--- title: "比較域失效：當異質存在不再適合同一排行榜" english_title: "Comparison-Domain Failure: When Heterogeneous Existences No Longer Belong on a Single Leaderboard" series: "異質存在、體驗域與技術適配研究系列" series_english: "Heterogeneous Existence, Experiential Domains, and Technological Fit Series" series_id: "HEETF" paper_id: "HEETF-06" author: "Neo.K" organization: "EveMissLab" version: "0.1.0" status: "Research Draft / Comparison-Domain Theory" date: "2026-08-14" language: "zh-TW" --- # 比較域失效 ## 當異質存在不再適合同一排行榜 ### Comparison-Domain Failure ### When Heterogeneous Existences No Longer Belong on a Single Leaderboard **作者：** Neo.K **機構：** EveMissLab **系列：** 異質存在、體驗域與技術適配研究系列（HEETF），Paper 06 **版本：** v0.1.0 **日期：** 2026-08-14 --- # 摘要 本文研究 HEETF 系列前五篇自然導出的問題： > 當不同存在具有不同的體驗域、生成路徑、成本函數與載體拓撲時，「誰比較強」是否仍然是一個天然有定義的問題？ 本文答案是： $$ \boxed{ \text{No comparison domain} \Rightarrow \text{No well-typed ranking claim}. } $$ 「A 比 B 強」不是一個自動帶有完整語義的二元關係。它至少需要聲明： - 比較哪一類 task； - 哪些 outcome metrics； - metric 方向； - 哪些成本； - single instance 還是 fleet； - marginal 還是 lifecycle； - raw output 還是 validated output； - 是否納入 agency、self-arrival、subjective welfare； - 如何 normalization； - 如何 aggregation； - 權重由誰決定； - 哪些 metrics 對兩個被比較存在都適用。 本文因此定義 **Comparison Domain**： $$ \boxed{ \mathfrak C = ( \mathcal P, \mathcal S, \mathbf M, \mathbf d, N, \Sigma, F, \Omega ). } $$ 其中： - $\mathcal P$：task / problem family； - $\mathcal S$：被比較 subject / system set； - $\mathbf M=(m_1,\ldots,m_k)$：比較指標； - $\mathbf d$：每個指標的方向與型別； - $N$：normalization / scale contract； - $\Sigma$：scope / cost / instance contract； - $F$：aggregation / ordering rule； - $\Omega$：觀察邊界與證據要求。 對存在 $i$，其 profile： $$ \boxed{ \mathbf x_i^{\mathfrak C} = ( m_1(i),\ldots,m_k(i) ). } $$ 若所有 metrics 已朝「越大越好」定向，定義 Pareto dominance： $$ \boxed{ i\succeq_P j } $$ 若： $$ m_r(i)\ge m_r(j) \qquad \forall r, $$ 且至少一項嚴格較大時為 strict dominance。 第一個核心結果為 **Pareto Crossing Incomparability Proposition**。若存在 $p,q$： $$ m_p(i)>m_p(j), $$ 但： $$ m_q(i) 不可由 dominance 決定勝負。 第二個核心結果為 **Weight-Reversal Theorem**。在 normalized finite metric space 中，若 $i,j$ profile crossing，且 scalar score 採正權重線性 aggregation： $$ S_{\mathbf w}(i) = \sum_{r=1}^k w_r m_r(i), \qquad w_r>0, $$ 則一般可以找到兩組合法正權重： $$ \mathbf w, \mathbf w' $$ 使： $$ \boxed{ S_{\mathbf w}(i) > S_{\mathbf w}(j) } $$ 而： $$ \boxed{ S_{\mathbf w'}(i) < S_{\mathbf w'}(j). } $$ 因此： # **No Weight-Free Total Ranking Corollary** 對 crossing profiles，單靠 profile data 本身不能唯一推出一個線性總排行榜。要把偏序壓成 total order，必須增加： $$ \boxed{ \text{value / aggregation assumptions}. } $$ 所以： > 「誰比較強？」 若沒有權重與 aggregation contract，很多時候不是「答案還沒算出來」，而是： $$ \boxed{ \text{排序公理尚未提供}. } $$ 第三個核心結果為 **Ordinal Aggregation Non-Invariance Proposition**。如果某 metric 只有 ordinal information，則任意 strictly increasing transformation 都保留其 ordinal meaning；但對 ordinal scores 直接做加總，一般不在此 transformation class 下保持排名。因此把純 ordinal ranks 當 cardinal quantities 相加，若沒有額外 measurement structure，可能產生不具 representation-invariant 意義的排行榜。 這與 representational measurement theory 的經典原則一致：數字表徵可以允許特定 transformations，而「有意義的比較」應在允許 transformation 下保持不變。本文不重新發明 measurement theory，而把這個要求引入 heterogeneous-existence comparison。 第四個核心結果為 **Metric Applicability Failure Proposition**。如果 metric $m_r$ 對 subject $i$ 有定義，但對 $j$ 無定義： $$ m_r(i)\in X_r, \qquad m_r(j)=\bot, $$ 則沒有額外 imputation / surrogate / omission rule 時，完整 scalar score： $$ F(m_1,\ldots,m_k) $$ 可能無法對兩者共同評估。 典型例子： - human lived experience； - phenomenal pleasure； - autobiographical self-arrival； 若 AI 是否具有相應 phenomenal state 未被建立，就不能為了「榜單完整」而無聲填入一個任意數值。 第五個結果為 **Scope-Mismatch Proposition**。比較： $$ \text{one human} $$ 與： $$ \text{1000-model fleet} $$ 若未聲明 instance scope，即使數據皆正確，排名仍可能犯 unit mismatch。HEETF-05 已區分 single-instance throughput 與 aggregate replicated throughput；本篇將其提升為 comparison typing rule： $$ \boxed{ \text{same metric name} \not\Rightarrow \text{same comparison unit}. } $$ 本文因此提出八種 **Comparison-Domain Failure Modes**： 1. **Task Mismatch**：比較的其實不是同一 task； 2. **Metric Applicability Failure**：metric 不適用所有 subjects； 3. **Scale Failure**：measurement scale 不允許所採 aggregation； 4. **Scope Mismatch**：single / fleet、marginal / lifecycle 混用； 5. **Pareto Crossing**：多維 profile 互有優劣； 6. **Aggregation Underdetermination**：缺少權重／ordering rule； 7. **Objective Mismatch**：被比較者追求的目標函數不同； 8. **Observer / Policy Mismatch**：public benchmark score 與 subject's lived objective 不同。 既有 multi-criteria decision analysis、many-objective optimization 與 composite-indicator literature 已廣泛研究 weighting、aggregation、robustness、Pareto fronts 與方法選擇。Greco 等人對 composite indices 的 review 特別指出 weighting、aggregation 與 robustness 是 index construction 的核心問題；Cinelli 等人則建立 MCDA methods 的 comprehensive taxonomy；many-objective optimization literature 也長期指出，在 objective 數量增加時，Pareto dominance 可能對大量 solutions 失去足夠 discrimination power。研究評估領域的 *The Metric Tide* 與 Adler–Harzing 對 academic rankings 的批判也提供一個制度性提醒：將複雜表現壓成單一 metric / rank 會產生治理、解釋與激勵問題。 本文不因此宣稱： > 排名沒有用。 相反，本文提出： # **Typed Ranking Principle** 一個排行榜只有在： $$ \boxed{ \mathfrak C } $$ 被清楚聲明時，才是一個可解讀的工程／科學／制度物件。 例如完全可以有： - **Human-only Mathematics** - **Open Mathematics** - **Human × AI Mathematics** - **Autonomous AI Mathematics** 每一個都可以有合法排行榜。 但： $$ \boxed{ \text{rank}_{\mathfrak C_1} } $$ 不應被無聲提升成： $$ \boxed{ \text{rank}_{\mathrm{all\ existence}}. } $$ 本文還提出一個重要的 **Comparison Exit Principle**。若某個體 $i$ 的真實 experiential objective： $$ U_i $$ 與排行榜 score： $$ S_{\mathfrak C} $$ 沒有 order-preserving relation，則： > 「我不參與這個排行榜」 可以是一個理性 domain choice，而不必解釋為： - denial； - cowardice； - inability； - irrationality。 例如一名數學家真正最大化： $$ \boxed{ U_i = V_i^{\mathrm{truth}} + V_i^{\mathrm{self\text{-}arrival}}, } $$ 而 public leaderboard 只最大化： $$ \boxed{ S = \text{proofs per year}. } $$ 那麼： $$ \boxed{ \max S } $$ 本來就不等於： $$ \boxed{ \max U_i. } $$ 他退出「最快產出」排行榜，並不等於否定 proof truth。 同樣，作家可以拒絕與一個可並行生成一萬部小說的 AI fleet 比「每小時總字數」，因為那不是他的創作 objective。 因此本文最終提出： # **Comparison-Domain Adequacy Principle** 只有當比較域： 1. 指標適用； 2. 尺度可用； 3. scope 一致； 4. aggregation 明示； 5. objective 相關； 時，「誰比較強」才是一個足夠完整的問題。 否則合法答案可以不是： $$ A>B $$ 也不是： $$ B>A, $$ 而是： $$ \boxed{ A\parallel_{\mathfrak C}B } $$ 或更直接： $$ \boxed{ \text{comparison-domain failure}. } $$ 這不是拒絕比較。 而是拒絕一個沒有完整型別的比較。 **關鍵詞：** Comparison Domain, Incomparability, Pareto Dominance, Multi-Criteria Decision Analysis, Composite Indicator, Ranking, Measurement Theory, Heterogeneous Intelligence, Benchmarking, Human–AI Comparison --- # 1. 「誰比較強？」其實少了很多字 問： > 人類和 AI，誰比較強？ 這句話至少省略： - 做什麼？ - 哪個 AI？ - 哪個人？ - 單一還是群體？ - 比速度還是品質？ - 算不算成本？ - 算不算體驗？ - 算不算 agency？ - 取平均還是極值？ 所以它不是完整 proposition。 --- # 2. 比較必須 Typed 定義： $$ \boxed{ \mathfrak C = ( \mathcal P, \mathcal S, \mathbf M, \mathbf d, N, \Sigma, F, \Omega ). } $$ --- # 3. Task Family $$ \mathcal P $$ 指定： - theorem proving； - novel writing； - coding； - chess； - diagnosis； - text transcription。 跨 task 的「總強度」需要額外 aggregation。 --- # 4. Subject Set $$ \mathcal S $$ 指定被比的 unit： - one human； - expert human； - population mean； - one model； - one model instance； - fleet； - human–AI team。 --- # 5. Metrics $$ \mathbf M = (m_1,\ldots,m_k). $$ 例如： - correctness； - quality； - latency； - cost； - energy； - throughput； - self-arrival； - autonomy； - reliability。 --- # 6. Metric Direction 不同 metric 方向不同。 例如： - accuracy 越大越好； - latency 越小越好； - cost 越小越好。 所以先由： $$ \mathbf d $$ 轉成統一 orientation。 --- # 7. Normalization $$ N $$ 指定： - min-max； - z-score； - ratio； - raw units； - domain-specific transformation。 不同 normalization 可改變 aggregate score。 --- # 8. Scope Contract $$ \Sigma $$ 至少聲明： - marginal / lifecycle； - raw / validated； - single / fleet； - current / historical； - human review included / excluded。 --- # 9. Aggregator $$ F $$ 可以是： - Pareto partial order； - weighted sum； - lexicographic； - threshold rule； - outranking； - nonlinear utility。 沒有 $F$，通常只有 profile。 --- # 10. Observation Boundary $$ \Omega $$ 指定： - evidence window； - uncertainty； - missing data； - verifier； - confidence。 --- # 11. Performance Profile 對存在 $i$： $$ \boxed{ \mathbf x_i^{\mathfrak C} = ( m_1(i), \ldots, m_k(i) ). } $$ --- # 12. Profile 不是 Ranking 兩個 profiles： $$ \mathbf x_i, \mathbf x_j $$ 可以完全知道， 但仍沒有 total order。 --- # 13. Pareto Dominance 假設所有 metrics 已轉成越大越好。 定義： $$ i\succeq_P j $$ 若： $$ m_r(i)\ge m_r(j) $$ 對所有 $r$。 若至少一項嚴格： $$ i\succ_P j. $$ --- # 14. Pareto Crossing 若： $$ m_p(i)>m_p(j) $$ 但： $$ m_q(i) 數據不夠。 而是： > 在 Pareto rule 下，兩者互有優劣。 所以偏序合法地不給 total ranking。 --- # 17. 最簡單例子 人類 H： $$ ( Q=10, R=2 ). $$ AI A： $$ ( Q=8, R=100 ). $$ 若 $Q$ 是品質、 $R$ 是速度， H 品質高。 A 速度高。 Pareto 下： $$ \boxed{ H\parallel_P A. } $$ --- # 18. 想排第一第二就要加規則 例如： $$ S = w_Q Q + w_R R. $$ 這已經加入 value weights。 --- # 19. Linear Scalarization 定義： $$ \boxed{ S_{\mathbf w}(i) = \sum_{r=1}^k w_r m_r(i) } $$ 其中： $$ w_r>0. $$ --- # 20. Weight-Reversal Theorem ### 定理 20.1 假設 profiles finite 且 crossing： $$ m_p(i)>m_p(j), $$ $$ m_q(i)S_{\mathbf w}(j), $$ 但： $$ S_{\mathbf w'}(i)0, $$ $$ \Delta_q<0. $$ 選擇 $\mathbf w$ 令： $$ w_p=M $$ 且其餘 positive weights 固定為小值 $\epsilon>0$。 因所有 $\Delta_r$ finite，取 $M$ 足夠大，有： $$ \sum_r w_r\Delta_r>0. $$ 所以： $$ S_{\mathbf w}(i)>S_{\mathbf w}(j). $$ 反之，選： $$ w_q=M' $$ 且其餘為 $\epsilon$。 取 $M'$ 足夠大，因： $$ \Delta_q<0, $$ 可得： $$ \sum_r w'_r\Delta_r<0. $$ 因此： $$ S_{\mathbf w'}(i) 品質重要還是速度重要？ 這不是被 metric data 自己回答。 需要： $$ \boxed{ \text{preference / policy / objective}. } $$ --- # 23. 不只 Weighted Sum 其他 aggregation： - lexicographic； - maximin； - threshold； - outranking； 也都加入 additional rule。 所以 total order 從來不是免費生成。 --- # 24. Composite Index Literature composite-indicator research 長期研究： - weighting； - aggregation； - sensitivity； - robustness。 同一 raw indicators 經不同 method，rankings 可能不同。 本文把這個老問題帶入 human–AI comparison。 --- # 25. Metric Scale 也有限制 一個數字： $$ 7 $$ 不一定可以當 cardinal quantity。 有時它只是： > 第 7 名。 --- # 26. Ordinal Scale 若： $$ m $$ 只有 ordinal meaning， 則任何 strictly increasing： $$ g $$ 都保留： $$ m(a)>m(b) \iff g(m(a))>g(m(b)). $$ --- # 27. 但 Sum 可能不保留 例如兩 metrics $m_1,m_2$ 都只是 ordinal。 原 score： $$ S=m_1+m_2. $$ 對某兩對象可有： $$ S(a)>S(b). $$ 對其中一個 metric 做合法 monotonic transformation： $$ g(m_1), $$ 新的： $$ S' = g(m_1)+m_2 $$ 可能反轉 ranking。 --- # 28. Ordinal Aggregation Non-Invariance Proposition ### 命題 28.1 ordinal metrics 的 raw numerical sums 一般不 invariant under admissible strictly monotonic transformations。 ### 證明 取： $$ a=(2,1), $$ $$ b=(1,2). $$ 原本： $$ S(a)=3, $$ $$ S(b)=3. $$ 令： $$ g(x)=x^3. $$ 則： $$ S'(a)=8+1=9, $$ $$ S'(b)=1+2=3. $$ 同樣 ordinal ordering 被保留， 但 aggregate relation 改變。 也可以構造原本 strict ranking 後反轉之例。 故 raw sum 並非 ordinal-invariant。 $$ \boxed{\square} $$ --- # 29. Measurement Theory 的重要邊界 所以： $$ \boxed{ \text{numbers} } $$ 不自動意味： $$ \boxed{ \text{legitimate arithmetic}. } $$ measurement contract 決定哪些 operations meaningful。 --- # 30. Metric Applicability 即使 scale 沒問題， metric 也可能根本不適用。 --- # 31. Undefined Metric 用： $$ \bot $$ 表示未定義。 例如： $$ m_{\mathrm{phen}}(H) = \text{human reported experience}, $$ 但若 AI phenomenal status 未建立： $$ m_{\mathrm{phen}}(A) = \bot. $$ --- # 32. Metric Applicability Failure Proposition 若 aggregation： $$ F $$ 要求所有 $k$ metrics， 但： $$ m_r(j)=\bot, $$ 則沒有額外 missing-data rule 時： $$ \boxed{ F(\mathbf x_j) } $$ 未定義。 --- # 33. 不能為了排行榜完整就偷偷填 0 因為： $$ \boxed{ \text{unknown} \neq 0. } $$ 這和 SEHTS 的 unknown-preservation 精神一致。 --- # 34. Omission 也不是中性的 如果直接刪掉 metric， comparison domain 已改變： $$ \mathfrak C \rightarrow \mathfrak C'. $$ 排名可能因此改變。 --- # 35. Surrogate 也要聲明 例如用： - self-report； - behavior； - physiological proxy； 替代 lived experience， 必須明示： $$ \boxed{ \text{proxy} \neq \text{target identity}. } $$ --- # 36. Scope Mismatch HEETF-05 已證明： $$ R^{(1)} \neq R^{(n)}. $$ 所以： > 一個作家 vs 一千個 AI replicas 不能假裝是同一 instance unit。 --- # 37. Scope-Mismatch Proposition 若 metric： $$ m $$ 對 $i$ 測 single-instance， 對 $j$ 測 aggregate-fleet， 則： $$ m(i),m(j) $$ 雖同名，仍不是同 scope quantity。 --- # 38. Marginal / Lifecycle 也一樣 HEETF-04： $$ C^{\mathrm{marg}} \neq C^{\mathrm{life}}. $$ 所以： > 人類算十年教育，AI 只算 inference 是一個 scope mismatch。 反過來也一樣。 --- # 39. Raw / Validated 也一樣 HEETF-05： $$ R^{\mathrm{raw}} \neq R^{\mathrm{valid}}. $$ 不能： - AI 算 raw token； - 人類算出版作品； 然後叫同一 throughput。 --- # 40. Objective Mismatch 有時 metrics 都可測， 但兩個 subject 根本不追求相同 objective。 --- # 41. 數學家 A $$ \boxed{ U_A = V^{\mathrm{truth}}. } $$ 越快解 theorem 越好。 --- # 42. 數學家 B $$ \boxed{ U_B = V^{\mathrm{truth}} + V^{\mathrm{self\text{-}arrival}}. } $$ 他還想自己抵達。 --- # 43. 同一排行榜不能自動代表兩者 如果榜單： $$ S = \text{proofs/year}, $$ 可能高度代表： $$ U_A $$ 卻不代表： $$ U_B. $$ --- # 44. Score–Utility Alignment 定義： $$ S_{\mathfrak C} $$ 為 public comparison score。 若對 subject $i$： $$ S_{\mathfrak C}(a) > S_{\mathfrak C}(b) $$ 總能推出： $$ U_i(a) \ge U_i(b), $$ 稱 score 對 $i$ 至少 order-compatible。 --- # 45. Misalignment 若存在： $$ a,b $$ 使： $$ S_{\mathfrak C}(a) > S_{\mathfrak C}(b), $$ 但： $$ U_i(a) < U_i(b), $$ 則： $$ \boxed{ \text{leaderboard improvement} } $$ 不等於： $$ \boxed{ \text{subject welfare improvement}. } $$ --- # 46. Comparison Exit Principle 若 leaderboard score 與 subject objective 明顯 misaligned， 則： > 我不參加這個比較。 可以是理性 choice。 --- # 47. 這不是「輸不起」 當然有些退出可能真的來自 self-protection。 但 framework 不允許從： $$ \boxed{ \text{exit} } $$ 直接推出： $$ \boxed{ \text{cowardice}. } $$ 因為比較域可能真的和 objective 無關。 --- # 48. 最簡單例子：挖土機 人不會跟挖土機比： $$ \boxed{ \text{土方量 / hour}. } $$ 然後因輸掉而 identity collapse。 因為： $$ \boxed{ \text{comparison class 已分離}. } $$ --- # 49. AI 的衝擊在於它進入 identity domains AI 不只挖土。 它開始： - 寫； - 畫； - 算； - 證； - 設計； - coding。 這些領域本來就是 human identity leaderboard。 --- # 50. 所以比較域重建成為制度問題 未來可以分： # Human-Only Domain $$ \mathfrak C_H. $$ # Open Domain $$ \mathfrak C_O. $$ # Human × AI Domain $$ \mathfrak C_{HA}. $$ # Autonomous AI Domain $$ \mathfrak C_A. $$ --- # 51. 同一成果可以進不同 Ranking 一個 proof 可以在： $$ \mathfrak C_O $$ 算 public mathematical achievement。 但不一定在： $$ \mathfrak C_H $$ 算 human-only competition achievement。 完全不矛盾。 --- # 52. Public Truth 與 Competition Rule 分開 $$ \boxed{ \text{truth status} \neq \text{competition eligibility}. } $$ 這也接 SEHTS-05 的 semantic / policy separation。 --- # 53. Ranking Domain Lift 是危險操作 若： $$ i \succ_{\mathfrak C_1} j, $$ 不推出： $$ \boxed{ i \succ_{\mathfrak C_2} j. } $$ 更不推出： $$ \boxed{ i > j \text{ as existences}. } $$ --- # 54. Domain-Lift Invalidity Proposition 若： $$ F_1 \neq F_2 $$ 或 metrics / scopes 不同， 則 $\mathfrak C_1$ 中的 ranking relation 一般不保證在 $\mathfrak C_2$ 保持。 --- # 55. 「最強 AI」也是 Typed 至少要說： - coding； - reasoning； - latency； - price； - context； - tool use； - reliability； - safety。 不同榜單可以有不同 winner。 --- # 56. 「最強人類」更荒謬 一個世界冠軍棋手： 不等於： - 最強小說家； - 最強外科醫師； - 最快短跑者。 大家本來就知道 domain typing。 AI 只是讓我們忘記這個常識。 --- # 57. 多 objective 越多，Pareto discrimination 越弱 many-objective optimization literature 長期指出： 當 objective 維度增加， 大量 solutions 可能互不 dominance。 這不是 bug。 而是： $$ \boxed{ \text{high-dimensional tradeoff structure}. } $$ --- # 58. 所以「更多 metrics」不一定產生更清楚排名 反而可能： $$ \boxed{ \text{comparability} \downarrow. } $$ --- # 59. 強行產生總排行需要更強 value assumptions 例如： $$ \boxed{ \mathbf w. } $$ metrics 越多， 權重政治／價值問題越重要。 --- # 60. Composite Index Robustness 如果小幅： - weight changes； - normalization changes； - missing-data policy changes； 就造成巨大 rank reversal， 榜單應揭露： $$ \boxed{ \text{ranking fragility}. } $$ --- # 61. Ranking Robustness Set 可定義 admissible contracts： $$ \mathcal F. $$ 對兩存在： $$ i,j, $$ 若： $$ i\succ_F j $$ 對所有： $$ F\in\mathcal F, $$ 才稱 robust dominance over contract family。 --- # 62. Contract-Robust Ranking 定義： $$ \boxed{ i \succ_{\mathrm{rob}} j } $$ 若在所有 admissible comparison contracts 下： $$ i \succ j. $$ 這是一個比單一排行榜更強的 claim。 --- # 63. 如果 ranking 隨權重一直翻轉？ 那真正結果就是： $$ \boxed{ \text{tradeoff-sensitive}. } $$ 而不是硬挑一個永久 winner。 --- # 64. 公開排行榜應該披露什麼？ 至少： - task set； - metric definitions； - scale； - normalization； - weights； - scope； - missing-data handling； - variance； - uncertainty； - rank sensitivity。 --- # 65. The Metric Tide 的制度提醒 research assessment literature 已經反覆提醒： metrics 可以幫助評估， 但不應讓單一數字無聲取代複雜 judgment。 本文把相同原則用到 heterogeneous intelligences。 --- # 66. Ranking 不是 Reality 排行榜是： $$ \boxed{ \text{a projection of a declared domain}. } $$ 不是存在本身。 --- # 67. Comparison Domain Failure Modes 本文正式定義八類： ## CDF-1 Task Mismatch 不同 task。 ## CDF-2 Metric Applicability Failure metric 對部分 subject 無定義。 ## CDF-3 Scale Failure 不允許該 arithmetic / aggregation。 ## CDF-4 Scope Mismatch single / fleet、marginal / lifecycle 混用。 ## CDF-5 Pareto Crossing 互有優劣。 ## CDF-6 Aggregation Underdetermination 缺少排序 rule / weights。 ## CDF-7 Objective Mismatch leaderboard objective 與 subject objective 不同。 ## CDF-8 Observer / Policy Mismatch public score 被誤當完整 lived / normative ranking。 --- # 68. Comparison-Domain Adequacy 定義： $$ \boxed{ \operatorname{Adeq}(\mathfrak C;i,j) } $$ 若至少滿足： 1. shared task reference； 2. applicable metrics； 3. legitimate scale operations； 4. matched scopes； 5. explicit aggregation； 6. relevant objective； 7. evidence sufficient。 --- # 69. Comparison-Domain Failure 若： $$ \operatorname{Adeq}=0, $$ 則： $$ \boxed{ i>j } $$ 不是一個 adequately supported comparison claim。 --- # 70. 合法輸出可以是 Incomparable $$ \boxed{ i\parallel_{\mathfrak C}j. } $$ 這不是失敗的資料分析。 有時這才是正確結果。 --- # 71. 合法輸出也可以是「Domain Undefined」 如果 metrics 根本不共用： $$ \boxed{ \mathfrak C \text{ undefined for }(i,j). } $$ 比硬補數字更誠實。 --- # 72. 這對 AI／人類尤其重要 因為： - human lived experience； - AI throughput； - human authorship； - machine replication； - biological fatigue； 不是天然對稱 metrics。 --- # 73. Cross-Substrate Ranking Contract 若真的要比較， 至少要明示哪些 axes 被保留： $$ \boxed{ \text{correctness} + \text{latency} + \text{cost} } $$ 而不是偷偷說： > 這就是整體智能。 --- # 74. Intelligence 本身可能就是 Vector 可以先寫： $$ \boxed{ \mathbf I_i = ( I_{\mathrm{reason}}, I_{\mathrm{memory}}, I_{\mathrm{learning}}, I_{\mathrm{planning}}, I_{\mathrm{social}}, I_{\mathrm{embodied}}, \ldots ). } $$ 是否能壓成： $$ I_i\in\mathbb R $$ 是額外問題。 --- # 75. 不做 Universal Intelligence Scalar 本文不提出： $$ \boxed{ I^\ast } $$ 作為 universal intelligence score。 因為那正好會重犯本篇警告。 --- # 76. Human Preference 不是 Benchmark Error 如果一個人說： > 我不要跟 AI 比。 可能只是： $$ \boxed{ \mathfrak C_{\mathrm{AI}} \notin \text{his objective domain}. } $$ --- # 77. 但也不能拿 Personal Preference 否定 Open Benchmark 反過來： > 我不想比，所以這個 AI benchmark 無效。 也錯。 只要： $$ \mathfrak C $$ 清楚， benchmark 可以完全合法。 --- # 78. Domain Pluralism 所以未來最合理不是只有一個榜單， 而是： $$ \boxed{ \{ \mathfrak C_1, \ldots, \mathfrak C_n \}. } $$ 多個清楚 typed comparison domains。 --- # 79. 比較域本身也是制度設計 誰決定： - metric； - weights； - eligibility； - scope； 就是在決定： $$ \boxed{ \text{what counts as winning}. } $$ 這不是純數據問題。 --- # 80. 新穎性邊界 本文不宣稱首次提出： - Pareto dominance； - multicriteria decision analysis； - multiattribute utility； - incomparability； - composite indices； - measurement theory； - rank sensitivity； - academic ranking criticism。 本文提出的是 HEETF 系列中的組合框架： 1. Comparison Domain $\mathfrak C$ ； 2. heterogeneous subject profile； 3. Pareto Crossing Incomparability； 4. Weight-Reversal Theorem； 5. No Weight-Free Total Ranking； 6. Metric Applicability Failure； 7. Scope-Mismatch typing； 8. Comparison Exit Principle； 9. eight Comparison-Domain Failure modes； 10. Comparison-Domain Adequacy contract。 --- # 81. 本文不證明什麼？ 本文不證明： $$ \boxed{ \text{所有人與 AI 都不可比較}. } $$ 不證明： $$ \boxed{ \text{排行榜沒有價值}. } $$ 不證明： $$ \boxed{ \text{所有 weighting 都任意}. } $$ 不證明： $$ \boxed{ \text{任何跨載體比較都不合法}. } $$ 也不證明： $$ \boxed{ \text{退出比較一定理性}. } $$ --- # 82. 真正的命題 本文只要求： > **比較關係必須 typed。** 如果你聲明： $$ \mathfrak C, $$ 就可以合法說： $$ A \succ_{\mathfrak C} B. $$ 但不要把它偷換成： $$ \boxed{ A>B \text{ in every meaningful sense}. } $$ --- # 83. 最終原則一 # **No Domain, No Ranking** $$ \boxed{ \neg\mathfrak C \Rightarrow \neg\text{well-typed total ranking}. } $$ --- # 84. 最終原則二 # **Crossing Profiles Need Values** $$ \boxed{ \text{Pareto crossing} \Rightarrow \text{total ranking requires extra aggregation assumptions}. } $$ --- # 85. 最終原則三 # **Unknown Is Not Zero** $$ \boxed{ m(i)=\bot \neq 0. } $$ --- # 86. 最終原則四 # **Leaderboard Rank Is Domain-Local** $$ \boxed{ i\succ_{\mathfrak C_1}j \not\Rightarrow i\succ_{\mathfrak C_2}j. } $$ --- # 87. 最終原則五 # **Comparison Exit Can Be Legitimate** 如果： $$ S_{\mathfrak C} $$ 不表示： $$ U_i, $$ 那不最佳化榜單不必是 irrational。 --- # 88. 結論 前五篇一路推到這裡： HEETF-01： $$ \boxed{ \text{technology progress} \neq \text{individual welfare progress}. } $$ HEETF-02： $$ \boxed{ \text{same world} \neq \text{same lived world}. } $$ HEETF-03： $$ \boxed{ \text{same outcome} \neq \text{same path / experience}. } $$ HEETF-04： $$ \boxed{ \text{same task} \neq \text{same cost function}. } $$ HEETF-05： $$ \boxed{ \text{same semantic task} \neq \text{same carrier topology}. } $$ 到了本篇： $$ \boxed{ \text{different experiences} + \text{different paths} + \text{different costs} + \text{different carriers} } $$ 不可能自動產生： $$ \boxed{ \text{one natural leaderboard}. } $$ 要排名， 你必須另外指定： $$ \boxed{ \mathfrak C. } $$ 如果只比較： > 同一 theorem 的 correctness， 人與 AI 可以非常清楚地比較。 如果比： > proof throughput， 也可以。 如果比： > lifecycle energy cost， 仍然可以。 但如果問： > 「人類和 AI 到底誰比較強？」 卻沒有任何 domain， 那問題缺少的不是更多 benchmark。 而是： $$ \boxed{ \text{comparison semantics}. } $$ 而且當 profiles crossing 時， 即使所有數據都已經知道， 仍然可能只有： $$ \boxed{ H\parallel_P A. } $$ 要把它改成： $$ H>A $$ 或： $$ A>H, $$ 就必須加上： - weights； - values； - policy； - objective。 這不是作弊。 這本來就是 ranking formation 的一部分。 真正需要避免的只是： > **把自己加入的 value assumptions 偽裝成數據自己說的。** 因此： > 「我不要跟 AI 比。」 有時候可能是逃避。 但有時候也只是非常精確地說： $$ \boxed{ \text{這不是我要參加的 comparison domain}. } $$ 就像人不需要因挖土機一小時挖得比自己一生多，就重新評估自己作為人的價值。 AI 真正特殊的是： 它開始進入人類原本最常拿來建立 identity 的領域。 所以未來不是停止比較。 而是學會： # **把比較放回正確的域。** 這就是 HEETF-06 的核心。 --- # 參考文獻 [1] Keeney, R. L., & Raiffa, H. (1976). *Decisions with Multiple Objectives: Preferences and Value Tradeoffs*. Wiley. [2] Krantz, D. H., Luce, R. D., Suppes, P., & Tversky, A. (1971). *Foundations of Measurement, Volume I: Additive and Polynomial Representations*. Academic Press. [3] Roberts, F. S. (1979). *Measurement Theory with Applications to Decisionmaking, Utility, and the Social Sciences*. Addison-Wesley. [4] Greco, S., Ishizaka, A., Tasiou, M., & Torrisi, G. (2019). On the Methodological Framework of Composite Indices: A Review of the Issues of Weighting, Aggregation, and Robustness. *Social Indicators Research*, 141, 61–94. DOI: 10.1007/s11205-017-1832-9. [5] Cinelli, M., Kadziński, M., Gonzalez, M., & Słowiński, R. (2020). How to support the application of multiple criteria decision analysis? Let us start with a comprehensive taxonomy. *Omega*, 96, 102261. DOI: 10.1016/j.omega.2020.102261. [6] Li, B., Li, J., Tang, K., & Yao, X. (2015). Many-Objective Evolutionary Algorithms: A Survey. *ACM Computing Surveys*, 48(1), Article 13. DOI: 10.1145/2792984. [7] Vamplew, P., Dazeley, R., Berry, A., Issabekov, R., & Dekker, E. (2011). Empirical evaluation methods for multiobjective reinforcement learning algorithms. *Machine Learning*, 84, 51–80. DOI: 10.1007/s10994-010-5232-5. [8] Wilsdon, J., Allen, L., Belfiore, E., et al. (2015). *The Metric Tide: Report of the Independent Review of the Role of Metrics in Research Assessment and Management*. HEFCE. [9] Adler, N. J., & Harzing, A.-W. (2009). When Knowledge Wins: Transcending the Sense and Nonsense of Academic Rankings. *Academy of Management Learning & Education*, 8(1), 72–95. [10] Greco, S., Ehrgott, M., & Figueira, J. R. (Eds.). (2016). *Multiple Criteria Decision Analysis: State of the Art Surveys*, 2nd ed. Springer. --- # Appendix A. Comparison-Domain Schema ```text comparison_domain: task_family: subject_set: metrics: metric_direction: normalization: scope_contract: aggregator: observation_boundary: subject_profile: subject_id: values: missing_metrics: ``` # Appendix B. Comparison-Domain Failure Codes ```text CDF-1: TASK_MISMATCH CDF-2: METRIC_APPLICABILITY_FAILURE CDF-3: SCALE_FAILURE CDF-4: SCOPE_MISMATCH CDF-5: PARETO_CROSSING CDF-6: AGGREGATION_UNDERDETERMINATION CDF-7: OBJECTIVE_MISMATCH CDF-8: OBSERVER_POLICY_MISMATCH ``` # Appendix C. Ranking Output Types ```text DOMINATES DOMINATED_BY PARETO_INCOMPARABLE ROBUSTLY_DOMINATES TRADEOFF_SENSITIVE DOMAIN_UNDEFINED INSUFFICIENT_EVIDENCE ``` # Appendix D. Minimal Ranking Disclosure ```text TASK: SUBJECT_UNIT: METRICS: SCALES: NORMALIZATION: SCOPE: WEIGHTS_OR_ORDER_RULE: MISSING_DATA_POLICY: UNCERTAINTY: ROBUSTNESS_ANALYSIS: ``` # Appendix E. Bridge to HEETF-07 ```text HEETF-06: there is no natural universal leaderboard therefore: subject need not optimize civilization's dominant comparison score HEETF-07: chosen technological environment experiential technological fit right to chosen technological epoch virtual epistemic sovereignty ```