# TADC-05：從單點超專注到拓樸超專注——域級持續性、內部高熵遍歷與可控退出 **英文題名：** From Pointwise Hyperfocus to Topological Hyperfocus: Domain Persistence, High-Entropy Internal Traversal, and Controllable Exit **系列：** Topological Attention and Dynamic Cognitive Domains — Conjecture Series（TADC） **中文系列名：** 拓樸注意力與動態認知域命題系列 **編號：** TADC-05 **版本：** v0.1 **日期：** 2026-08-17 **作者：** Neo.K（許筌崴） **協作：** GPT-5.6 Sol **文件性質：** 理論命題／注意力狀態模型／可證偽研究綱領 **文獻檢索截點：** 2026-08-17 --- ## 摘要 Hyperfocus 通常被描述為一種強烈、深度、持久，且常帶有狹窄化特徵的注意狀態。近年量表與實證研究已使 hyperfocus 從日常語言逐漸成為可操作測量的心理構念；同時，研究也顯示它與 ADHD traits、executive-function difficulties、cognitive-affective flexibility、emotion reactivity、flow、gaming motivation 與 burnout 等變項具有複雜關聯。 本文不提出新的臨床診斷，也不主張現有 hyperfocus 定義錯誤，而提出一個上位形式問題： > **長時間高度專注是否一定意味著「長時間停留在單一認知點」？** 在 TADC-01 至 TADC-04 的動態認知空間、多尺度認知域、六算子與 object–domain duality 基礎上，本文提出三個互相包含但可分離的 hyperfocus 模型： 1. **Pointwise Hyperfocus（PHF）**：注意概率長時間集中於單一 object / task state； 2. **Domain Hyperfocus（DHF）**：注意長時間留在同一有效認知域，但域內可以存在高頻 switching； 3. **Topological Hyperfocus（THF）**：注意軌跡長期留在一個保持功能連續性的動態認知複體中，即使該複體本身持續 Expansion、Contraction、Traversal、Gluing、Detachment 與 Re-indexing。 本文提出： $$ \boxed{ \text{high focus intensity} \not\Rightarrow \text{low internal mobility}. } $$ 以及更強的： $$ \boxed{ \text{domain persistence} + \text{high intra-domain entropy} } $$ 可以共同存在。 為使「拓樸超專注」不是修辭，本文定義 domain-retention ratio、exit hazard、intra-domain transition rate、conditional entropy、goal continuity、connected-component persistence、re-indexing rate、voluntary exit controllability 與 cost load 等可測指標。本文並將 productive persistence 與 maladaptive lock-in 分開：高輸出、高投入或長時間工作本身都不足以證明健康、適應性或可控性。 本文進一步提出 **Topic Rotation as Focus Maintenance Conjecture（TRFMC）**：在部分認知型態中，低成本的域內切換可能不是專注的中斷，反而是維持高階目標長期投入的一種調節機制。其最小條件為： $$ \nu_{\mathrm{intra}}\uparrow $$ 不導致： $$ P_{\mathrm{domain}}\downarrow, $$ 並且在適當範圍內可能延長： $$ T_{\mathrm{domain}}. $$ 本文建立 point-lock、flow-only、reward-only、executive-dyscontrol、random-switching 與 ordinary task-switching 等競爭模型，並提出 long-horizon behavioral logging、semantic transition graph、forced-stability、forced-switch、exit-control、re-entry 與 multi-resolution experiments。 本文的核心並非將所有長時間投入重新命名為 topological hyperfocus，而是提出一個可被資料否定的區分： $$ \boxed{ \text{focus on a point} \neq \text{persistence within a dynamically evolving connected domain}. } $$ **關鍵詞：** hyperfocus；attention；domain persistence；topological attention；task switching；cognitive flexibility；attention entropy；flow；ADHD；multiscale cognition；TADC --- # 0. 邊界聲明 本文不是臨床研究、診斷工具、治療建議或 ADHD 新診斷標準。 本文不主張： $$ \boxed{ \text{hyperfocus is unique to ADHD}. } $$ 也不主張： $$ \boxed{ \text{hyperfocus is inherently beneficial}. } $$ 或： $$ \boxed{ \text{hyperfocus is inherently pathological}. } $$ 本文提出的是一般性認知架構猜想。 ADHD 只是現有 hyperfocus literature 中的重要研究情境之一。 此外，「Topological Hyperfocus」是本文提出的理論術語，**不是現有正式臨床術語**。 --- # 1. 現有 hyperfocus 研究已經到哪裡？ Hupfeld、Abagis 與 Shah（2019）以 Adult Hyperfocus Questionnaire 系統性研究成人 hyperfocus，並發現較高 ADHD symptomology 與較高 hyperfocus frequency 相關。 2024 年 Hupfeld 等人進一步驗證 12-item Dispositional Adult Hyperfocus Questionnaire（AHQ-D）。該研究： - \(n=347\)； - AHQ-D 呈現單一主要 hyperfocus factor； - Cronbach's \(\alpha=0.93\)； - AHQ-D 與 ADHD trait measure 呈正相關； - 與 flow 亦有正相關，但幅度較弱； - 與 mind wandering 也存在正相關。 這代表 hyperfocus 已經具有可量化的心理計量工具。 但目前量表仍主要從： $$ \boxed{ \text{intense / deep / prolonged task concentration} } $$ 出發。 TADC-05 要問的是： > 如果「task」本身其實只是 coarse-grained domain object，量表可能把哪些內部動態壓掉？ --- # 2. Hyperfocus 並不只是「注意力比較多」 Pimenta 等人（2024）在 380 名大學生中發現： - ADHD symptom severity 與 hyperfocus frequency 正相關； - executive-function difficulties 與 hyperfocus 正相關； - EF difficulties 部分中介 ADHD symptoms 與 hyperfocus 的關聯。 這表示： $$ \boxed{ \text{hyperfocus} \neq \text{simple high attention capacity}. } $$ 至少在該樣本中，hyperfocus 也和 attention regulation / executive control difficulties 有關。 但該研究為 self-report、非臨床大學生樣本，不能證明單一因果機制。 --- # 3. 2026 年結果讓「靜態 hyperfocus」模型更不夠 Samson 等人（2026）比較： $$ N=48 $$ 成人 ADHD 與： $$ N=48 $$ controls， 研究 cognitive-affective switching、emotion reactivity 與 hyperfocus。 其結果顯示： - ADHD group 從 cognitive 切換到 affective stimuli 較慢； - ADHD group 內，較快從 affective 切回 cognitive content 與較高 emotion reactivity 相關； - emotion reactivity 在特定 switching index 與 dispositional hyperfocus 關係中呈現 mediation。 這些結果不證明 TADC。 但它至少提醒： $$ \boxed{ \text{hyperfocus may coexist with nontrivial switching dynamics}. } $$ 所以只用： $$ \text{focus intensity} $$ 單一維度描述可能過度簡化。 --- # 4. Hyperfocus 與 Flow 不能直接等同 2024 AHQ-D validation 中： $$ r_{\mathrm{HF,flow}} \approx0.12, $$ 呈弱正相關。 2026 adult gaming 研究也特別將： $$ \text{hyperfocus} $$ 與： $$ \text{flow} $$ 分開處理，並研究其對 burnout、self-efficacy、escapism 等不同 outcome / predictor patterns。 因此： $$ \boxed{ \text{Hyperfocus} \neq \text{Flow} } $$ 至少不能視為已證明同一構念。 TADC-05 也不以 flow 作為 THF 的同義詞。 --- # 5. 最簡單的 hyperfocus 模型 令注意狀態： $$ x_t\in X. $$ 若存在： $$ x^* $$ 使長時間： $$ P(x_t=x^*)\rightarrow1, $$ 則可定義： $$ \boxed{ \text{Pointwise Hyperfocus（PHF）}. } $$ 它的直覺是： > 一個人長時間停在同一個 task / object。 這是最接近一般 hyperfocus 語言的形式。 --- # 6. Pointwise Hyperfocus 指標 定義： $$ L_x(T) = \frac{1}{T} \int_0^T \mathbf 1[x_t=x^*] \,dt. $$ 若： $$ L_x(T)\geq\theta_P, $$ 且： $$ T\geq T_{\min}, $$ 則候選 PHF。 也可以定義 point-exit hazard： $$ h_x(t) = P( x_{t+\Delta}\neq x^* \mid x_t=x^* ). $$ PHF 預測： $$ h_x\downarrow. $$ --- # 7. 但「task」可能不是一個點 TADC-04 已提出： $$ U^{(\lambda_f)} \leftrightarrow z_U^{(\lambda_c)}. $$ 在 coarse scale： $$ z_U $$ 看起來是一個 task。 但 fine scale： $$ U = \{x_1,x_2,\ldots,x_n\} $$ 可能是一個大型 relational domain。 因此一個 participant 報告： > 我連續六小時都在做同一件事。 可能有至少兩種內部型態。 --- # 8. 型態 A：真正 point-lock $$ x_1 \rightarrow x_1 \rightarrow x_1 \rightarrow x_1. $$ 域內 mobility： $$ \nu_{\mathrm{intra}}\approx0. $$ --- # 9. 型態 B：domain persistence $$ x_1 \rightarrow x_7 \rightarrow x_3 \rightarrow x_{15} \rightarrow x_8 \rightarrow\cdots $$ 但： $$ \forall i,\quad x_i\in U^*. $$ 在 coarse scale： $$ P(U^*)\rightarrow1. $$ 因此： $$ \boxed{ \text{high internal switching} } $$ 與： $$ \boxed{ \text{high domain persistence} } $$ 可以同時成立。 --- # 10. Domain Hyperfocus（DHF） 定義一個有效 domain： $$ U^*\subseteq X. $$ domain-retention ratio： $$ L_U(T) = \frac{1}{T} \int_0^T \mathbf 1[x_t\in U^*] \,dt. $$ 若： $$ L_U(T)\geq\theta_D, $$ 且： $$ T\geq T_{\min}, $$ 則為候選： $$ \boxed{ \text{Domain Hyperfocus（DHF）}. } $$ --- # 11. DHF 不要求域內低 entropy 域內狀態分布： $$ p_i = P( x_t=x_i \mid x_t\in U^* ). $$ 定義 conditional entropy： $$ H_{\mathrm{intra}} = -\sum_i p_i\log p_i. $$ PHF 通常預期： $$ H_{\mathrm{intra}}\downarrow. $$ 但 DHF 可以： $$ H_{\mathrm{intra}}\uparrow. $$ 所以： $$ \boxed{ L_U\uparrow \quad\land\quad H_{\mathrm{intra}}\uparrow } $$ 並不矛盾。 --- # 12. 域內切換率 定義： $$ \nu_{\mathrm{intra}} = \frac{ N( x_t\rightarrow x_{t+1}; x_t,x_{t+1}\in U^* ) }{ T_U }. $$ domain exit rate： $$ \nu_{\mathrm{exit}} = \frac{ N( x_t\in U^*, x_{t+1}\notin U^* ) }{ T_U }. $$ 因此最關鍵的可區分類型是： ### Point Lock $$ \nu_{\mathrm{intra}}\downarrow, \qquad \nu_{\mathrm{exit}}\downarrow. $$ ### Domain Hyperfocus $$ \nu_{\mathrm{intra}}\uparrow \quad\text{or moderate}, $$ $$ \nu_{\mathrm{exit}}\downarrow. $$ ### Distractible Switching $$ \nu_{\mathrm{intra}}\uparrow, \qquad \nu_{\mathrm{exit}}\uparrow. $$ 這三者不應混在一起。 --- # 13. Macro Persistence / Micro Mobility 若 coarse-scale domain variable： $$ D_t = P_{\lambda_f\rightarrow\lambda_c}(x_t), $$ 則可以同時： $$ H(D_t)\downarrow $$ 與： $$ H(x_t\mid D_t)\uparrow. $$ 也就是： $$ \boxed{ H_{\mathrm{macro}}\downarrow \quad\land\quad H_{\mathrm{micro}}\uparrow. } $$ 中文： > **宏觀高度集中，域內高度展開。** 這是 TADC-05 的核心 signature 之一。 --- # 14. Topological Hyperfocus（THF） Domain Hyperfocus 仍假定： $$ U^* $$ 大致固定。 但 TADC-01 至 TADC-03 已允許： $$ U_t \rightarrow U_{t+1}. $$ 如果一個人長期投入某一認知複體， 而該複體自身持續： $$ E, C, G, D, R, T, $$ 則固定 domain 也不夠。 因此定義： $$ \boxed{ \text{Topological Hyperfocus（THF）}. } $$ --- # 15. THF 的最小直覺 不是： $$ x_t=x^* $$ 長期成立。 也不必要求： $$ U_t=U^* $$ 長期固定。 而是存在一條 evolving domain sequence： $$ U_0,U_1,\ldots,U_T $$ 使： 1. attention trajectory 長期位於： $$ x_t\in U_t; $$ 2. \(U_t\) 與 \(U_{t+1}\) 具有可追蹤結構連續性； 3. 高階 goal / invariant 保持； 4. exit probability 長期低； 5. domain 內允許大量局部 transition 與 re-indexing。 --- # 16. Connected Cognitive Complex 定義時間 \(t\) 的： $$ \mathcal K_t = ( U_t, \mathcal R_t, \kappa_t ). $$ 若： $$ \mathcal K_t $$ 隨時間改變， 但存在一組 correspondence： $$ M_t: \mathcal K_t \rightsquigarrow \mathcal K_{t+1} $$ 保留關鍵功能關係， 則稱： $$ \{ \mathcal K_t \}_{t=0}^T $$ 為一條 candidate connected cognitive complex trajectory。 THF 的鎖定對象不是單一： $$ x, $$ 而是： $$ \boxed{ \{\mathcal K_t\}_{0:T}. } $$ --- # 17. 結構連續性 定義： $$ S_t = S( \mathcal K_t, \mathcal K_{t+1} ). $$ 候選可以由： - node overlap； - relational overlap； - goal identity； - bridge preservation； - invariant preservation； 構成。 例如： $$ S_t = \alpha J_X + \beta J_R + \gamma I_G + \delta I_{\mathrm{inv}}. $$ 若： $$ S_t\geq\theta_S $$ 長期成立， 則即使： $$ U_t\neq U_{t+1}, $$ 仍可以說 trajectory 沒有完全離開原 cognitive complex。 --- # 18. THF 的候選形式 定義： $$ \Theta_{\mathrm{THF}} = ( L_K, \nu_{\mathrm{intra}}, H_{\mathrm{intra}}, \nu_R, h_{\mathrm{exit}}, S, G_C, E_C ). $$ 其中： - \(L_K\)：complex retention； - \(\nu_{\mathrm{intra}}\)：域內切換率； - \(H_{\mathrm{intra}}\)：域內熵； - \(\nu_R\)：re-indexing rate； - \(h_{\mathrm{exit}}\)：domain exit hazard； - \(S\)：structural continuity； - \(G_C\)：goal continuity； - \(E_C\)：exit controllability。 因此 hyperfocus 不再是一個單一 scalar。 --- # 19. Goal Continuity 定義高階 goal： $$ G_t. $$ 如果： $$ G_t $$ 具有語義／功能連續性： $$ \operatorname{Sim}(G_t,G_{t+1})\geq\theta_G, $$ 則： $$ G_C = \frac1T \sum_t \operatorname{Sim} ( G_t,G_{t+1} ). $$ THF 強版本要求： $$ G_C\uparrow. $$ 否則「一直換題」可能只是 random wandering。 --- # 20. Switching 不能只算次數 假設： $$ x_i\rightarrow x_j. $$ 至少要問： ### Semantic distance $$ d_S(x_i,x_j). $$ ### Causal distance $$ d_C(x_i,x_j). $$ ### Goal distance $$ d_G(x_i,x_j). $$ ### Domain-exit status $$ I_{\mathrm{exit}}. $$ 因此： $$ \boxed{ \text{switch count alone is insufficient}. } $$ --- # 21. 三種 switching ## Distractor Switching $$ x_i\in U_G \rightarrow y\notin U_G, $$ 且： $$ \rho(y,G)\approx0. $$ --- ## Exploratory Switching $$ x_i\rightarrow x_j, $$ $$ x_i,x_j\in U_G, $$ 並增加： $$ \operatorname{Reach}^{(k)}. $$ --- ## Regulatory Switching 當局部 engagement： $$ E_i(t) $$ 下降， 主體切到： $$ x_j\in U_G $$ 以維持整體 domain engagement。 第三種正是本文最有風險的新命題。 --- # 22. Topic Rotation as Focus Maintenance Conjecture（TRFMC） 假設每個局部 topic： $$ T_i $$ 具有 engagement： $$ e_i(t). $$ 若持續停留： $$ e_i(t) = e_{i,0} e^{-\lambda_i t}. $$ 當： $$ e_i(t)<\theta, $$ 切到同域內： $$ T_j $$ 使： $$ e_j(0)>\theta. $$ 若如此循環： $$ T_1\rightarrow T_2\rightarrow T_3\rightarrow T_1, $$ 整體 domain engagement： $$ E_U(t) = \max_i e_i(t) $$ 可能長期： $$ E_U(t)>\theta. $$ 因此： $$ \boxed{ \text{micro-switching} \rightarrow \text{macro-focus maintenance} } $$ 在部分條件可能成立。 --- # 23. TRFMC 的必要條件 不能只看到 switching 就宣稱 regulatory rotation。 至少需要： 1. switches mostly remain within same coherent domain； 2. switching 發生在 local engagement decline 後； 3. switching 後 domain-level engagement 恢復； 4. forced no-switch condition 反而縮短 domain dwell； 5. switching 不顯著降低 goal completion。 形式： $$ \nu_{\mathrm{intra}}\uparrow $$ 同時： $$ T_U\uparrow $$ 或至少： $$ T_U\not\downarrow. $$ --- # 24. Inverted-U Hypothesis TRFMC 不預測： > 越切越好。 更合理： $$ T_U = f( \nu_{\mathrm{intra}} ) $$ 可能是 inverted-U。 太低： $$ \nu_{\mathrm{intra}}\approx0 $$ 可能因 boredom / local saturation 離開 domain。 適中： $$ \nu_{\mathrm{intra}} = \nu^* $$ 維持 novelty / information gain。 太高： $$ \nu_{\mathrm{intra}}\gg\nu^* $$ 則： - reconstruction cost； - fragmentation； - unfinished branches； 上升。 因此： $$ \boxed{ \nu^* = \arg\max_\nu T_U(\nu). } $$ --- # 25. Hyperfocus 的「狹窄」需要尺度參數 傳統說： $$ \text{hyperfocus is narrow}. $$ 但 narrow 相對於什麼？ 細尺度： $$ U^* $$ 可能非常大。 粗尺度： $$ P(U^*)=z_U $$ 卻只是一個 task。 所以： $$ \boxed{ \text{narrowness} = N(\lambda). } $$ Hyperfocus 的 scope 不應脫離： $$ \lambda $$ 描述。 --- # 26. Pointwise Narrowness vs Domain Narrowness Pointwise： $$ |\operatorname{supp}(p(x))| \approx1. $$ Domain-level： $$ |\operatorname{supp}(p(D))| \approx1, $$ 但： $$ |\operatorname{supp}(p(x\mid D))| \gg1. $$ 這兩種在粗糙問卷中都可能被回答： > 我非常專注在一件事情上。 所以需要新的 measurement resolution。 --- # 27. 超專注與「可退出性」 長時間投入本身不能區分： $$ \text{chosen persistence} $$ 與： $$ \text{lock-in}. $$ 因此定義 voluntary exit probe。 在時間： $$ t_i $$ 要求： > 若現在有理由停止，你能否在短時間內安全退出並切換？ 定義： $$ \tau_{\mathrm{exit}} $$ 為 voluntary exit latency。 以及： $$ P_{\mathrm{exit|cue}}. $$ --- # 28. Exit Controllability 定義： $$ E_C = f( P_{\mathrm{exit|cue}}, \tau_{\mathrm{exit}}, \text{error after exit} ). $$ 高： $$ E_C $$ 表示： $$ \boxed{ \text{deep engagement with retained control}. } $$ 低： $$ E_C $$ 表示： $$ \boxed{ \text{attention lock-in}. } $$ THF 不應預設： $$ E_C $$ 高或低。 它是獨立維度。 --- # 29. Re-entry Controllability 退出後是否能回到： $$ U^* $$ 也是重要能力。 定義： $$ \tau_{\mathrm{reentry}} $$ 與： $$ P_{\mathrm{return}}(\Delta t). $$ 所以完整可控注意不只： $$ \text{Enter} $$ 與： $$ \text{Exit}. $$ 還包括： $$ \boxed{ \text{Enter} + \text{Maintain} + \text{Traverse} + \text{Exit} + \text{Re-enter}. } $$ --- # 30. 這比「最大化 hyperfocus」更重要 如果未來做 attention engineering， 最佳目標不是： $$ \max \text{Hyperfocus Intensity}. $$ 而更可能： $$ \boxed{ \max \text{Controllable Attention Allocation}. } $$ 其中包含： - target selection； - depth； - scope； - dwell； - internal mobility； - monitoring； - exit； - re-entry。 --- # 31. Productive Persistence 與 Maladaptive Lock-in 定義 outcome vector： $$ \mathbf O = ( O_{\mathrm{task}}, O_{\mathrm{health}}, O_{\mathrm{social}}, O_{\mathrm{recovery}} ). $$ 其中： - task output； - physical / mental cost； - social cost； - recovery cost。 因此： $$ O_{\mathrm{task}}\uparrow $$ 不保證： $$ O_{\mathrm{total}}\uparrow. $$ 所以： $$ \boxed{ \text{high productivity} \neq \text{adaptive hyperfocus}. } $$ --- # 32. 2026 gaming literature 的提醒 2026 年 adult-gaming studies 將 hyperfocus 與： - flow； - escapism； - burnout； - self-efficacy； 放在同一模型中比較。 這些研究顯示 hyperfocus 可能同時出現在具有正向與負向 outcome 的活動中，而且它與 flow 不宜直接視為同一概念。 因此本文採： $$ \boxed{ \text{state structure} \neq \text{state value}. } $$ THF 描述 attention dynamics， 不是直接判定它好或壞。 --- # 33. Pointwise / Domain / Topological 三層模型 整理如下。 ## PHF $$ x_t\approx x^*. $$ 核心： $$ \text{point retention}. $$ --- ## DHF $$ x_t\in U^* $$ 長期成立。 核心： $$ \text{domain retention}. $$ 域內： $$ \nu_{\mathrm{intra}} $$ 可高可低。 --- ## THF $$ x_t\in U_t $$ 且： $$ U_t \rightarrow U_{t+1} $$ 持續變動， 但： $$ S( U_t,U_{t+1} ) \geq\theta. $$ 核心： $$ \text{structurally continuous evolving-domain retention}. $$ --- # 34. 三層不是互斥疾病分類 可能： $$ PHF\subset DHF\subset THF $$ 在某些形式化下成立。 例如固定單點可以視為 degenerate domain。 固定 domain 可以視為 dynamic domain 的特殊情況。 所以： $$ \boxed{ \text{PHF and DHF can be limiting cases of THF}. } $$ 但 empirically 不一定需要 THF 才能解釋 PHF / DHF。 --- # 35. THF 的強判準 候選 THF 至少要求： $$ L_K\geq\theta_L, $$ $$ S\geq\theta_S, $$ $$ G_C\geq\theta_G, $$ 而： $$ \nu_{\mathrm{intra}} $$ 不限低。 更強版本要求： $$ \nu_R>0 $$ 或： $$ N_E+N_C+N_G+N_D>0. $$ 也就是 domain 真的在演化。 --- # 36. Topological 不能只因為「很複雜」 若只是： $$ \text{many topics} $$ 並不叫 topological hyperfocus。 若只是： $$ \text{fast switching} $$ 也不叫。 THF 需要： $$ \boxed{ \text{connectivity / neighborhood / structural continuity} } $$ 有可測內容。 如果： $$ S $$ 無法估計， 就只能叫： $$ \text{dynamic-domain focus}. $$ --- # 37. Null Model 1：Point-Lock Model 假設所有 hyperfocus 的關鍵都可以由： $$ L_x $$ 與： $$ h_x $$ 解釋。 如果： $$ H_{\mathrm{intra}}, \nu_{\mathrm{intra}}, S,\nu_R $$ 完全沒有增量預測， THF 沒必要。 --- # 38. Null Model 2：Reward-Only Model 假設： $$ \text{high reward / interest} \rightarrow \text{long dwell}. $$ 只需： $$ V(x) $$ 即可解釋。 若域內 switching 完全由 reward gradient 決定， 且 domain topology 不增加預測， TRFMC / THF 被削弱。 --- # 39. Null Model 3：Executive Dyscontrol 假設 hyperfocus 主要來自： $$ \text{difficulty disengaging}. $$ 如果： $$ \tau_{\mathrm{exit}} $$ 與 executive control measures 已能解釋所有 long dwell， domain model 沒有必要。 Pimenta 等人的 EF mediation 結果使這個競爭模型尤其重要。 --- # 40. Null Model 4：Flow 假設所有 adaptive-looking long engagement 都是： $$ \text{flow}. $$ 如果 flow measures 對： - persistence； - outcome； - controllability； 的預測完全吸收 THF variables， THF 不需要。 但現有 AHQ-D 與 gaming evidence 尚不支持簡單等同。 --- # 41. Null Model 5：Random Topic Switching 一個人可以： $$ \nu_{\mathrm{switch}}\uparrow $$ 但沒有： $$ G_C $$ 與： $$ S. $$ 這是： $$ \boxed{ \text{fragmentation} } $$ 不是 THF。 所以 semantic / causal / goal coherence 是必須測的。 --- # 42. Null Model 6：Ordinary Task Switching 若所有： $$ x_i\rightarrow x_j $$ 都只是固定 task graph 中 ordinary switching， 則： $$ \mathcal K_t $$ 不需要變。 那最多支持 DHF， 不支持 THF。 --- # 43. Long-Horizon Digital Phenotyping THF 特別適合用： $$ \text{long-horizon logs} $$ 測量。 每一個 cognitive event： $$ e_i $$ 至少標記： $$ ( t_i, D_i, T_i, G_i, R_{i,i-1}, O_i, Y_i ). $$ 其中： - timestamp； - domain； - topic； - goal； - relation to previous state； - operator； - output type。 --- # 44. Topic Transition Graph 建立： $$ \mathcal G_{\mathrm{topic}} = (V,E). $$ 每個： $$ v_i $$ 是 topic / cognitive state。 每條： $$ e_{ij} $$ 具有： - semantic weight； - causal weight； - temporal frequency； - return probability； - goal coherence。 然後找： $$ \boxed{ \text{persistent evolving connected components}. } $$ --- # 45. Domain Retention vs Artifact Retention 若使用數位工作資料， 必須分開： $$ \text{cognitive event} $$ 與： $$ \text{artifact event}. $$ 一個 AI agent、script、auto-save 或 asynchronous job 可能產生： $$ A_t $$ 但不代表人類： $$ H_t $$ 在該時刻切換注意。 因此： $$ \boxed{ \text{artifact switch} \neq \text{human attentional switch}. } $$ 數位 trace 只能作為代理觀察。 --- # 46. 實驗一：Forced Stability vs Free Rotation 給同一 domain： $$ U. $$ Condition A： 必須連續做同一 subtopic： $$ T_1. $$ Condition B： 允許在： $$ T_1,T_2,T_3 $$ 間自由旋轉， 但都屬於： $$ U. $$ 測： $$ T_U, $$ $$ O_{\mathrm{task}}, $$ $$ \nu_{\mathrm{exit}}, $$ $$ \text{fatigue}, $$ $$ \text{return probability}. $$ 若： $$ T_U^{B} > T_U^{A} $$ 而 performance 不下降， 支持 TRFMC。 --- # 47. 實驗二：Forced Switching 反過來， 強迫 participants： $$ T_1\rightarrow T_2\rightarrow T_3 $$ 與 self-selected switching 比較。 如果 regulatory switching 的效果只在 self-selected condition 存在， 表示： $$ \boxed{ \text{timing of switch matters}. } $$ 而不是「切換本身」有益。 --- # 48. 實驗三：Exit-Control Probe 在 hyperfocus episode 中隨機插入： $$ \text{exit cue}. $$ 測： $$ \tau_{\mathrm{exit}}, $$ $$ P_{\mathrm{exit}}, $$ $$ \text{post-switch error}, $$ $$ P_{\mathrm{return}}. $$ 因此可以區分： ### Deep but controllable $$ L_U\uparrow, E_C\uparrow. $$ ### Locked-in $$ L_U\uparrow, E_C\downarrow. $$ --- # 49. 實驗四：Resolution Probe 同一 long-duration task， 要求 participant 定期回答： > 你現在是在處理一個子問題、整個 project，還是更高階 goal？ 估計： $$ \lambda_t. $$ 再和 behavioral / neural scale signatures 比較。 若 internal report 與 objective hierarchy 一致， 支持 multiscale focus model。 --- # 50. 實驗五：Connectivity Destruction 建立 domain： $$ U $$ 內多個 subtopics。 Experimental condition： 移除關鍵 bridge： $$ B. $$ 如果： $$ \nu_{\mathrm{exit}}\uparrow $$ 或： $$ T_U\downarrow, $$ 表示： $$ \boxed{ \text{domain connectivity contributes to persistence}. } $$ 如果完全沒差， topological interpretation 受損。 --- # 51. 實驗六：Novel Branch Expansion 讓 participant 在 long-focus episode 中遇到新資訊： $$ y. $$ 若： $$ y $$ 可被整合進： $$ U_t $$ 而不造成 domain exit， 記： $$ E(U_t)\rightarrow U_{t+1}. $$ 測新 branch 是否： - 保留 goal coherence； - 後續回返； - 最終完成； - 改變原 domain structure。 這是 THF 與固定 DHF 的關鍵分界。 --- # 52. 實驗七：Re-entry 在 long-focus episode 中強制離開： $$ \Delta t. $$ 再讓 participant 回來。 測： $$ \tau_{\mathrm{reentry}}, $$ $$ \operatorname{StateRecovery}, $$ $$ P_{\mathrm{return\ to\ branch}}. $$ 高品質 external memory / context cues 可能： $$ \tau_{\mathrm{reentry}}\downarrow. $$ 這將在 TADC-07 與 AI cognitive scaffolding 接軌。 --- # 53. 八個核心可證偽命題 ## TADC5-H1 — Domain Persistence Is Distinct from Point Persistence 存在 episodes： $$ L_U\uparrow $$ 但： $$ L_x\downarrow. $$ 若不存在， DHF 無必要。 --- ## TADC5-H2 — High Intra-Domain Entropy Can Coexist with Long Dwell 存在： $$ H_{\mathrm{intra}}\uparrow $$ 且： $$ T_U\uparrow. $$ --- ## TADC5-H3 — Intra-Domain Switching Predicts Differently from Exit Switching $$ \nu_{\mathrm{intra}} $$ 與： $$ \nu_{\mathrm{exit}} $$ 對 performance / dwell 的效果不同。 --- ## TADC5-H4 — Regulatory Rotation 在部分 individuals / tasks： $$ \nu_{\mathrm{intra}} $$ 存在最佳區間： $$ \nu^* $$ 使： $$ T_U $$ 最大。 --- ## TADC5-H5 — Structural Continuity Predicts Persistence $$ S\uparrow $$ 應預測： $$ P_{\mathrm{return}}\uparrow $$ 與： $$ \nu_{\mathrm{exit}}\downarrow. $$ --- ## TADC5-H6 — Exit Control Is Independent 同樣： $$ L_U $$ 的人可以具有不同： $$ E_C. $$ 如果完全同一維度， exit controllability 沒必要獨立建模。 --- ## TADC5-H7 — THF Adds Prediction Beyond Reward / Flow / EF 加入： $$ S, H_{\mathrm{intra}}, \nu_R, G_C $$ 後， 模型應對 long-horizon focus behavior 提供增量預測。 --- ## TADC5-H8 — Dynamic Domain Beats Fixed Domain 在至少部分 episodes： $$ M_{\mathrm{dynamic-domain}} > M_{\mathrm{fixed-domain}} $$ 的 out-of-sample prediction。 若否， THF 只需降級成 DHF。 --- # 54. 什麼結果會殺掉 Topological Hyperfocus？ ## F1 — Point Model Suffices 如果： $$ L_x,h_x $$ 足以預測所有 hyperfocus outcome， THF 多餘。 --- ## F2 — No High-Entropy Persistent Episodes 若： $$ H_{\mathrm{intra}}\uparrow $$ 總是導致： $$ T_U\downarrow, $$ TRFMC 受否定。 --- ## F3 — Switching Is Always Distracting 若控制其他變項後： $$ \nu_{\mathrm{intra}}\uparrow \Rightarrow O_{\mathrm{task}}\downarrow $$ 普遍成立， regulatory switching 假說失敗。 --- ## F4 — Domain Structure Adds No Prediction 若： $$ S $$ 與： $$ G_C $$ 無法預測 persistence / return / performance， 「connected cognitive complex」只是漂亮語言。 --- ## F5 — Dynamic Domain Is Unidentifiable 如果： $$ U_t $$ 只能由研究者事後任意畫出， 沒有 independent measurement， THF 不可測。 --- ## F6 — Flow Absorbs THF 若 flow measure + reward + skill-demand balance 完全吸收 THF 的預測， 不需要新構念。 --- ## F7 — Executive Dyscontrol Absorbs THF 若： $$ \tau_{\mathrm{exit}} $$ 與 executive-control measures 已能完整解釋 episode dynamics， THF 無增量。 --- # 55. Hyperfocus 不是一年不間斷的單一 episode 長時間尺度必須拆開。 一個人一年長期投入同一 broad domain， 不應寫： $$ \text{one-year hyperfocus episode}. $$ 更合理： $$ \boxed{ \text{recurrent focus episodes} + \text{persistent domain attachment} + \text{return dynamics}. } $$ 因此： $$ T_{\mathrm{episode}} $$ 與： $$ T_{\mathrm{attachment}} $$ 必須分開。 --- # 56. Persistent Domain Attachment（PDA） 定義跨 episode： $$ P_{\mathrm{return}} ( U \mid \Delta t ). $$ 若數週、數月反覆： $$ P_{\mathrm{return}}\uparrow, $$ 可以叫： $$ \boxed{ \text{Persistent Domain Attachment} } $$ 而不是把它硬算成單次 hyperfocus。 這能避免時間尺度混亂。 --- # 57. Episode–Attachment 二層模型 短尺度： $$ H_t = \text{hyperfocus episode state}. $$ 長尺度： $$ A_T = \text{domain attachment state}. $$ 因此： $$ P( H_t \mid A_T ) $$ 可能很高， 但： $$ H_t $$ 會中斷於： - sleep； - meals； - other duties； - recovery； - unrelated tasks。 這是正常 time-series 分層。 --- # 58. THF 與 ADHD 的關係 現有研究支持： $$ \boxed{ \text{higher ADHD traits} \leftrightarrow \text{higher reported hyperfocus} } $$ 在多個樣本中成立。 但 TADC-05 不提出： $$ \boxed{ \text{ADHD} \Rightarrow \text{THF}. } $$ 也不提出： $$ \boxed{ \text{THF} \Rightarrow \text{ADHD}. } $$ THF 是一般 attention-dynamics conjecture。 ADHD 可作為一個 future test population。 --- # 59. 2026 Cognitive-Affective 結果應如何使用？ Samson 等人的研究可以支持： $$ \boxed{ \text{hyperfocus should not be modeled without flexibility / switching dimensions}. } $$ 但該研究： - sample \(N=96\)； - switching task 為 cognitive-affective flexibility； - mediation 為統計關係； - 不直接測 THF domain topology。 所以不能寫： > 該研究證明 topological hyperfocus。 正確說法只到： > 它使「hyperfocus 與 switching dynamics 完全無關」的簡單模型更不充分。 --- # 60. Hyperfocus measurement 的下一代向量 本文建議由單 scalar： $$ HF $$ 擴展為： $$ \boxed{ \mathbf H = ( I, T, S, L_D, \nu_I, \nu_E, H_I, R, E_C, R_C, C_L ) } $$ 其中： - \(I\)：intensity； - \(T\)：episode duration； - \(S\)：scope； - \(L_D\)：domain retention； - \(\nu_I\)：intra-domain switching； - \(\nu_E\)：exit switching； - \(H_I\)：internal entropy； - \(R\)：re-indexing； - \(E_C\)：exit controllability； - \(R_C\)：re-entry controllability； - \(C_L\)：cost load。 --- # 61. 這不是要取代 AHQ-D AHQ-D 的目的： $$ \boxed{ \text{measure dispositional hyperfocus tendency}. } $$ TADC-05 的目的： $$ \boxed{ \text{model within-episode dynamics and multiscale structure}. } $$ 兩者可以互補。 例如： $$ AHQ\text{-}D $$ 測 trait， 而： $$ \mathbf H(t) $$ 測 state dynamics。 --- # 62. Ecological Measurement 未來最適合： - ecological momentary assessment； - computer interaction logs； - eye tracking； - task event streams； - wearables； - neural state decoding； - experience sampling。 但不能把： $$ \text{screen time} $$ 直接當： $$ \text{hyperfocus time}. $$ 也不能把： $$ \text{keyboard activity} $$ 直接當： $$ \text{human cognitive activity}. $$ --- # 63. 最小 THF 判定程序 候選研究程序： ### Step 1 識別 episode： $$ [t_0,t_1]. $$ ### Step 2 建立 topic / state sequence： $$ x_{t_0:t_1}. $$ ### Step 3 估計 effective domain： $$ U_t. $$ ### Step 4 測： $$ L_U, \nu_{\mathrm{intra}}, \nu_{\mathrm{exit}}, H_{\mathrm{intra}}. $$ ### Step 5 估計： $$ S_t,G_C. $$ ### Step 6 測： $$ E_C,R_C. $$ ### Step 7 和： - PHF； - reward； - flow； - executive dyscontrol； - random switching； 模型比較。 只有最後 THF 有增量： $$ \Delta\operatorname{Prediction}>0 $$ 才保留。 --- # 64. TADC-05 與前四篇的統一 TADC-01： $$ \mathcal C_t \rightarrow \mathcal C_{t+1}. $$ TADC-02： $$ D_t = D( G_t,\mathcal R_t,\kappa_t,\lambda_t ). $$ TADC-03： $$ \mathcal O = \{E,C,T,G,D,R\}. $$ TADC-04： $$ U^{(\lambda_f)} \leftrightarrow z_U^{(\lambda_c)}. $$ TADC-05： $$ \boxed{ \text{focus can persist on the evolving domain, not merely on a fixed point}. } $$ 所以： $$ \boxed{ \mathcal K_0 \overset{O_1}{\longrightarrow} \mathcal K_1 \overset{O_2}{\longrightarrow} \cdots \overset{O_n}{\longrightarrow} \mathcal K_n } $$ 可以整段都屬於同一 THF episode， 只要： $$ S_t $$ 與： $$ G_C $$ 保持足夠高。 --- # 65. 最核心的新區分 本文真正要留下的不是新名詞， 而是： $$ \boxed{ \text{focus persistence} \neq \text{state immobility}. } $$ 高 focus persistence 可以伴隨： $$ \boxed{ \text{high state mobility}. } $$ 只要 mobility 大多發生在： $$ \boxed{ \text{same coherent evolving cognitive complex}. } $$ --- # 66. 結論 本文將 hyperfocus 的最小模型從： $$ \boxed{ \text{long dwell on one point} } $$ 擴展為三層： $$ \boxed{ \textbf{PHF — Pointwise Hyperfocus} } $$ $$ \boxed{ \textbf{DHF — Domain Hyperfocus} } $$ $$ \boxed{ \textbf{THF — Topological Hyperfocus}. } $$ PHF 強調： $$ L_x\uparrow. $$ DHF 強調： $$ L_U\uparrow $$ 但允許： $$ \nu_{\mathrm{intra}}\uparrow. $$ THF 更進一步允許： $$ U_t\neq U_{t+1}, $$ 只要： $$ S( U_t,U_{t+1} ) $$ 與： $$ G_C $$ 保持。 因此本文提出： $$ \boxed{ H_{\mathrm{macro}}\downarrow \quad\land\quad H_{\mathrm{micro}}\uparrow } $$ 可以是合法的 attention configuration。 這意味著： $$ \boxed{ \text{high internal switching} \not\Rightarrow \text{low high-level focus}. } $$ 本文還提出： $$ \boxed{ \textbf{Topic Rotation as Focus Maintenance Conjecture} } $$ 即某些低成本域內 switching 可能反而延長 domain-level engagement。 但這一命題必須接受非常強的反證： 如果： - switching 永遠降低 persistence； - fixed point-lock model 已充分； - flow / reward / executive dyscontrol 完整吸收所有 effect； - domain connectivity 沒有預測力； - evolving-domain structure 無法被獨立識別； 則： $$ \boxed{ \text{Topological Hyperfocus should be abandoned}. } $$ 因此本文不是要把： > 「任何一直做很多事的人」 都叫作 hyperfocus。 而是提出： > **如果長時間專注可以發生在一個持續變形、展開、收斂與內部遍歷的認知域上，那麼「注意是否穩定」不能只由局部 task switch 次數判定。** 真正應測的是： $$ \boxed{ \text{where the trajectory remains, what structure it preserves, how it exits, and whether it can return}. } $$ 也就是： $$ \boxed{ \text{Retention} + \text{Mobility} + \text{Continuity} + \text{Control}. } $$ 這四個維度共同構成 TADC-05 對 hyperfocus 的核心重寫。 --- # 參考文獻 1. Hupfeld KE, Abagis TR, Shah P. **Living "in the zone": hyperfocus in adult ADHD.** *Attention Deficit and Hyperactivity Disorders*. 2019;11(2):191–208. doi:10.1007/s12402-018-0272-y. PMID: 30267329. 2. Hupfeld KE, Osborne JB, Tran QT, Hyatt HW, Abagis TR, Shah P. **Validation of the dispositional adult hyperfocus questionnaire (AHQ-D).** *Scientific Reports*. 2024;14:19460. doi:10.1038/s41598-024-70028-y. PMID: 39169147. 3. Garcia Pimenta M, Gruhnert RK, Fuermaier ABM, Groen Y. **The role of executive functions in mediating the relationship between adult ADHD symptoms and hyperfocus in university students.** *Research in Developmental Disabilities*. 2024;144:104639. doi:10.1016/j.ridd.2023.104639. PMID: 38039699. 4. Samson JL, Rochat L, Perroud N, Debbané M. **Cognitive-affective flexibility in adult ADHD: Links to emotion reactivity and hyperfocus.** *Journal of Affective Disorders Reports*. 2026;24:101047. doi:10.1016/j.jadr.2026.101047. 5. Pyszkowska A, Nowacki A, Dziura N. **Game on but pay the price: Hyperfocus, flow, escapism, self-efficacy, and burnout among video gamers with ADHD traits.** *Research in Developmental Disabilities*. 2026;170:105241. doi:10.1016/j.ridd.2026.105241. PMID: 41650538. 6. Pyszkowska A, Nowacki A, Dziura N. **Determinants of hyperfocus in the context of escapism and gaming motivations, flow, and ADHD symptoms among adult video gamers.** *Research in Developmental Disabilities*. 2026;174:105321. doi:10.1016/j.ridd.2026.105321. PMID: 42229071. 7. Li Y, Chen J, Zheng X, Liu J, Peng C, Liao Y. **Functional Near-Infrared Spectroscopy Evidence of Prefrontal Regulation of Cognitive Flexibility in Adults With ADHD.** *Journal of Attention Disorders*. 2023;27(11):1196–1206. doi:10.1177/10870547231154902. PMID: 36799464. 8. Peer M, Epstein RA. **Cognitive maps for hierarchical spaces in the human brain.** *Cerebral Cortex*. 2025;35(9):bhaf261. doi:10.1093/cercor/bhaf261. PMID: 40982478. 9. Leach SC, Chen X, Hwang K. **Hierarchical Reconfiguration of Neurocognitive Task Set Representations Mediates Cognitive Flexibility.** *Journal of Neuroscience*. 2026. doi:10.1523/JNEUROSCI.0113-26.2026. PMID: 42276789. 10. Qiu Y, Li H, Liao J, et al. **Forming cognitive maps for abstract spaces: the roles of the human hippocampus and orbitofrontal cortex.** *Communications Biology*. 2024;7:517. doi:10.1038/s42003-024-06214-5. PMID: 38693344. 11. Behrens TEJ, Muller TH, Whittington JCR, et al. **What Is a Cognitive Map? Organizing Knowledge for Flexible Behavior.** *Neuron*. 2018;100(2):490–509. doi:10.1016/j.neuron.2018.10.002. --- ## 與系列的關係 **已完成：** - TADC-01：《注意力不是單點選擇——可變認知空間與注意—空間轉換猜想》 - TADC-02：《動態認知域——領域作為局部座標圖》 - TADC-03：《拓樸注意力六算子——展開、收斂、遍歷、黏合、切離與重索引》 - TADC-04：《嵌套注意域與觀察尺度——宏觀／微觀的相對性與多尺度重索引》 - TADC-05：《從單點超專注到拓樸超專注——域級持續性、內部高熵遍歷與可控退出》 **下一篇：** - TADC-06：《關係優先認知與跨域連續性》 後續： - TADC-07：《外部認知支架與人—AI 認知拓樸》 - TADC-08：《拓樸注意力的測量、反證與工程化》 --- **狀態：** TADC-05 v0.1 **原始人體／臨床數據：** 無 **理論狀態：** 猜想／研究綱領；未經實驗驗證 **臨床狀態：** Topological Hyperfocus 不是正式臨床術語或診斷構念 **拓樸狀態：** connected cognitive complex / structural continuity 為候選操作化，尚未建立嚴格拓樸分類