# GCORF-00 ## 通用認知算子逆向框架：總綱、範圍與非主張 ### General Cognitive Operator Reverse-Engineering Framework: Charter, Scope, and Non-Claims **作者／理論發起：** Neo.K **協作整理：** Aletheia / GPT-5.6 Sol **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-08-15 **版本：** v0.1 **文件性質：** GCORF Series — Canonical Core Paper 00（Pre-Canonical SSSP Handoff） --- ## 摘要 本文提出**通用認知算子逆向框架**（General Cognitive Operator Reverse-Engineering Framework, GCORF）。其目的不是建立人物性格分類、模仿歷史人物，亦不是將人類思想簡化為固定向量，而是從可追溯的研究、決策、論證、創作、設計與修正痕跡中，逆向重建可操作、可比較、可組合、可量化、可修正的**認知算子**。 GCORF 將人物、文本、理論、作品與制度視為認知操作的**證據源**而非算子本身。對任一候選認知算子，框架要求至少描述其核心運算、輸入輸出型別、使用型別、適用域、光譜座標、局部上下界、認識許可、組合接口、證據來源、失效結構、歷史與版本。成熟算子因此不再只是自然語言描述，而成為具有明確計算接口的條件化方法物件。 本框架進一步區分**局部有界性**與**全域無界展開性**：任一實際已實現算子與任一當前光譜表示皆必須有限、可操作與可檢驗，但整個算子庫、分類空間、量化座標及更新規則本身不得被預設為最終版本。此結構採用無界展開（Unbounded Expansion, UBE）的有限前綴語義：有限機器無須完成一個既存的無限總體，只須能在合法條件下生成下一個有限、可驗證且具有真實進展的狀態。 GCORF 同時引入觀察者條件性、多觀察者分歧保存、內在參數學習與外部狀態學習之區分，以及對框架自身的遞歸觀察能力。最終目標不是建立一部「人類思想百科全書」，而是建立一套可以持續吸收人類與人工智能認知史、形成可重組方法庫並支援動態研究路由的通用計算—認識論基礎架構。 **關鍵詞：** Cognitive Operator、Reverse Engineering、Meta-Cognition、Spectral Quantification、Human–AI Coupling、Unbounded Expansion、Recursive Observer、Methodology Composition --- # 1. 問題的提出 人工智能已能閱讀大量文獻、程式碼、證明、設計文件與歷史資料。然而，「讀過某人的作品」與「取得其可重新使用的研究方法」仍是兩件不同的事。 傳統人物研究通常輸出： $$ \text{Biography}, \qquad \text{Ideas}, \qquad \text{Influence}, \qquad \text{Personality}. $$ 這些資料具有歷史價值，卻未必具有方法論上的直接可執行性。 例如，「某數學家具有很強的直覺」本身幾乎不能被一個研究 Agent 調用；但若經過逆向後得到： $$ \text{unstructured obstacle} \rightarrow \text{low-complexity obstruction} \rightarrow \text{specialized attack}, $$ 它便開始具有方法算子的形式。 先前的數學家逆向研究已將研究目標從人物模仿轉向「可重新組合的方法庫」，並把研究行為表示為 methodological primitives。GCORF 將此方向推廣至一般認知對象。 因此其基本問題不是： $$ \boxed{\text{「這個人是怎樣的人？」}} $$ 而是： $$ \boxed{ \text{「可觀察痕跡中存在什麼可重建、可調用、可驗證的認知操作？」} } $$ --- # 2. 理論來源與方法論譜系 GCORF 並非孤立產生。 《認知解構學正式定義方法論 2.0》已將認知方法大量形式化為可操作模組。例如 OPS 被定義為遞歸減法算子，具有語義剝離與重新編譯；CRE 則根據問題語境動態選擇、串聯、並聯與遞歸組裝不同推理模式。 其中 CQR 將量化理解為 **Metrology Design**： $$ Concept \rightarrow Decompose \rightarrow AssignDimensions \rightarrow FindProxies \rightarrow ConstructModel, $$ 並要求量化盡可能保持原始語義關係，而不是以任意主觀分數取代原對象。 DSA 則提供： $$ Discrete \xrightarrow{Melt} Continuous \xrightarrow{Evolve} Continuous' \xrightarrow{Freeze} Discrete', $$ 以離散保存取得可操作性，以連續展開重新打開可能空間，再形成新的離散知識結構。 另一方面，第一性方法論統合框架已將不同還原方法置入多層光譜，要求區分核心算子、停止條件、適用域與失效域，而非假設任何一種「第一性原理」具有無條件通用性。 GCORF 所做的並不是重新製造這些模組，而是抽出更高階的共同結構： $$ \boxed{ \text{認知方法} \rightarrow \text{可形式化算子} \rightarrow \text{算子系統} \rightarrow \text{自我重編譯的算子系統}. } $$ --- # 3. 基本研究對象 ## 3.1 Source–Operator Separation 令 $S$ 表示任一認知證據源，例如： $$ S\in \{ Person, Text, Proof, Program, Theory, Institution, Artifact, Conversation, History \}. $$ GCORF 不假定： $$ S=\Omega. $$ 相反： $$ \boxed{ S \xrightarrow{\operatorname{EvidenceExtraction}} D_S \xrightarrow{\operatorname{Reconstruct}} \widehat{\mathfrak O}_S. } $$ 其中 $D_S$ 為可追溯證據集合； $\widehat{\mathfrak O}_S$ 為目前從資料逆向得到的候選算子族。 因此： $$ \boxed{ Person\neq Operator, \qquad Theory\neq Operator, \qquad Text\neq Operator. } $$ 人物只是算子存在的可能證據載體。 --- # 4. 最小認知痕跡單元 GCORF 不宜直接從完整人物印象跳到 operator。 其最小觀察單元暫定為： $$ \boxed{ u= ( Actor, Time, Problem, Context, Representation, Constraints, Move, Rationale, Verification, Outcome, Evidence ). } $$ 大量事件形成： $$ \mathcal U_S = \{u_1,\ldots,u_n\}. $$ 再經： $$ \mathcal U_S \rightarrow TraceCluster \rightarrow CandidateOperator. $$ 因此 $\Omega$ 不是人格標籤，而是對大量可觀察操作規律的一種**條件化壓縮表示**。 --- # 5. 認知算子的正典形式 GCORF v0.1 將正式算子表示為： $$ \boxed{ \Omega = ( K, X, Y, U, \mathcal D, \Sigma, B^-, B^+, \Lambda, \Gamma, E, F, \mathscr H, V ). } $$ 其中： | 符號 | 意義 | |---|---| | $K$ | Operator kernel，核心轉換 | | $X$ | 合法輸入型別 | | $Y$ | 輸出型別 | | $U$ | Output use-type／認識用途型別 | | $\mathcal D$ | 適用域 | | $\Sigma$ | 多維光譜表示 | | $B^-,B^+$ | 局部下界與上界 | | $\Lambda$ | Epistemic license | | $\Gamma$ | 組合與接口規格 | | $E$ | 證據與 provenance | | $F$ | Failure structure | | $\mathscr H$ | 生成、使用及修正歷史 | | $V$ | 版本與驗證狀態 | 哲學 specimen 顯示，僅有輸入／輸出型別仍不足夠；同一輸出還必須區分其認識地位。例如： $$ U\in \{ Empirical, Formal, Constitutive, Regulative, Normative, Heuristic, Counterfactual, Unknown \}. $$ 因此： $$ \boxed{ Executable(\Omega) \not\Rightarrow EpistemicallyLicensed(\Omega,D). } $$ 「能算」不表示「有權以相同認識地位在所有領域使用」。 --- # 6. 光譜量化 GCORF 不要求將認知算子壓縮成單一分數。 設： $$ \Sigma(\Omega) = (s_1,\ldots,s_m). $$ 一組最低公共座標可以包含： $$ \Sigma_{\min} = (E,R,S,C,T,X,K), $$ 分別代表： $$ \text{Evidence}, \text{Robustness}, \text{Stability}, \text{Composability}, \text{Transferability}, \text{Execution Strength}, \text{Cost}. $$ 但 $\Sigma_{\min}$ 不是永恆固定的完整座標系。 domain-specific spectrum 可以寫成： $$ \Sigma_D = \Sigma_{\min} \oplus \Sigma_D^{extra}. $$ 且每個值原則上表示為： $$ \boxed{ s_j= ( [\ell_j,u_j], q_j, M_j ). } $$ 其中 $[\ell_j,u_j]$ 為估計區間， $q_j$ 為信心， $M_j$ 為測量方法。 因此框架明確拒絕沒有 measurement basis 的假精度。數值小數位數的增加不等於量化品質增加。 --- # 7. 局部有界與全域無界展開 這是 GCORF 的中央結構之一。 對任一實際運作中的算子： $$ \boxed{ B^-(\Omega) \preceq \Sigma(\Omega) \preceq B^+(\Omega). } $$ 其適用域、強度、成本、認識許可與失效方式皆不能被假定為無條件。 然而對當前算子庫： $$ \mathfrak O^{[n]} = \{ \Omega_1,\ldots,\Omega_n \}, $$ GCORF 不假定存在一個理論預設的最終 $\mathfrak O_{\max}$。 只有： $$ \boxed{ \mathfrak O^{[n]} \Rightarrow_E \mathfrak O^{[n+1]}, } $$ 其中 $\Rightarrow_E$ 表示一次合法且具有可驗證進展的展開。 同理： $$ \boxed{ \Sigma^{[m]} \Rightarrow_E \Sigma^{[m+1]}. } $$ 因此 GCORF 採用： $$ \boxed{ \text{Local Boundedness} + \text{Global Unbounded Extensibility}. } $$ 此處的「無界」不是完成的無限物，而是任一已成有限界都不被理論預設為最終界。 --- # 8. 九類元算子 算子並非一次抽取後永久固定。 GCORF v0.1 定義： $$ \boxed{ \mathfrak M = \{ Expand, Link, Consolidate, Revise, Stabilize, Improve, SuperTranslate, Compose, Quantize \}. } $$ 對 $M\in\mathfrak M$，一般更新形式可寫成： $$ \Omega_{t+1} = M( \Omega_t, E_{t+1}, \mathcal B_t, C_t ). $$ 其中存在若干重要張力對： $$ Expand \rightleftarrows Consolidate, $$ $$ Generate \rightleftarrows Validate, $$ $$ Melt \rightleftarrows Freeze, $$ $$ Revise \rightleftarrows Stabilize. $$ 因此「穩定」並不等於停止演化，「展開」也不等於無條件增加結構。 真正有效的演化是： $$ \boxed{ \text{展開可重新收束；穩定可再次打開。} } $$ --- # 9. 算子組合 至少存在五種基本組合拓撲。 串聯： $$ \Omega_j\circ\Omega_i. $$ 並聯： $$ \Omega_i\oplus\Omega_j. $$ 遞歸： $$ \Omega_i^{\circlearrowleft}. $$ 交替： $$ \Omega_i \rightleftarrows \Omega_j. $$ 耦合： $$ \boxed{ \Omega_i \otimes_\Gamma \Omega_j. } $$ 耦合與簡單疊加不同。它允許： $$ ( \Omega_i, \Omega_j ) \rightarrow ( \Omega_i', \Omega_j', \Omega_k ). $$ 亦即：算子組合不只產生新結果，也可能修改參與運算的算子本身。 --- # 10. 觀察者條件性 GCORF 不假定 $\widehat{\Omega}_S$ 是脫離觀察條件的唯一物。 更完整地： $$ \boxed{ \widehat{\Omega}_S^{\,o} = R( D_S \mid H,A,\Pi,\mathcal B,\mathscr H,T ). } $$ 其中： - $H$：人類研究者； - $A$：AI／認知系統； - $\Pi$：互動協議； - $\mathcal B$：共同底空間； - $\mathscr H$：研究歷史； - $T$：工具與資料取得條件。 因此： $$ \boxed{ R(D\mid H_1,A_1,\Pi_1) \neq R(D\mid H_2,A_2,\Pi_2) } $$ 並不自動代表其中一方錯誤。 它可能反映： $$ \boxed{ \text{observer-conditioned reconstruction}. } $$ GCORF 因此保存： $$ \Delta_O = \text{Residual Observer Disagreement}, $$ 而不是強迫所有觀察結果提前投票合併。 此外： $$ \boxed{ N_{\mathrm{agents}} \neq D_{\mathrm{observer}}. } $$ 代理數量不等於觀察者多樣性。同一基座模型、同一資料、只改 prompt 的多代理共識，不能直接等價於異質人類—AI—工具組合下的獨立共識。 --- # 11. 內在學習與外部狀態學習 GCORF 同時區分： ## 11.1 Internal Parameter Learning $$ \theta_{t+1} \neq \theta_t. $$ ## 11.2 External-State Learning $$ \theta_{t+1} = \theta_t, $$ 但： $$ \mathfrak G_{t+1} \neq \mathfrak G_t. $$ 原因可以是： $$ \mathfrak O, \Pi, \mathcal B, E, \mathscr H $$ 發生改變。 因此更廣義的學習可表示為： $$ \boxed{ Learning = ParameterUpdate \lor StateUpdate \lor OperatorUpdate \lor ProtocolUpdate \lor BottomSpaceUpdate. } $$ 這使「模型權重沒有改變」與「系統沒有學習」不再被錯誤等同。 --- # 12. GCORF 系統狀態 完整的 GCORF runtime state 暫定為： $$ \boxed{ \mathfrak G_t = ( H_t, A_t, \mathcal B_t, \mathfrak O_t, \Sigma_t, \Gamma_t, \Pi_t, E_t, F_t, Q_t, \mathscr H_t, \mathcal V_t, \Delta_t ). } $$ 其中 $\mathcal V_t$ 表示觀察者人口與異質程度； $\Delta_t$ 保存尚未解決的觀察者分歧。 系統更新： $$ \boxed{ \mathfrak G_{t+1} = \mathcal U_t( \mathfrak G_t, X_t, R_t ). } $$ 而 GCORF 的真正遞歸性要求： $$ \boxed{ \mathcal U_t \Rightarrow_E \mathcal U_{t+1}. } $$ 即更新規則本身亦可被檢查、比較、修改與重新驗證。 --- # 13. 十二條核心公理 ## A0 — Source–Operator Non-Identity $$ \boxed{ S\neq\Omega. } $$ 證據來源不得與重建算子本體混同。 ## A1 — Evidence Grounding 正式算子必須存在： $$ \Omega \rightarrow Trace \rightarrow Evidence. $$ 不可追溯者只能保持為 hypothesis 或 heuristic。 ## A2 — Observer Conditionality $$ \boxed{ \widehat\Omega = R(D\mid H,A,\Pi,\mathcal B,\mathscr H). } $$ 重建結果受到觀察與互動條件影響。 ## A3 — Typed Operation 成熟算子至少必須具有： $$ InputType, \qquad OutputType, \qquad UseType. $$ ## A4 — Local Boundedness $$ \boxed{ B^- \preceq \Omega \preceq B^+. } $$ 任何實際算子的合法能力域皆非無條件。 ## A5 — Spectralizability 成熟計算算子必須至少存在部分可操作光譜： $$ \boxed{ \Sigma(\Omega)\neq\varnothing. } $$ ## A6 — Epistemic Licensing $$ Executable(\Omega,D) \not\Rightarrow Licensed(\Omega,D). $$ 能執行與具有同樣的認識資格不是一回事。 ## A7 — Composable Interface 正式通用算子至少必須存在一種合法組合： $$ \exists\star: \Omega_i\star\Omega_j. $$ ## A8 — Revisability 新證據允許： $$ \Omega \rightarrow \{ Revise, Split, Merge, Downgrade, Reject \}. $$ ## A9 — Residual Preservation $$ \boxed{ Failure, Unknown, Disagreement } $$ 不得在整合時靜默消失。 ## A10 — UBE Non-Finality $$ \boxed{ \mathfrak G^{[n]} \Rightarrow_E \mathfrak G^{[n+1]}. } $$ 且不存在由框架預設的最終已完成版本。 ## A11 — Recursive Observability $$ \boxed{ GCORF \in Domain(GCORF). } $$ GCORF 必須能以自身方法處理 GCORF。 --- # 14. 算子准入 定義： $$ \operatorname{Admissible}(\Omega) $$ 為成熟 GCORF operator 的准入謂詞。 v0.1 至少要求： $$ \boxed{ \begin{aligned} Admissible(\Omega) \Rightarrow\;& Typed(\Omega) \land Executable(\Omega)\\ &\land Spectralizable(\Omega) \land LocallyBounded(\Omega)\\ &\land Traceable(\Omega) \land Revisable(\Omega)\\ &\land FailureAware(\Omega) \land EvidenceGrounded(\Omega). \end{aligned} } $$ 因此不是所有有趣概念都必須立即成為正式算子。 GCORF 至少允許四種狀態： $$ \boxed{ Admitted, \quad Provisional, \quad Heuristic, \quad Rejected. } $$ 「尚不可量化」不等於沒有思想價值；但它表示目前尚未取得成熟 computational operator 身分。 --- # 15. Specimen 准入流程 未來任何數學家、哲學家、程式設計師、理論、制度或作品，都必須先走： $$ RawCorpus \rightarrow EvidenceUnits \rightarrow TraceExtraction \rightarrow CandidateOperators $$ $$ \rightarrow Atomicization \rightarrow Spectralization \rightarrow Bounds+License $$ $$ \rightarrow CompositionTest \rightarrow MultiObserverTest \rightarrow \boxed{ Admitted/ Provisional/ Heuristic/ Rejected }. $$ 任何單一 specimen 均無權直接修改 canonical core。 它只能產生： $$ \boxed{ CoreRevisionProposal. } $$ --- # 16. GCORF 的非主張 為防止本框架在後續發展中被誤讀，本文明確列出以下非主張。 **第一，GCORF 不主張可以完全還原一個人的心智。** 公開行為、文本與作品只能支持條件化重建 $\widehat{\mathfrak O}_p$，而不是取得某個不可觀察的 $\mathfrak O_p^{true}$。 **第二，GCORF 不主張人物是一組固定算子。** $$ \mathfrak O_p(c,t) $$ 可以隨領域、時間與情境改變。 **第三，GCORF 不主張所有認知內容都可以被無損量化。** 量化是可操作投影，不等於把模型當作疆域。 **第四，GCORF 不主張更高、更複雜或更多算子必然更好。** $$ Complexity \neq Quality. $$ **第五，GCORF 不主張多 AI 共識即為真。** $$ Consensus \neq Truth. $$ 尤其： $$ N_{\mathrm{agents}} \neq ObserverDiversity. $$ **第六，GCORF 不主張目前的算子分類、公理或光譜已經完備。** 這與 A10 直接衝突。 **第七，GCORF 不主張超譯允許任意解讀。** 超譯仍必須受到結構守恆、證據、使用型別與 domain license 約束。 **第八，GCORF 不等於人格模擬、數位分身或歷史人物 role-play。** 最終目標是： $$ \boxed{ \text{Reusable Methodology} } $$ 而不是： $$ \boxed{ \text{Synthetic Person}. } $$ --- # 17. Domain Realizations GCORF 為母框架。 既有數學家逆向研究可以重新定位為： $$ \boxed{ GCORF\text{-}RMRM. } $$ 其他 domain realization 可以包括： $$ GCORF\text{-}PLDST, \qquad GCORF\text{-}PHIL, \qquad GCORF\text{-}SCI, $$ $$ GCORF\text{-}ART, \qquad GCORF\text{-}GAME, \qquad GCORF\text{-}ORG. $$ 這些 domain branch 可以新增 operator candidate，卻不能未經 core revision protocol 直接改寫 GCORF 本體。 --- # 18. 正典與分支治理 GCORF 採取雙層版本結構： $$ \boxed{ CanonicalCore \oplus ExperimentalBranches. } $$ Canonical Core 的目標是： $$ \text{slow}, \quad \text{stable}, \quad \text{auditable}. $$ Experimental Branch 的目標是： $$ \text{fast}, \quad \text{exploratory}, \quad \text{divergent}. $$ 兩者之間： $$ Branch \rightarrow Evidence \rightarrow CoreRevisionProposal \rightarrow Audit \rightarrow Merge/Reject. $$ 因此 UBE 並不等於核心永遠劇烈變動。 反而是： $$ \boxed{ \text{允許無界展開，同時保護已驗證的穩定結構。} } $$ --- # 19. 核心命題 本文最終將 GCORF 壓縮為六個母命題。 ## 命題一：認知痕跡可操作化命題 部分可觀察認知歷史可以被壓縮為具有重放價值的條件操作結構。 $$ Trace \rightarrow Operator. $$ 但： $$ Operator \neq Mind. $$ ## 命題二：局部有界命題 成熟算子必須存在局部可界定的有效域。 $$ \Omega \Rightarrow (B^-,B^+,\mathcal D,\Lambda). $$ ## 命題三：光譜優先命題 認知算子的可計算描述原則上應優先採多維光譜，而非單一絕對分數。 ## 命題四：組合生成命題 算子組合可產生不等於任一輸入算子的結構： $$ \Omega_i\otimes\Omega_j \rightarrow \Omega_k. $$ ## 命題五：觀察者條件命題 $\widehat\Omega$ 是證據與觀察條件的共同產物。 ## 命題六：無界非終局命題 任何已完成 GCORF 版本皆是可穩定使用的有限前綴，而不是理論預設的最後形式。 --- # 20. 結論 GCORF 的起點是一個簡單問題：能否把人類重要研究者與經典思想中的可重用方法逆向出來，讓 AI 不只是「知道這些人」，而是真的能調用其研究操作？ 但一旦真正執行，問題迅速擴張。 人物不是算子。抽出的算子受到觀察者與資料條件影響。算子必須有型別、界限與失效域。可以量化不代表可以任意量化。可以運算不代表具有相同認識資格。不同算子可以耦合，並反過來修改彼此。算子系統必須能穩定，又必須可以再次展開。最終，甚至連 GCORF 本身也不能位於自己的觀察域之外。 因此 GCORF v0.1 的核心不再只是 Reverse Engineering，而是： $$ \boxed{ \begin{aligned} GCORF =\;& Evidence\text{-}Grounded\ Reverse\ Engineering\\ &+ Cognitive\ Operator\ Algebra\\ &+ Spectral\ Quantification\\ &+ Local\ Boundedness\\ &+ Epistemic\ Licensing\\ &+ Dynamic\ Recompilation\\ &+ Human\text{-}AI\ Coupling\\ &+ Unbounded\ Expansion\\ &+ Recursive\ Meta\text{-}Observation. \end{aligned} } $$ 其正典原則可濃縮為： $$ \boxed{ \begin{gathered} \textbf{局部必須有界，光譜必須可量；}\\ \textbf{接口必須可組，來源必須可追；}\\ \textbf{失敗必須可留，錯誤必須可改；}\\ \textbf{穩定不等於封閉，展開不等於失控；}\\ \textbf{任何已成方法，都不得被預設為最後方法。} \end{gathered} } $$ --- # 21. 系列位置與後續工作 本篇為 GCORF 系列的正典總綱。後續核心論文暫定依序處理： 1. GCORF-01：從認知痕跡到可重組算子——證據單元、軌跡抽取與逆向重建理論； 2. GCORF-02：認知算子的形式物件與組合代數； 3. GCORF-03：光譜量化、局部上下界與認識許可； 4. GCORF-04：算子的動靜生命週期與無界展開； 5. GCORF-05：人—AI共同底空間與內外部學習； 6. GCORF-06：無界展開遞歸觀察者； 7. GCORF-07：跨底空間轉譯、超譯與算子重組； 8. GCORF-08：多觀察者驗證與耦合不變性； 9. GCORF-09：GCORF Runtime、資料格式與 Benchmark Protocol； 10. GCORF-U：GCORF 統合理論——無界展開的認知算子計算論。 --- # 參考與內部理論譜系 以下項目為本篇的內部理論譜系與方法來源，後續公開學術版應再補充外部文獻與正式書目： 1. Neo.K，《認知解構學正式定義方法論 2.0》，2025。 2. Neo.K，《第一性方法論統合框架：從物理還原到本體重構》，2026。 3. Neo.K，《無界展開論：從潛在無限到有限計算生成框架》，2026。 4. Neo.K，《光譜具身底空間學習論（SEBSL）》，2026。 5. Neo.K，《數學家逆向研究矩陣（RMRM）v0.1–v0.4》，2026。 6. Neo.K，《Terence Tao Research Cognitive Fingerprint v0.1》，2026。 7. Neo.K，PLDST 系列：程式語言設計者／決策語料逆向研究，2026。 8. Neo.K，Kant / GCORF-Philosopher Specimen 001 初步實驗紀錄，2026。 --- **版本狀態：** v0.1 / Pre-Canonical SSSP Handoff **正典聲明：** 本檔案為待 @SSSP 匯入、驗證與 commit 的可攜式來源稿；在取得真正 SSSP revision / immutable snapshot 之前，不宣稱其已成為 SSSP canonical document。