Enhancing Conversational Agents with Theory-of-Mind for Common Ground Alignment and Negotiation.” *Proceedings of SIGDIAL 2024*. Oshima, Ryosuke, Seitaro Shinagawa, and Shigeo Morishima. 2024. “The Gap in the Strategy of Recovering Task Failure between GPT-4V and Humans in a Visual Dialogue.” *Proceedings of SIGDIAL 2024*. DOI: 10.18653/v1/2024.sigdial-1.62. Sarkar, Rupak, Neha Srikanth, Taylor Pellegrin, Rachel Rudinger, Claire Bonial, and Philip Resnik. 2025. “Understanding Common Ground Misalignment in Goal-Oriented Dialog: A Case-Study with Ubuntu Chat Logs.” *Proceedings of ACL 2025*, 3200–3215. DOI: 10.18653/v1/2025.acl-long.161. VanderHoeven, Hannah, Brady Bhalla, Ibrahim Khebour, Austin C. Youngren, Videep Venkatesha, Mariah Bradford, Jack Fitzgerald, Carlos Mabrey, Jingxuan Tu, Yifan Zhu, Kenneth Lai, Changsoo Jung, James Pustejovsky, and Nikhil Krishnaswamy. 2025. “TRACE: Real-Time Multimodal Common Ground Tracking in Situated Collaborative Dialogues.” *Proceedings of NAACL 2025: System Demonstrations*, 40–50. DOI: 10.18653/v1/2025.naacl-demo.5. Inan, Mert, Malihe Alikhani, and Anthony Sicilia. 2026. “Dialogue is the Plan: From Interface to Joint Action in Agentic AI.” *Proceedings of ACL 2026*, 770–779. DOI: 10.18653/v1/2026.acl-short.63. --- # 附錄 A：最小符號表 | 符號 | 定義 | |---|---| | $\mathcal R_{AB}^{(\tau)}$ | A、B 在時間 $\tau$ 的共享參照場 | | $V$ | 參照節點集合 | | $E$ | 參照關係集合 | | $\mu$ | 節點識別／定位函數 | | $\nu$ | 版本與時間函數 | | $\pi$ | 權威／正典狀態函數 | | $\mathsf{SR}$ | 共享參照 | | $\mathsf{SRep}$ | 共享表徵 | | $\mathsf{SJ}$ | 共享判定 | | $\mathsf{SMem}$ | 共享記憶可用性 | | $\operatorname{RRA}$ | Reference Resolution Agreement | | $\operatorname{VA}$ | Version Agreement | | $\operatorname{RDR}$ | Reference Drift Rate | | $C_{\text{resolve}}$ | 參照解析成本 | | $\operatorname{TSA}_T$ | 任務充分對齊度 | --- # 附錄 B：正式提交前驗證清單 - [ ] 對「共享參照」建立可操作資料集標註準則。 - [ ] 驗證同文異解：RRA 高時表徵與判定仍可分歧。 - [ ] 建立版本漂移 benchmark。 - [ ] 比較 coarse／medium／fine reference 對修復成本的影響。 - [ ] 驗證 flat file list 與 graph SRF 的長期差異。 - [ ] 區分 common ground、shared reference、shared representation 的外部文獻定義。 - [ ] 對「共同底空間」做更嚴格的歷史版本梳理，避免新定義覆寫舊義。 - [ ] 定義 authority／canonicality 錯置的 benchmark。 - [ ] 驗證 shared document + probes 是否顯著優於 shared document only。 - [ ] 為 Paper 05 建立 SRF → relational recall 的接口。