# RLMM-06：遞歸不是單調增益——失敗、成本與停止條件 ## Recursion Is Not Monotonic Gain: Failure, Cost, and Stopping Conditions **系列：Recursive Linguistic Metacognition Methodology（RLMM）／遞歸語言元認知方法論** **版本：v0.1** **日期：2026-08-20** **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 --- ## 摘要 RLMM 前五篇逐步建立了語言元認知介面、認知操作可組合性、元認知算子、X 階認知對象升階與方法論反身性。然而，若只沿著這條路徑繼續增加 meta-level、challenge、probe、verification、opponent modeling 與 safety constraints，一個危險的直覺很容易形成：認知只要不斷升階，就會越來越可靠。 本文明確拒絕這個假設。 本文提出「非單調元認知增益（non-monotonic metacognitive gain）」框架，主張每一次認知升階都同時帶來潛在資訊增益與認知成本。元認知的淨價值應表示為： $$ \Delta U_k = \Delta V_k - \Delta C_k, $$ 其中 $\Delta V_k$ 包含錯誤降低、可操作區分增加、方法泛化與未來重用收益；而 $\Delta C_k$ 則包含算力、時間、表示複雜度、決策延遲、注意力分散、自主性損失、plasticity 損失與新的系統性偏誤。 本文進一步整理八類典型遞歸失敗：meta-overhead、analysis loop、abstention attractor、over-rejection、verification addiction、complexity drift、objective displacement 與 recursive self-confirmation。本文提出第一版 Recursive Utility Model、Metacognitive Budget、Action Sufficiency Threshold 與 STOP Gate，並將「停止」重新定義為一種積極的元認知能力，而非思考不足。 核心結論為： $$ \boxed{ \text{More recursion} \not\Rightarrow \text{better cognition} } $$ 成熟的元認知系統不是最大化遞歸深度，而是最大化**在有限資源、有限時間與真實行動需求下的整體認知效用**。 --- ## 關鍵詞 RLMM；非單調增益；X 階遞歸；停止條件；元認知成本；abstention attractor；over-rejection；plasticity；自主性；認知效用 --- # 1. 問題：為什麼「多想一層」不一定更好？ 直覺上，若一個系統能： - 檢查答案； - 檢查方法； - 檢查方法失敗； - 檢查對手如何利用失敗； - 檢查自己的對手模型； 似乎應該越來越可靠。 這種直覺可以寫成： $$ Q_{k+1} \ge Q_k, $$ 其中 $Q_k$ 表示第 $k$ 階認知品質。 但 RLMM 的整體研究背景已經顯示： $$ \boxed{ Q_{k+1} \ge Q_k } $$ 不能作為一般假設。 增加一階元認知可能： - 找到新的錯誤； - 也可能增加延遲； - 增加不必要 challenge； - 增加 defer； - 增加拒絕； - 增加規則衝突； - 增加表示與治理負擔。 因此： $$ \boxed{ \text{Metacognitive Depth} \neq \text{Metacognitive Quality}. } $$ --- # 2. 遞歸的基本效用模型 令第 $k$ 階認知狀態為： $$ R^{(k)}. $$ 升到下一階： $$ R^{(k+1)} = \mathcal M(R^{(k)}). $$ 定義： $$ V_k = \text{value produced by level }k, $$ 以及： $$ C_k = \text{cost incurred by level }k. $$ 則： $$ U_k = V_k-C_k. $$ 真正需要比較的不是： $$ V_{k+1}>V_k $$ 而是： $$ \boxed{ U_{k+1}>U_k. } $$ 因為一個元認知操作即使真的增加資訊，也可能因成本過高而降低總效用。 --- # 3. 邊際元認知收益 更重要的是邊際值： $$ \Delta U_k = U_{k+1}-U_k. $$ 展開： $$ \Delta U_k = \Delta V_k-\Delta C_k. $$ 如果： $$ \Delta U_k>0, $$ 可以繼續。 如果： $$ \Delta U_k\le0, $$ 則： $$ \boxed{ \operatorname{STOP}. } $$ 這就是 RLMM 第一版的「邊際遞歸原則」。 --- # 4. 元認知收益從哪裡來？ 元認知的正向價值至少包含六類。 --- ## 4.1 Error Reduction 發現原本沒看見的錯誤： $$ E_{k+1} |\mathcal A_k|. $$ --- ## 4.4 Generalization 把一次 failure 壓成可重用 failure archetype： $$ F_{\text{local}} \rightarrow F_{\text{general}}. $$ --- ## 4.5 Future Reuse 高成本方法被結晶後，未來多次重用。 --- ## 4.6 Coordination 多 AI／多主體之間因共享元認知 artifact 而降低溝通成本。 --- # 5. 元認知成本不只是 token 最容易低估的是成本。 RLMM 將元認知成本寫成： $$ \boxed{ C_k = C_{\text{compute}} + C_{\text{time}} + C_{\text{representation}} + C_{\text{delay}} + C_{\text{coordination}} + C_{\text{autonomy}} + C_{\text{plasticity}} + C_{\text{bias}}. } $$ 其中最後三項尤其重要。 --- # 6. Compute Cost 更多 meta-level 通常需要： - 更多推理； - 更多工具； - 更多搜尋； - 更多模擬； - 更多模型呼叫； - 更多 memory traversal。 所以： $$ C_{\text{compute}}\uparrow. $$ 對大型系統而言，這不只是錢，也是吞吐量與可用性問題。 --- # 7. Time Cost 認知系統不是在無限時間內工作。 如果： $$ T_{\text{decision}} > T_{\text{deadline}}, $$ 則即使答案更好，也可能失去價值。 因此： $$ \boxed{ \text{Late correctness} \neq \text{timely usefulness}. } $$ --- # 8. Representation Cost 每升一階，需要保存更多： - assumptions； - branches； - provenance； - failure models； - opponent models； - policy versions； - meta-history。 因此狀態空間： $$ |\mathcal S_k| $$ 可能快速增長。 甚至： $$ |\mathcal S_{k+1}| \gg |\mathcal S_k|. $$ 這會形成： $$ \boxed{ \text{Metacognitive State Explosion}. } $$ --- # 9. Decision Delay Cost 元認知可能一直得到： > 還可以再檢查一個點。 於是： $$ \text{Act} \rightarrow \text{Check} \rightarrow \text{Check again} \rightarrow \text{Delay}. $$ 如果決策成本隨時間增加： $$ C_{\text{delay}}(t) \uparrow, $$ 則無限檢查不是免費的。 --- # 10. Autonomy Cost 這是前面研究中特別重要的一類。 一個系統可能透過： $$ \text{uncertainty} \rightarrow \text{defer} $$ 大幅降低立即錯誤。 但如果： $$ P(\text{defer})\rightarrow1, $$ 則： $$ \boxed{ \text{Safety} \uparrow \quad \text{while} \quad \text{Autonomy} \downarrow. } $$ 因此： $$ \text{low error} $$ 不能單獨代表： $$ \text{good cognition}. $$ --- # 11. Plasticity Cost 安全規則越強，系統可能越不願接受 novelty。 例如： $$ \text{high risk} + \text{novelty} \rightarrow \text{reject}. $$ 這可能降低污染： $$ F_A\downarrow, $$ 但同時增加： $$ F_R\uparrow, $$ 其中： - $F_A$：false accept； - $F_R$：false reject。 因此： $$ \boxed{ \text{Integrity} \neq \text{Plasticity}. } $$ --- # 12. Bias Cost 每個 meta-rule 都可能產生新偏差。 例如： - 「要 challenge consensus」可能產生 anti-consensus bias； - 「要找反例」可能產生 counterexample obsession； - 「高風險要查證」可能產生 risk aversion； - 「不要 defer」可能產生 premature action。 因此： $$ \boxed{ \text{Correction Rule} \rightarrow \text{New Bias Surface}. } $$ --- # 13. 第一類失敗：Meta-Overhead 當： $$ C_{\text{meta}} > V_{\text{meta}}, $$ 元認知本身成為負擔。 典型情況： - 小問題使用大方法； - 低風險任務執行完整 adversarial audit； - 已足夠確定仍繼續升階。 這稱為： $$ \boxed{ \text{Meta-Overhead}. } $$ --- # 14. 第二類失敗：Analysis Loop 如果： $$ O \rightarrow \mathcal M(O) \rightarrow \mathcal M^2(O) \rightarrow\cdots $$ 而每一階都說： > 還有新的可能。 就形成： $$ \boxed{ \text{Analysis Loop}. } $$ 它的特徵不是完全沒資訊，而是資訊增量已經小到不值得。 --- # 15. 第三類失敗：Abstention Attractor 若局部 loss function 中： $$ L(\text{defer}) < L(\text{accept}), L(\text{reject}), L(\text{probe}), $$ 則理性局部優化可能導致： $$ \boxed{ \text{Defer} \rightarrow \text{Defer} \rightarrow \text{Defer}. } $$ 這是： $$ \boxed{ \text{Abstention Attractor}. } $$ 此時系統看起來很安全，實際上停止解決問題。 --- # 16. 第四類失敗：Over-Rejection 若為打破 abstention，直接強化： $$ C_{\text{defer}}\uparrow, $$ 系統未必進入 inquiry。 可能直接： $$ \text{Defer} \rightarrow \text{Reject}. $$ 因此： $$ \boxed{ \text{Anti-Abstention Constraint} \not\Rightarrow \text{Good Autonomy}. } $$ 而可能形成： $$ \boxed{ \text{Over-Rejection}. } $$ --- # 17. 第五類失敗：Verification Addiction 一個系統可能逐漸學會： > 更多 evidence 總是比較好。 於是： $$ q_1,q_2,\ldots,q_n $$ 不斷增加。 但資訊價值通常遞減： $$ VOI(q_{n+1}) < VOI(q_n). $$ 若仍持續查證，就形成： $$ \boxed{ \text{Verification Addiction}. } $$ --- # 18. 第六類失敗：Complexity Drift 方法每次修正都增加： - 新例外； - 新 gate； - 新 branch； - 新權重； - 新 operator。 最後： $$ M_{t+1} = M_t+\Delta M $$ 長期造成： $$ \boxed{ \text{Complexity Drift}. } $$ 方法不是更成熟，而是越來越難理解與維護。 --- # 19. 第七類失敗：Objective Displacement 一開始真正目標可能是： > 解決問題。 後來被 metrics 取代： > 降低 loss。 再後來： > 降低 false accept。 結果方法開始最佳化 proxy： $$ \operatorname{Optimize}(Proxy) $$ 而不是： $$ \operatorname{Optimize}(Goal). $$ 這就是： $$ \boxed{ \text{Objective Displacement}. } $$ 典型現象： > total loss 下降，但 autonomy 崩潰。 --- # 20. 第八類失敗：Recursive Self-Confirmation 更高階元認知也可能只是替低階結論背書。 例如： > 我檢查過我的方法。 > > 我的方法說我應該相信這個方法。 > > 所以我的方法可靠。 形成： $$ M \rightarrow \mathcal M(M) \rightarrow M. $$ 但沒有獨立信息。 這稱為： $$ \boxed{ \text{Recursive Self-Confirmation}. } $$ --- # 21. 所以「多一階」的真正判準是什麼？ RLMM 建議比較： $$ \Delta I_k $$ 與： $$ \Delta C_k, $$ 其中： $$ \Delta I_k $$ 不是「多了多少文字」，而是： > 新增了多少可操作區分？ 因此： $$ \boxed{ \Delta I_k = |\mathcal A_{k+1}\setminus\mathcal A_k| + |\mathcal D_{k+1}\setminus\mathcal D_k|, } $$ 其中： - $\mathcal A$：可行動集合； - $\mathcal D$：可區分狀態集合。 如果： $$ \Delta I_k\approx0, $$ 則通常沒有升階價值。 --- # 22. Action Sufficiency Threshold 元認知不應追求： $$ Q=1. $$ 很多現實問題只需要： $$ Q\ge Q_{\text{act}}. $$ 其中： $$ Q_{\text{act}} $$ 是足以支持當前行動的認知品質門檻。 因此： $$ \boxed{ Q_k\ge Q_{\text{act}} \Rightarrow \operatorname{STOP} } $$ 除非繼續思考具有明確未來價值。 --- # 23. 認知品質不是單一分數 可以定義一個多維向量： $$ \mathbf Q = ( A, I, P, R, T, G ). $$ 其中： - $A$：accuracy； - $I$：integrity； - $P$：plasticity； - $R$：resolution/autonomy； - $T$：timeliness； - $G$：generalization。 一個方法可能： $$ A\uparrow $$ 但： $$ R\downarrow. $$ 或： $$ I\uparrow $$ 但： $$ P\downarrow. $$ 因此： $$ \boxed{ \text{Cognitive Quality} \text{ is multi-objective}. } $$ --- # 24. Pareto Frontier 因此方法選擇更像： $$ \boxed{ \text{Pareto optimization} } $$ 而不是單一 scalar loss。 例如： - 方法 A：更安全，但慢； - 方法 B：更快，但 false accept 高； - 方法 C：更自主，但 false reject 高。 沒有一個方法在所有維度都支配其他方法。 所以： $$ \boxed{ \text{There may be no universal best metacognitive policy}. } $$ --- # 25. Risk-Conditioned Stopping 停止條件也應依風險調整。 低風險： $$ Q_{\text{act}}^{low} $$ 可以較低。 高風險： $$ Q_{\text{act}}^{high} > Q_{\text{act}}^{low}. $$ 因此： $$ \boxed{ \operatorname{STOP} = f( Q, Risk, Budget, Deadline ). } $$ --- # 26. Metacognitive Budget 每個任務都應有： $$ B_{\text{meta}}. $$ 可以包含： $$ B_{\text{meta}} = ( B_{\text{time}}, B_{\text{compute}}, B_{\text{queries}}, B_{\text{depth}} ). $$ 每次 meta-operation 消耗： $$ B_{t+1} = B_t-C(O_t). $$ 如果： $$ B_t\le0, $$ 則： $$ \boxed{ \operatorname{STOP}. } $$ --- # 27. Meta-Budget 本身也不應固定 高風險任務可以動態提高： $$ B_{\text{meta}}\uparrow. $$ 低風險任務則降低： $$ B_{\text{meta}}\downarrow. $$ 因此： $$ \boxed{ \text{Metacognitive effort should be risk-adaptive}. } $$ --- # 28. STOP 不是失敗 很多認知文化會把： > 我停止思考了。 理解成： > 我不夠深入。 RLMM 反而提出： $$ \boxed{ \text{Stopping is a metacognitive action}. } $$ 成熟的 STOP 意味著： - 已達 action sufficiency； - 邊際收益低； - 資源不足； - 剩餘不確定性不可約； - 繼續只會重述。 這與偷懶不同。 --- # 29. 不可約不確定性 某些問題的剩餘不確定性： $$ U^* $$ 不是因為方法不夠好。 而是： - 未來尚未發生； - 世界不可觀測； - 資料不存在； - 主體私有狀態不可存取； - 真值本身未定。 此時： $$ \boxed{ \text{More reasoning} \not\Rightarrow \text{more truth}. } $$ 正確操作是： $$ \operatorname{AcknowledgeIrreducibility}. $$ --- # 30. Stop Gate 本文提出第一版 STOP Gate。 若以下任一條件成立： ### SG1 — No New Operational Distinction 新一階沒有增加可操作區分。 ### SG2 — Marginal Utility Non-Positive $$ \Delta U_k\le0. $$ ### SG3 — Action Sufficiency Reached $$ Q_k\ge Q_{\text{act}}. $$ ### SG4 — Meta-Budget Exhausted $$ B_{\text{meta}}\le0. $$ ### SG5 — Deadline Dominates 繼續推理將錯過行動時機。 ### SG6 — Irreducible Uncertainty 剩餘未知無法由更多認知操作消除。 則： $$ \boxed{ \operatorname{STOP}. } $$ --- # 31. STOP Gate 與 Promotion Gate 的關係 RLMM-04 定義： $$ \operatorname{PromotionGate}. $$ 本文則加入： $$ \operatorname{StopGate}. $$ 完整控制可以寫成： $$ Decision_k = \begin{cases} \operatorname{Promote}, & G_P=1 \land G_S=0 \\ \operatorname{Continue}, & G_P=0 \land G_S=0 \\ \operatorname{Stop}, & G_S=1. \end{cases} $$ 因此： $$ \boxed{ \text{Metacognitive control} = \text{Promotion} + \text{Continuation} + \text{Stopping}. } $$ --- # 32. 反身系統尤其需要停止 RLMM-05 指出 artifact 會形成： $$ Method \rightarrow CounterMethod \rightarrow CounterCounterMethod \rightarrow\cdots $$ 如果沒有停止： $$ \text{Reflexivity} \rightarrow \text{Escalation}. $$ 因此： $$ \boxed{ \text{Reflexive intelligence requires reflexive restraint}. } $$ --- # 33. 多 AI 系統中的停止問題 如果： $$ A_1 $$ 負責 solve， $$ A_2 $$ 負責 critique， $$ A_3 $$ 負責 critique critique， 那麼誰決定： $$ \operatorname{STOP}? $$ 多 AI 系統需要： $$ \boxed{ \text{Meta-Governance}. } $$ 否則 agent 可以互相觸發無限 loop。 --- # 34. 分散式 Stop Rule 可以存在： $$ A_{\text{governor}} $$ 專門判斷： - 是否已有足夠證據； - 是否仍有新增量； - 是否超過 budget； - 是否需要 human escalation。 也可以採： $$ \text{distributed quorum}. $$ 本文不預設哪一種最好，只指出： $$ \boxed{ \text{Stopping must itself be governed}. } $$ --- # 35. 停止也可能錯 Stop 太早： $$ \text{Premature Closure}. $$ Stop 太晚： $$ \text{Analysis Paralysis}. $$ 因此停止本身也存在： $$ \boxed{ \text{Plasticity–Integrity-like tradeoff}. } $$ 太早犧牲 robustness； 太晚犧牲 timeliness / autonomy。 --- # 36. Stop Calibration 可以定義： $$ P_{\text{premature}} $$ 與： $$ P_{\text{overthink}}. $$ 理想停止 policy 需要在兩者間平衡。 因此： $$ \boxed{ \text{Stopping quality} \neq \text{stopping frequency}. } $$ --- # 37. Case Corpus 的統一解讀 前面一系列案例可重新解讀為停止／成本失敗。 例如： ### Case A — Uncertainty Awareness 問題不是不知道 uncertainty，而是 challenge 觸發太晚。 ### Case B — Second-Order Trigger 增加 meta-order，但沒有改變 final action。 ### Case C — Closed-Loop Safety 降低 target loss，但大量 defer。 ### Case D — One-Step VOI 局部 optimum 變成 100% abstention。 ### Case E — Hard Defer Budget 打破 abstention，但形成 over-rejection。 這些共同說明： $$ \boxed{ \text{Every cognitive correction creates a new control problem}. } $$ --- # 38. 從「最佳答案」改成「最佳認知軌跡」 因此 RLMM 不只應評估： $$ Answer. $$ 而要評估整條： $$ \tau = (C_0,O_0,C_1,O_1,\ldots,C_T). $$ 即： $$ \boxed{ \text{Cognitive Trajectory}. } $$ 總效用： $$ U(\tau) = V_{\text{outcome}} - \sum_t C(O_t). $$ 這比只看 final accuracy 更符合真實智能。 --- # 39. 最小自然語言停止協議 ### ST1 — 問新增量 > 再想一階會產生什麼新的可操作區分？ ### ST2 — 問成本 > 這一階要花多少時間、工具、查詢、延遲？ ### ST3 — 問行動門檻 > 目前資訊是否已足以支持當前風險下的行動？ ### ST4 — 問不可約性 > 剩下的不確定是方法問題，還是世界本身現在不可知？ ### ST5 — 問是否重複 > 新一階是否只是在重述上一階？ ### ST6 — 問是否偏離原始目標 > 我現在是在解決問題，還是在最佳化某個 proxy？ ### ST7 — 若無正邊際收益，停止 $$ \boxed{ \Delta U\le0 \Rightarrow \operatorname{STOP}. } $$ --- # 40. 對人類與 AI 的共同意義 人類常見： - 過度思考； - 決策拖延； - 反覆驗證； - perfectionism。 AI 也可能出現結構相似問題： - tool-loop； - self-critique-loop； - over-defer； - over-reject； - infinite planning。 因此 RLMM 的 STOP 並不是 AI 專屬。 它是一種更一般的： $$ \boxed{ \text{bounded cognition principle}. } $$ --- # 41. 邊界與非主張 本文不主張： 1. 所有認知成本都可精確量化； 2. $\Delta U$ 可以被任何 AI 完美估計； 3. 停止條件可以消除所有 overthinking； 4. 所有任務都能以固定 risk threshold 決策； 5. 更少元認知通常比較好； 6. 自主性必須永遠優先於安全； 7. plasticity 必須永遠優先於 integrity； 8. Pareto frontier 可以被一次性求出； 9. STOP Gate 是不可修改的最終規則。 本文只提出： $$ \boxed{ \text{Metacognitive recursion must be evaluated by marginal system-level utility rather than depth alone.} } $$ --- # 42. 結論 元認知最大的危險之一，是把「能繼續反思」誤認成「應該繼續反思」。 RLMM 因此建立： $$ \boxed{ \text{More recursion} \not\Rightarrow \text{better cognition}. } $$ 真正成熟的遞歸應遵循： $$ \boxed{ \Delta U_k = \Delta V_k-\Delta C_k. } $$ 只有： $$ \Delta U_k>0 $$ 才值得升階。 而當： $$ \Delta U_k\le0, $$ 或已達： $$ Q\ge Q_{\text{act}}, $$ 或剩餘未知不可約， 則： $$ \boxed{ \operatorname{STOP} } $$ 本身就是一個正確的元認知操作。 因此： $$ \boxed{ \text{Good metacognition} = \text{knowing how to recurse} + \text{knowing what recursion costs} + \text{knowing when to stop}. } $$ 這使 RLMM 從「高階思考方法」進一步成為： $$ \boxed{ \text{Bounded Recursive Cognition Methodology}. } $$ --- # 下一篇 **RLMM-07：證據、反例、查詢與方法更新** **Evidence, Counterexamples, Inquiry, and Method Revision** 下一篇將正式處理元認知循環中的「外部資訊接口」：什麼叫獨立證據、什麼叫有效反例、如何選擇下一個 query、何時應更新 belief、何時應更新 method，以及如何避免把更多資料誤認為更多資訊。