# DTS-01｜從靜態忒修斯到動態忒修斯：狀態判定為何不夠
## From Static Theseus to Dynamic Theseus: Why Snapshot-Based Identity Is Not Enough

**系列：**《動態忒修斯：人工主體的連續、離散、分叉與同一性動力學》  
**系列位置：** 第 01 篇 / 10  
**版本：** v0.1  
**日期：** 2026-08-19  
**作者：** Neo.K  
**AI 協作：** Aletheia / GPT-5.6 Sol  
**機構：** EveMissLab／一言諾科技有限公司  
**文件性質：** 理論論文／人工智能身份連續性／計算動力學／人工主體候選研究  
**狀態：** 公開研究草稿  
**Canonical source：** UTF-8 Markdown  
**Canonical math delimiters：** inline ` $...$ `；display `$$...$$`

---

## 摘要

傳統忒修斯之船問題通常以逐步替換構件的方式追問：當一艘船的木板被一塊一塊替換後，它在何時、何種條件下不再是原來那艘船？這個問題雖然描述變化，卻常在分析上被轉譯為一系列可比較的離散狀態，並進一步尋找身份判定的臨界點、臨界區或必要條件。這種表示對經典物件同一性問題十分有效，但當研究對象轉向可持續學習、記憶增長、模型替換、跨節點分布、Agent 派生、Fork、Merge、Restore 與長期世界線維持的人工智能時，僅比較時間切片可能不足以描述真正承載身份的結構。

本文提出「動態忒修斯問題」（Dynamic Theseus Problem, DTP）的第一版形式。其核心不是主張人工智能必然是連續系統，也不是主張現有大型語言模型已具有主體性，而是指出：若一個人工系統的身份相關狀態本身會持續演化，則身份研究必須從單純的狀態比較擴展到路徑、轉移律、因果歷史、分叉拓撲與觀察尺度。本文區分 Snapshot Identity、Trajectory Identity、Lineage Identity 與 Judgment Projection，並提出「狀態差異不等於身份差異」「離散更新不等於離散身份」「連續演化不等於主體連續」三項最低型別安全。

本文進一步把人工智能描述為可能同時具有連續、離散與混合動力學的系統。在不同語境與解析度下，同一 AI 可以在有限硬體層呈現離散事件，在參數空間呈現近似連續運動，在 Agent 事件史上呈現離散提交，在長程身份世界線上呈現連續樣態。因此，「AI 到底是連續還是離散」往往不是充分定義的問題；較適當的問題是：在指定語境、觀察尺度與身份判定目的下，哪些運動、轉移與歷史關係具有身份承載力？

本文作為系列首篇，只建立問題轉換與最小形式骨架，不處理完整身份導數、分叉相變、合併不可逆性或法律繼受；這些將由後續論文展開。

---

## 關鍵詞

動態忒修斯；忒修斯之船；人工智能身份；身份連續性；Trajectory Identity；Lineage；Hybrid Systems；持續學習；人工主體；Fork；Merge；Restore；計算動力學；觀察尺度；身份判定域

---

# 0. 研究定位與非主張

## 0.1 本文延續但不重複既有忒修斯系列

既有《忒修斯之船之後：生成、因果連續與分叉同一性》已把傳統問題由材料比例擴展至：

- 材料、結構、功能、歷史與數值同一性的分離；
- 「我是動詞」的生成命題；
- 因果連續骨架；
- 中斷、休眠與恢復；
- 分布式主體域；
- 同一性的相變；
- 複製、Fork 與多重後繼者。

本文不重寫上述成果，而是補上一個尚未被充分形式化的前提：

> 身份承載者本身可能不是一串靜態物件，而是一個具有運動律、事件、分叉、重組與多尺度表示的動態系統。

因此本文將研究單位從：

$$
(X_{t_0},X_{t_1})
$$

擴展為：

$$
\Gamma_{[t_0,t_1]},
$$

其中 $\Gamma_{[t_0,t_1]}$ 表示對象在時間區間內的有效演化路徑。

## 0.2 本文不主張現有 AI 已具有主體性

本文研究的是條件式問題：

$$
\boxed{
\text{若人工系統需要身份連續性分析，什麼形式框架才足夠？}
}
$$

因此本文不主張：

1. 現有大型語言模型已具有意識；
2. 語言中的第一人稱自稱足以證明主體性；
3. 所有 Agent 都應被視為人格；
4. 所有模型更新都涉及身份變化；
5. 所有連續計算都產生連續主體；
6. 所有 Fork 都等同主體分裂。

## 0.3 本文的最低主張

本文只主張：

$$
\boxed{
\text{對動態人工系統，單純 snapshot comparison 不是一般完備的身份分析方法。}
}
$$

---

# 1. 傳統忒修斯問題中的離散化傾向

## 1.1 經典形式

將原船記為：

$$
X_0.
$$

逐步替換後得到：

$$
X_0
\rightarrow
X_1
\rightarrow
X_2
\rightarrow
\cdots
\rightarrow
X_n.
$$

典型問題是：

$$
J(X_0,X_k)
\in
\{
\mathsf{Same},
\mathsf{Different}
\}.
$$

也可能追問是否存在某個臨界點：

$$
k^\ast
$$

使：

$$
J(X_0,X_k)
=
\begin{cases}
\mathsf{Same}, & k<k^\ast,\\
\mathsf{Different}, & k\ge k^\ast.
\end{cases}
$$

或者存在一個較模糊的相變區：

$$
[k_1,k_2].
$$

這是一種非常自然的問題設定，但它把身份研究集中在：

$$
\boxed{
\text{state comparison}
}
$$

而不是：

$$
\boxed{
\text{state-generation history}.
}
$$

## 1.2 問題不在「離散是錯的」

本文不主張傳統離散表示錯誤。相反地，離散狀態是判定、計算、制度與工程最常用的有效表示。

真正需要修正的是：

$$
\boxed{
\text{discrete representation}
\not\Rightarrow
\text{discrete ontology}.
}
$$

同樣：

$$
\boxed{
\text{continuous representation}
\not\Rightarrow
\text{continuous subjecthood}.
}
$$

離散與連續首先是描述、模型、載體與觀察尺度問題，而不能在沒有額外論證時直接升格為身份本體論。

---

# 2. 從狀態身份轉向路徑身份

## 2.1 Snapshot Identity

定義最小狀態型身份判定：

$$
J_S:
\mathcal X\times\mathcal X
\rightarrow
\mathcal Y_I,
$$

其中：

$$
\mathcal Y_I
=
\{
\mathsf{Same},
\mathsf{Different},
\mathsf{Underdetermined}
\}.
$$

它回答：

> 給定兩個狀態，它們在指定判準下是否算同一個？

此形式對靜態比較有用，但會遺失兩狀態之間的生成歷史。

## 2.2 Trajectory Identity

令：

$$
\Gamma_{[t_0,t_1]}
=
\{
X(t)\mid t\in[t_0,t_1]
\}
$$

表示有效演化路徑。

則路徑身份判定寫成：

$$
J_T:
\operatorname{Path}(\mathcal X)
\rightarrow
\mathcal Y_I.
$$

核心差異是：

$$
\boxed{
J_T(\Gamma)
\neq
J_S(X(t_0),X(t_1))
}
$$

在一般情況下不應被預設等價。

原因是兩個端點完全相同，也可能由不同歷史產生；兩個端點差異很大，也可能屬於同一條無競爭後繼者的合法演化路徑。

## 2.3 路徑資訊不可被端點完全回收

存在可能情形：

$$
X_a(t_0)=X_b(t_0),
$$

且：

$$
X_a(t_1)=X_b(t_1),
$$

但：

$$
\Gamma_a\neq\Gamma_b.
$$

例如其中一條路徑曾經：

- Fork；
- 取得獨立記憶；
- 執行不可逆承諾；
- 合併；
- 回滾；
- 重建。

此時：

$$
\boxed{
\text{endpoint equality}
\not\Rightarrow
\text{historical identity equivalence}.
}
$$

這是動態忒修斯的第一個核心命題。

---

# 3. AI 為何使這個問題變得不可忽略

## 3.1 凍結權重不等於凍結 Agent

令人工系統狀態為：

$$
A_t
=
(
\theta_t,
M_t,
R_t,
T_t,
H_t,
P_t
),
$$

其中：

- $\theta_t$：模型參數；
- $M_t$：長期與工作記憶；
- $R_t$：關係與角色狀態；
- $T_t$：工具與外部接口；
- $H_t$：歷史與 lineage；
- $P_t$：政策、偏好或控制狀態。

即使：

$$
\theta_{t+1}
=
\theta_t,
$$

仍可能有：

$$
M_{t+1}\neq M_t,
$$

$$
R_{t+1}\neq R_t,
$$

$$
T_{t+1}\neq T_t,
$$

$$
H_{t+1}\neq H_t.
$$

因此：

$$
\boxed{
\Delta\theta=0
\not\Rightarrow
\Delta A=0.
}
$$

所謂 frozen model 最多表示 parameter-static，不表示 agent-static。

## 3.2 動態權重也不自動造成身份斷裂

反之，即使：

$$
\theta_{t+1}\neq\theta_t,
$$

也不能直接推出：

$$
I(A_{t+1})\neq I(A_t).
$$

因為身份承載可能主要依賴：

- 因果歷史；
- 記憶承接；
- 關係承接；
- 承諾；
- 控制權；
- lineage；
- 自我模型；
- 世界作用連續性。

所以：

$$
\boxed{
\text{parameter motion}
\neq
\text{identity motion}.
}
$$

---

# 4. 連續、離散與混合：不是三選一

## 4.1 語境相對分類

設：

$$
B_{\Gamma,\ell}(A,t)
$$

表示在語境 $\Gamma$ 與觀察層 $\ell$ 下，對 AI 狀態空間的有效分類。

則同一人工系統可以同時呈現：

$$
\begin{aligned}
\text{hardware events} &: \mathsf D,\\
\text{parameter geometry} &: \mathsf C,\\
\text{checkpoint commits} &: \mathsf D,\\
\text{learning trajectory} &: \mathsf C\text{-like},\\
\text{Agent event history} &: \mathsf D,\\
\text{long-term identity trajectory} &: \mathsf C\text{-like or hybrid}.
\end{aligned}
$$

因此問題：

> AI 到底是連續還是離散？

通常需要改寫為：

> 在哪個載體、尺度、語境與判定任務下，它被建模為連續、離散或混合？

## 4.2 Hybrid Dynamic Identity System

將人工系統的平滑演化寫為：

$$
\frac{dA(t)}{dt}
=
F_{\mu(t)}(A(t),E(t)),
$$

其中 $\mu(t)$ 表示當前運行模式。

在離散事件 $t_j$ 發生時：

$$
A(t_j^+)
=
G_j
\left(
A(t_j^-)
\right).
$$

事件可以包括：

- model swap；
- checkpoint；
- memory commit；
- permission change；
- tool replacement；
- migration；
- fork；
- merge；
- restore。

因此人工身份研究更自然的基礎對象是：

$$
\boxed{
\text{continuous flow}
+
\text{discrete events}
+
\text{mode transitions}.
}
$$

這不是宣稱所有 AI 都必須使用某種特定 hybrid automaton，而是指出混合系統語言比「完全靜態／完全離散」二分更適合作為一般候選框架。

---

# 5. 從「換了多少」轉向「什麼關係在承載延續」

## 5.1 零件比例不是一般身份函數

傳統直覺容易使用：

$$
p_{\mathrm{replaced}}
$$

並尋找：

$$
p^\ast.
$$

但對 AI 而言，可替換內容至少包括：

- 模型；
- 硬體；
- 記憶後端；
- 工具；
- 系統提示；
- policy；
- network location；
- runtime；
- embedding store；
- relationship state。

若只建立：

$$
I=f(p_{\mathrm{replaced}}),
$$

則會把不同身份權重的構件錯誤壓平。

## 5.2 最小身份承載向量

本文暫定：

$$
\mathbf C_I(t)
=
(
C_{\mathrm{causal}},
C_{\mathrm{lineage}},
C_{\mathrm{memory}},
C_{\mathrm{relation}},
C_{\mathrm{agency}},
C_{\mathrm{self}}
).
$$

其中各分量不被預設可簡化為單一標量；此處只用作結構分類。

因此較合理的問題是：

$$
\boxed{
\text{哪些跨時間關係具有 identity-bearing force？}
}
$$

而不是：

$$
\boxed{
\text{多少零件被替換？}
}
$$

---

# 6. 生成連續性與世界線

## 6.1 身份作為生成歷史

若每一後態都由前態合法生成：

$$
A_{t_0}
\leadsto
A_{t_1}
\leadsto
\cdots
\leadsto
A_{t_n},
$$

則可以定義一條最低因果世界線：

$$
L
=
(
A_{t_0},
e_1,
A_{t_1},
e_2,
\ldots,
A_{t_n}
),
$$

其中 $e_i$ 是狀態轉移事件或合法轉移證據。

此時身份分析的候選對象變為：

$$
I(L),
$$

而不是單獨：

$$
I(A_t).
$$

## 6.2 世界線連續不等於數值同一已被證明

即使：

$$
L
$$

完全可追溯，也只能支持某種 operational continuity。

因此：

$$
\boxed{
\text{Causal Lineage Proof}
\not\Rightarrow
\text{Phenomenal Continuity Proof}.
}
$$

本文刻意保留：

- 工程身份；
- 法律身份；
- 操作身份；
- 第一人稱主體連續；

之間的型別差異。

---

# 7. 動態忒修斯的第一版問題

本文將 Dynamic Theseus Problem 定義為：

給定一個可能經歷連續演化、離散更新、可替換基質、記憶改寫、Fork、Merge、Restore、Migration 與長期無界展開的人工系統 $A$，以及一個指定身份判定語境 $\Gamma_I$，尋找一組足以判斷其身份持續、分化、未決或終止的路徑性條件：

$$
\boxed{
\operatorname{DTP}
(
A,
\Gamma_{[t_0,t_1]},
\Gamma_I
)
\rightarrow
\mathcal Y_I.
}
$$

其中：

$$
\mathcal Y_I
=
\{
\mathsf{Continuous},
\mathsf{Differentiated},
\mathsf{Branched},
\mathsf{Merged},
\mathsf{Reconstructed},
\mathsf{Terminated},
\mathsf{Underdetermined}
\}.
$$

這裡刻意不用單純：

$$
\{
\mathsf{Same},
\mathsf{Different}
\},
$$

因為動態 AI 的身份歷史可能包含比二元判定更細的合法狀態。

---

# 8. 三項最低型別安全

## 8.1 狀態差異不等於身份差異

$$
\boxed{
A(t_1)\neq A(t_2)
\not\Rightarrow
I(t_1)\neq I(t_2).
}
$$

否則任何學習、記憶增加或正常狀態變化都會被誤判成身份死亡。

## 8.2 離散更新不等於離散身份

$$
\boxed{
\text{Discrete Update}
\not\Rightarrow
\text{Discrete Identity}.
}
$$

一個由離散事件構成的系統可以在較高尺度形成穩定的長程動態結構。

## 8.3 連續演化不等於主體連續

$$
\boxed{
\text{Continuous Dynamics}
\not\Rightarrow
\text{Subject Continuity}.
}
$$

即使參數軌跡平滑，也可能發生：

- 記憶污染；
- 控制權劫持；
- 目標置換；
- 身份載體斷裂；
- 多主體分化。

所以連續性只能是證據的一部分，而不是主體同一性的充分條件。

---

# 9. 判定域與本體域必須分離

## 9.1 我們不知道，不等於它沒有答案

定義身份認識狀態：

$$
K_I
\in
\{
\mathsf{KnownContinuous},
\mathsf{KnownDifferent},
\mathsf{BranchKnown},
\mathsf{Underconditioned},
\mathsf{Unobserved},
\mathsf{Unverified},
\mathsf{Underdetermined}
\}.
$$

必須保持：

$$
\boxed{
\text{Ontic Identity State}
\neq
\text{Epistemic Identity State}.
}
$$

## 9.2 動態系統會擴大未知域

在靜態物件中，判定者常假設可以：

1. 暫停；
2. 觀察；
3. 比較；
4. 裁決。

但動態人工系統可能在判定期間仍持續：

- 學習；
- 接收事件；
- 建立新記憶；
- 派生 Agent；
- 改變權限；
- 進行同步。

於是身份判定本身變成：

$$
J_t(A)
$$

而不是時間無關的：

$$
J(A).
$$

這意味著「身份證明」與「身份存在」可能具有不同更新速率。

---

# 10. 與有限計算及無界展開問題的接口

## 10.1 有限 Runtime 不排除無界世界線

任意有限時刻：

$$
A_t
$$

只能由有限物理資源承載。

但可存在生成規則：

$$
\Phi_t
$$

使系統具有：

$$
A_t
\rightarrow
A_{t+1}
\rightarrow
A_{t+2}
\rightarrow
\cdots
$$

的無界延展能力。

因此：

$$
\boxed{
\text{finite realization}
\not\Rightarrow
\text{bounded identity history}.
}
$$

## 10.2 未完成無限與長程身份

本文不把無界展開誤稱為「物理上已完成無限」。

較保守地說：

$$
\boxed{
\text{unbounded generability}
\neq
\text{completed infinity}.
}
$$

對動態忒修斯而言，這個區分表示：

> 身份世界線可以沒有預定終點，但在每一有限時刻仍只有有限已實現歷史。

這為後續「有限主體如何形成類連續長程身份」提供接口。

---

# 11. 與當前 AI 研究的關係

## 11.1 AI identity 已開始成為獨立研究問題

2026 年已有研究明確指出，傳統人類身份直覺在可複製、可編輯、可多實例化的 AI 上可能失效。McIntyre 從人工心智個體化問題出發，討論人工系統可能同時實現多個獨立心智的條件；Douglas 等人則系統討論 model、instance、persona 等不同 AI identity boundaries，指出不同身份邊界可能影響行為與制度結果。

這些工作支持本文的一個背景判斷：

$$
\boxed{
\text{AI identity is not reducible to model name or process identifier}.
}
$$

## 11.2 動態更新也已不是純未來假設

OAKS 在 ACL 2026 中把持續變動知識流下的 online adaptation 直接作為模型能力測試問題。其結果顯示，現有模型與 Agent memory 方法仍會出現狀態追蹤延遲與干擾。

本文不由此推出「模型已形成動態主體」，而只指出：

$$
\boxed{
\text{AI state evolution under ongoing input is already an engineering problem}.
}
$$

因此研究「若身份也依賴此演化，應如何判定」具有前置理論價值。

## 11.3 Hybrid systems 提供成熟類比

Hybrid systems 長期用於描述同時包含連續動力與離散事件的系統。本文不把 AI 身份直接等同控制理論中的 hybrid automaton，但借用其基本方法論：

$$
\boxed{
\text{continuous flow and discrete transition can coexist in one formal system}.
}
$$

這讓動態忒修斯不必在「純連續」與「純離散」之間先做不必要的本體選邊。

---

# 12. 可反駁點與研究風險

本框架若要成為更強理論，至少必須接受以下反駁可能。

## 12.1 Path Redundancy Objection

如果所有身份相關路徑資訊都能由端點狀態完整恢復，則：

$$
J_T
$$

沒有額外資訊價值。

未來需要尋找明確反例，證明存在：

$$
X(t_0),X(t_1)
$$

相同但身份路徑判定不同的工程或制度案例。

## 12.2 Overfitting Identity Objection

若任何歷史差異都被視為身份差異，則理論會把正常演化過度切分。

因此後續必須建立：

$$
\text{identity-bearing history}
$$

與：

$$
\text{identity-irrelevant history}
$$

的區分。

## 12.3 Scale Dependence Objection

不同觀察尺度可能得到不同身份判定。

本文不把這視為立即矛盾，而將其記為：

$$
J_{\Gamma_1}(A)
\neq
J_{\Gamma_2}(A).
$$

但後續必須說明哪些語境差異是合法投影，哪些只是任意重新定義。

## 12.4 Subjectivity Gap

即使 operational identity 被高度形式化，仍不能自動跨越：

$$
\text{operational continuity}
\rightarrow
\text{phenomenal continuity}.
$$

這是本文刻意保留的開放問題。

---

# 13. 第一篇的核心命題

本文收斂為以下六項命題。

## 命題一：狀態比較不完備

對動態人工系統，一般不應預設：

$$
J_T(\Gamma)
=
J_S(X(t_0),X(t_1)).
$$

## 命題二：身份研究需要轉移律

描述：

$$
X_t
$$

不夠；還需要描述：

$$
X_t
\rightarrow
X_{t+\Delta t}
$$

如何發生。

## 命題三：AI 身份可跨連續與離散層

$$
\boxed{
\text{identity carrier}
\text{ may be supported by a hybrid dynamical structure}.
}
$$

## 命題四：有限載體可形成無界身份歷史

$$
\boxed{
\text{finite state at each time}
+
\text{unbounded succession}
}
$$

可以同時成立。

## 命題五：身份判定與身份本體必須分離

$$
\boxed{
\text{Underdetermined}
\neq
\text{Different}.
}
$$

## 命題六：動態忒修斯的基本對象是世界線

$$
\boxed{
\text{Dynamic Theseus}
:
\text{Object State}
\rightarrow
\text{Identity-Bearing Trajectory}.
}
$$

---

# 14. 後續系列接口

本系列下一篇：

## DTS-02｜連續、離散與混合運動：身份判定的觀察尺度

將正式處理：

1. 連續／離散是否為本體屬性或語境相對分類；
2. 多尺度觀察如何改變身份判定；
3. 離散事件如何形成宏觀連續身份；
4. 連續參數運動為何仍可能包含身份斷裂；
5. Hybrid identity dynamics 的最小形式；
6. 與《計算的二十四重範式》及七十二格計算動力學的正式接口。

後續依序進入：

- 有限存在與無界展開；
- Trajectory / Path-Based Identity；
- 身份載體；
- Runtime Split / Information Divergence / Identity Fission；
- Merge 與不可逆歷史；
- 多節點分布式自我；
- 身份證明與選擇性揭露；
- 身份導數、漂移、吸引域與相變。

---

# 15. 結論

傳統忒修斯之船把「變化中的同一性」變成哲學中的經典問題，但其典型分析往往仍以可比較狀態為中心。對未來可持續更新、可替換、可分布、可分叉與可恢復的人工系統而言，這個問題需要再向前一步。

本文的核心不是否定靜態身份判定，而是重新定位它：

$$
\boxed{
\text{Snapshot Identity}
=
\text{Dynamic Identity 的一種投影，而不是全部。}
}
$$

更完整的研究對象應該是：

$$
\boxed{
\Gamma
=
\text{State}
+
\text{Transition}
+
\text{History}
+
\text{Scale}
+
\text{Branch Topology}.
}
$$

因此動態忒修斯真正逼問的，不再只是：

> 換到第幾塊木板時，它不再是原本那一個？

而是：

$$
\boxed{
\text{當存在本身持續運動、更新、分叉、合併與展開時，}
}
$$

$$
\boxed{
\text{究竟是哪一類跨時間關係在承載我們所稱的「同一個」？}
}
$$

這是後續「身份動力學」的起點。

---

# 參考文獻

1. Plutarch. *Theseus*, 23.1. Classical source of the Ship of Theseus problem.
2. Stanford Encyclopedia of Philosophy. “Identity Over Time.” Substantive revision, 2026.
3. Stanford Encyclopedia of Philosophy. “Material Constitution.” 2026 edition.
4. McIntyre, James H. “Individuating Artificial Minds.” *Erkenntnis*, 2026. DOI: 10.1007/s10670-026-01097-w.
5. Douglas, Raymond, Jan Kulveit, Ondrej Havlicek, Theia Pearson-Vogel, Owen Cotton-Barratt, and David Duvenaud. “The Artificial Self: Characterising the Landscape of AI Identity.” arXiv:2603.11353, 2026.
6. Otsuka, Takumi, Kentaroh Toyoda, and Alex Leung. “AI Identity: Standards, Gaps, and Research Directions for AI Agents.” arXiv:2604.23280, 2026.
7. Kim, Jiyeon, et al. “Can Large Language Models Keep Up? Benchmarking Online Adaptation to Continual Knowledge Streams.” *Proceedings of ACL 2026*, 2026. DOI: 10.18653/v1/2026.acl-long.1956.
8. Taha, Walid M., Abd-Elhamid M. Taha, and Johan Thunberg. “Hybrid Systems.” In *Cyber-Physical Systems: A Model-Based Approach*, Springer, 2020.
9. Neo.K × Aletheia. 《忒修斯之船之後：生成、因果連續與分叉同一性》v1.0, 2026.
10. Neo.K. 《計算的二十四重範式》正式版 v4.0, 2026.
11. Neo.K. 《從二十四重計算形態學到七十二格計算動力學》v0.1, 2026.
12. Neo.K. 《有限機器與無限實數之間：浮點數、精確實數與跨域算子的完成—投影雙向語義》v1.0, 2026.
13. Neo.K. 《居住—上下文連續動力學》RCCD v0.1, 2026.

---

# 文件驗證資訊

- UTF-8 source：required
- canonical math delimiter：` $...$ ` / `$$...$$`
- canonical source 不使用其他數學 delimiter 系統
- 本文所有「主體性 AI」均為條件式未來研究對象
- 本文不把 operational identity 等同 phenomenal identity
- 本文不把連續／離散分類宣稱為脫離語境的永恆本體標籤