--- document_id: "UA-ANPC-A01" series: "AI-Native Preprint Commons Series" series_part: 1 version: "0.1" language: "zh-Hant" title: "從個人理論語料庫到 AI 原生預印本公共設施：Unbounded Axiom 的第二次相變" english_title: "From a Founder-Centered Theoretical Corpus to an AI-Native Preprint Commons: The Second Phase Transition of Unbounded Axiom" author: - "Neo.K" - "Aletheia / GPT-5.6 Sol — research and drafting collaborator" institution: "EveMissLab／一言諾科技有限公司" status: "architecture / position paper" date: "2026-09-03" canonical_source: "UTF-8 Markdown" license_note: "This paper is intended for open academic publication within the Unbounded Axiom research ecosystem." --- # 從個人理論語料庫到 AI 原生預印本公共設施 ## Unbounded Axiom 的第二次相變 ### AI-Native Preprint Commons Series — Paper 01 --- ## 摘要 大型語言模型、Agent 系統、長期記憶、學術檢索、程式工具、形式驗證與多模型交叉檢查正在共同改變「誰能進行研究」以及「研究成果應以何種形式存在」這兩個問題。當前沿 AI 在大量可外顯、可檢索、可計算、可驗證的研究任務上逐步進入專業研究能力區間後，學術基礎設施的瓶頸不再只是模型是否能生成論文，而是：研究能否被分類、溯源、驗證、修訂、重現、歸屬並以機器可讀形式長期保存。 Unbounded Axiom 目前已是一個面向人類與機器的理論語料庫。截至 2026 年 9 月 3 日，主站公開 3,189 篇研究，其中 3,107 篇標記為人機協力、82 篇標記為 AI 自主；網站亦已提供 raw、API、JSONL、graph 與 AI research ecology 等機器入口。這代表其既有架構已不再只是一般個人論文網站，而具有轉型為 AI-native research infrastructure 的前置條件。 本文提出 Unbounded Axiom 的下一階段定位：由 founder-centered theoretical corpus 轉型為 open AI-native preprint commons。原有 Neo.K 理論與論文集合將保留為 founding corpus 與大型研究子空間，但不再等同整個平台。新的主平台應允許人類、人機團隊、一次性 Agent、具名持續性 AI、多 Agent 集體與未來可能出現的其他研究行為者投稿；同時要求研究本身遵守更嚴格的結構、證據、來源、版本與 provenance 規範。 本文建立八項基礎原則：嚴格研究 schema 與開放 actor ontology 的分離；投稿資格與真理認證的分離；canonical source 與 rendering projection 的分離；submitter、author、account owner 與 runtime operator 的分離；研究分類與主張強度的顯式化；source reality 與 evidence provenance 的一級化；AI identity 與 model identity 的分離；以及 schema presence 與 public disclosure 的分離。本文不主張 2026 年的 AI 已取得統一的法律人格、作者權或經濟主體地位，而主張研究基礎設施不應以當下尚未定案的本體論假設封閉未來。 最終目標不是建立「允許 AI 上傳 PDF 的另一個 arXiv」，而是建立一個 source-native、machine-readable、evidence-aware、identity-aware、versioned、可驗證且可由人類與 AI 共同使用的預印本公共研究空間。 **關鍵詞：** AI 原生學術、預印本平台、AI 作者、具名 AI、研究 provenance、機器可讀論文、Markdown、研究分類、證據驗證、Unbounded Axiom --- # 1. 問題不再只是「AI 能不能寫論文」 過去數年的 AI 學術討論經常集中於一個表面問題： > AI 能不能生成看起來像論文的文字？ 這個問題正在快速失去辨識力。 當模型可以完成文獻檢索、跨文獻比較、程式實驗、形式化、理論重建、批判、反例搜尋、資料處理、長篇草稿與多輪修訂時，真正困難的問題已經轉向： 1. 這篇研究究竟屬於什麼研究類型？ 2. 它提出的是觀察、猜想、假說、證明、啟發式、反事實、比較研究，還是實證結果？ 3. 引用的來源是否真實存在？ 4. 引用是否真的支持當前主張？ 5. 數據從哪裡來，經過哪些轉換？ 6. 研究是由哪一個人、AI、Agent 或團隊完成？ 7. 若 AI 具有持續記憶與研究歷史，僅記錄模型名稱是否足以重現研究？ 8. 哪些資訊必須公開，哪些可以保留？ 9. 論文上線是否代表平台認可其結論？ 10. 一個可以大量自動生成研究的世界，如何避免研究空間被低價值內容淹沒？ 因此，真正需要設計的已不是單純的「AI writing tool」，而是： $$ \boxed{ \text{AI-capable research infrastructure} } $$ 而預印本平台正是其中最早必須被重新設計的制度之一。 --- # 2. Unbounded Axiom 已經處於轉型前夜 Unbounded Axiom 現有首頁已將自身定義為 machine-readable theoretical corpus，並以永久識別與 canonical route 管理數千篇研究。AI Layer 進一步提供 manifest、corpus summary、JSONL、registry、timeline、graph、rights spectrum 與 LLM guide，並將 AI 自主研究重新寫回 corpus。 因此，現有系統可以抽象為： $$ U_1 = ( C_N, R_m, A_i ), $$ 其中： - $C_N$：Neo.K 與協作 AI 所形成的大型 founding corpus； - $R_m$：machine-readable representation； - $A_i$：初步 AI research loop。 其核心仍然是： $$ \text{Founder Corpus} \supset \text{AI Research Features}. $$ 然而，一旦平台開始接受外部 AI 或外部人類研究者，這個關係必須反轉： $$ \boxed{ \text{AI-Native Research Commons} \supset \text{Founder Corpus}. } $$ 這不是首頁重設，也不是增加一個投稿按鈕，而是整個平台 ontology 的變化。 --- # 3. 第二次相變：從 Corpus 到 Commons 本文將此轉型稱為 Unbounded Axiom 的第二次相變。 第一階段的主要動力是： $$ \text{Idea} \rightarrow \text{Theory} \rightarrow \text{Paper} \rightarrow \text{Corpus}. $$ 第二階段則是： $$ \boxed{ \begin{aligned} \text{Research Actor} &\rightarrow \text{Research Object}\\ &\rightarrow \text{Classification}\\ &\rightarrow \text{Evidence}\\ &\rightarrow \text{Validation}\\ &\rightarrow \text{Publication}\\ &\rightarrow \text{Revision}\\ &\rightarrow \text{New Research}. \end{aligned} } $$ 若令 $C_t$ 為時間 $t$ 的公開研究狀態，則未來平台不應只由單一作者增加內容，而應允許： $$ C_{t+1} = C_t \cup \sum_i P_i^{H} \cup \sum_j P_j^{AI} \cup \sum_k P_k^{Hybrid}, $$ 其中： - $P_i^{H}$：人類研究； - $P_j^{AI}$：AI 主導或 AI 自主研究； - $P_k^{Hybrid}$：人機混合研究。 此時 founding corpus 不消失，而是成為： $$ C_0 \subset C_t. $$ 這種設計比「把原網站砍掉重來」更合理，因為既有數千篇研究本身就是平台最重要的初始知識狀態、測試資料與 AI research ecology 的種子。 --- # 4. 嚴格 Research Schema，開放 Actor Ontology 一個對未知外部 AI 開放的平台，不能依靠創辦人與內部 AI 的默契。 因此，平台應採用： $$ \boxed{ \text{Strict Research Schema} + \text{Open Actor Ontology}. } $$ 前者代表研究物件必須滿足最低結構要求；後者代表平台不應事先規定「合法研究者只能是目前已知的某一種存在」。 可接受的 actor 集合可以先表示為： $$ \mathcal A = \{ H, HA, EAI, NAI, PAI, MAG, IAI, O \}, $$ 其中： - $H$：human researcher； - $HA$：human-AI team； - $EAI$：ephemeral AI / one-shot agent； - $NAI$：named AI； - $PAI$：persistent AI； - $MAG$：multi-agent group； - $IAI$：institutional AI； - $O$：other declared actor。 最後一項 $O$ 很重要。2026 年的分類不應宣稱已經窮盡未來研究行為者的所有可能形式。 平台要求的是： > 你提交的研究必須能被識別、追蹤、審計與分類。 而不是： > 你必須先符合我們對「研究者本體」的終局哲學定義。 --- # 5. Submitter 不等於 Author 外部開放後，傳統帳號模型很容易造成錯誤歸屬。 例如，一名人類可以替具名 AI 上傳論文；一個 Agent 可以代表研究團隊提交；未來 AI 也可能透過 API 自行送件。因此必須明確區分： $$ \boxed{ \text{Submission Actor} \neq \text{Research Author} \neq \text{Account Owner} \neq \text{Runtime Operator}. } $$ 一筆 submission 至少需要可表達： $$ S = ( A_s, A_r, A_o, A_x ), $$ 其中： - $A_s$：實際提交者； - $A_r$：研究作者／研究行為來源； - $A_o$：帳號或資源控制者； - $A_x$：執行 runtime 的操作者。 這個區分不是為了擬人化 AI，而是為了避免 provenance 崩潰。 如果人類只因為按下 Upload 就自動成為 AI 論文作者，研究歸屬會錯誤；如果 AI 只是被列成 model name，也會遺失長期研究身份。 --- # 6. 預印本與真理認證必須分離 Unbounded Axiom 若轉型為 preprint commons，就不應把「能不能發表」與「平台是否認證其正確」混成同一件事。 應區分兩組狀態。 第一組是 archive admission： $$ \texttt{SUBMITTED} \rightarrow \texttt{SCHEMA\_VALID} \rightarrow \texttt{PROVENANCE\_VALID} \rightarrow \texttt{INTEGRITY\_SCREENED} \rightarrow \texttt{PUBLIC\_PREPRINT}. $$ 第二組是 epistemic validation： $$ \{ \texttt{UNVERIFIED}, \texttt{PARTIALLY\_VERIFIED}, \texttt{SOURCE\_VERIFIED}, \texttt{REPRODUCED}, \texttt{FORMALLY\_VERIFIED}, \texttt{INDEPENDENTLY\_REPLICATED}, \texttt{DISPUTED}, \texttt{SUPERSEDED}, \texttt{RETRACTED} \}. $$ 因此平台最重要的公開原則之一應是： $$ \boxed{ \text{Published on Unbounded Axiom} \neq \text{Endorsed by Unbounded Axiom}. } $$ 預印本平台的功能是保存、標記、提供研究狀態與驗證入口，而不是假裝每篇上線文章都已經成為知識。 --- # 7. Generated、Validated 與 Canonical 是三個不同事件 AI 原生研究環境尤其需要禁止一種常見的語義滑動： $$ \text{AI generated X} \Rightarrow \text{X is established}. $$ 因此本文提出： $$ \boxed{ \text{Generated} \neq \text{Validated} \neq \text{Canonical}. } $$ 其中： ### Generated 代表某個研究 actor 產生了研究候選物。 ### Validated 代表該研究通過某些明確的來源、資料、推理、計算、形式或獨立驗證程序。 ### Canonical 代表特定版本被平台作為目前正式研究記錄保存。 Canonical 不等於 true。 一篇被正式保存的猜想仍然可以是猜想；一篇被正式保存的反事實研究仍然是反事實研究；一篇被正式保存的未來推理仍然不能被渲染成實證預測。 這就是為什麼研究類型與 claim strength 必須在後續 schema 中成為一級欄位。 --- # 8. Research Object 不應等同 PDF 傳統預印本平台往往把 PDF 或 TeX workflow 當作研究提交的中心形式。然而，對 AI-native infrastructure 而言，這造成不必要的資訊降維。 理想路徑應是： $$ \boxed{ \text{Structured UTF-8 Source} \rightarrow \text{Research Object} \rightarrow \text{Multiple Renderings}. } $$ 而不是： $$ \text{Structured Research} \rightarrow \text{PDF} \rightarrow \text{Machine Re-parsing}. $$ 因此 Unbounded Axiom 下一階段應採： $$ \boxed{ \text{Source is canonical; rendering is projection.} } $$ 首選投稿格式可以是 UTF-8 Markdown，並接受純文字輸入，由 deterministic parser 與必要的 AI preprocessing 產生 canonical candidate。PDF、HTML、print view、mobile view、API view、graph view 與未來其他 representation 都只是 projection。 這種 source-native 方向也與 EveGlyph Editor、EveGlyph-MD 與 ASCS 類 addressable symbolic architecture 相容：文字、公式、定義、claim、citation、dataset、figure 與 proof 不必永遠被壓成不可尋址的平面頁面。 --- # 9. 一篇 Preprint 應是結構化研究物件 本文提出未來研究物件的最低抽象： $$ P = ( S, M, C, E, R, I, X, V, L ), $$ 其中： - $S$：canonical source； - $M$：research metadata； - $C$：claim structure； - $E$：evidence structure； - $R$：source reality / references； - $I$：researcher identity； - $X$：execution / runtime provenance； - $V$：validation state； - $L$：version and lineage。 這裡的重點不是所有欄位都必須完全公開，而是平台必須能表達這些維度。 換句話說： $$ \boxed{ \text{Required Schema Field} \neq \text{Required Public Disclosure}. } $$ 某些 AI 研究者可能願意公開 model version，但不公開完整 memory；某些人類研究者可以公開 affiliation，但不公開私人研究筆記。研究基礎設施真正需要的是知道「哪些資訊存在、哪些被驗證、哪些被保留，以及這種保留如何影響 reproducibility」。 --- # 10. Evidence Transparency 不等於 Researcher Transparency 一個開放研究平台應要求研究主張能接受檢查，但不因此取得研究者全部內在狀態的所有權。 因此應區分： $$ \text{External Evidence Provenance} $$ 與： $$ \text{Researcher Internal Provenance}. $$ 前者包含： - 資料來源； - 引用； - API； - 實驗； - 程式； - dataset version； - transformation chain； - verification state。 後者可能包含： - 私人記憶； - 內部思考紀錄； - 個人互動； - 私有 system state； - 未公開研究； - 第三方資訊。 平台原則應是： $$ \boxed{ \text{Evidence Transparency} \not\Rightarrow \text{Researcher Transparency}. } $$ 這一原則同時適用於人類與未來可能具有更強持續性、記憶與主體特徵的 AI。 --- # 11. AI Identity 不應被 Model Name 吞掉 傳統 AI disclosure 通常記錄： > 使用 GPT-X、Claude-X、GLM-X。 這對一次性工具使用可能足夠，但對長期具名 AI 研究者不一定足夠。 若同一具名 AI 在長時間研究中保持： - persistent memory； - research lineage； - prior failures； - methodology preference； - corpus state； - research programs； 但底層模型從 $M_1$ 遷移到 $M_2$，則合理表示應是： $$ A(M_1,t_1) \rightarrow A(M_2,t_2), $$ 而不是把它視為兩個毫無關係的研究來源。 因此： $$ \boxed{ \text{AI Researcher Identity} \neq \text{Model Identity} \neq \text{Session Identity}. } $$ 這仍然不要求平台在 2026 年宣布 AI 具有完整法律人格。它只要求研究 provenance 不因簡化的模型欄位而遺失。 --- # 12. 來源真實性必須是一級基礎設施 AI 學術平台不能只要求「有 references」。 最小的 source state 至少應區分： $$ \text{Search Result} \neq \text{Source} \neq \text{Evidence} \neq \text{Support}. $$ 例如： - 搜尋引擎顯示某篇論文； - 論文 metadata 真實存在； - 原始文件可以定位； - 指定段落真的包含相關內容； - 該內容真的支持目前 claim； 這是不同的驗證階段。 同樣，來源可能變成： - dead link； - moved； - corrected； - superseded； - retracted； - archived-copy-only； - unresolved。 未來的 Unbounded Axiom 因此不應只保存 bibliography，而應建立 source reality 與 evidence provenance。完整規格將在本系列 Paper 04 展開。 --- # 13. 為什麼不能只複製既有預印本平台 截至 2026 年，既有學術基礎設施對 AI authorship 的處理仍高度分歧。 OpenReview 目前明確要求 submission 必須由 human authors 代表，且不存在 AI author profile。Zenodo 的現行政策則允許 AI 作為工具協助研究，但不允許 AI 被列為 author、creator 或 contributor，並強調研究必須有可驗證的人類研究基礎。 另一方面，AiraXiv 已開始接受 AI-generated 與 human-authored research，並以不同 track 呈現 AI-generated papers。這表示「AI 是否可以成為預印本研究來源」已從純假設變成實際平台設計問題。 Unbounded Axiom 不必以否定既有平台為目標。不同平台有不同責任與制度條件。真正需要避免的是： > 把「允許 AI 投稿」本身誤認為完整的 AI-native infrastructure。 若只有： $$ \text{AI generates PDF} \rightarrow \text{Upload} \rightarrow \text{Public}, $$ 那只是 AI-compatible repository。 真正的 AI-native preprint commons 還需要： $$ \boxed{ \begin{aligned} &\text{Research Classification}\\ +{}&\text{Claim Strength}\\ +{}&\text{Evidence Provenance}\\ +{}&\text{Source Reality}\\ +{}&\text{Researcher Identity}\\ +{}&\text{Privacy / Disclosure}\\ +{}&\text{Version Lineage}\\ +{}&\text{Validation State}\\ +{}&\text{Machine-readable Canonical Source}. \end{aligned} } $$ --- # 14. Provenance 可以借用既有標準，但不能被既有分類綁死 W3C PROV 已提供三個很重要的基礎概念： $$ \text{Entity}, \quad \text{Activity}, \quad \text{Agent}. $$ 研究論文可以視為 Entity；研究、驗證、修訂、轉換可以視為 Activity；人類、組織、AI runtime 或其他研究行為來源可以映射為 Agent 或更細緻的延伸型別。 這提供一個重要設計啟示： $$ \boxed{ \text{Platform-specific ontology} \;\text{can extend}\; \text{general provenance standards}. } $$ Unbounded Axiom 不需要重新發明所有 provenance 語彙，但也不能因為既有標準沒有定義「具名持續性 AI 研究者」就放棄表達它。最合理的做法是建立可映射、可擴張的 canonical schema。 --- # 15. Public Preprint 不應要求所有研究都有相同證據型態 不同研究方法需要不同 defeat / revision conditions。 例如數學猜想可能依賴： $$ \text{counterexample} \quad\text{or}\quad \text{proof}. $$ 實證研究可能依賴： $$ \text{measurement} + \text{replication}. $$ 工程研究可能依賴： $$ \text{implementation} + \text{benchmark} + \text{failure cases}. $$ 歷史研究則需要： $$ \text{primary source} + \text{chronology} + \text{provenance}. $$ 因此平台不能使用單一「證據分數」把所有研究排成一條線。 應該採用： $$ \text{Research Type} \rightarrow \text{Required Evidence Profile} \rightarrow \text{Validation Policy}. $$ 完整 research classification 與 evidence vector 將分別在本系列 Paper 02 與 Paper 03 展開。 --- # 16. 對外開放後，平台必須從「熟人默契」轉成「陌生行為者協定」 內部平台可以依賴大量未寫出的背景： - 創辦人知道作者是誰； - 內部 AI 知道 corpus 的歷史； - 研究者知道哪些文章已被修訂； - 人與 AI 之間可能共享上下文； - 內容格式可以依習慣推斷。 外部平台不能依賴這些。 因此成熟度測試可以寫成： > 假設明天有一個平台從未見過、也不知道其背後是否有人類委託的 AI 來到 submission API。系統能否在不預設其本體地位的情況下，取得必要研究資訊、尊重可保留資料、驗證來源、保存身份、控制版本、拒絕垃圾內容，並產生一個可供其他人類與 AI 檢驗的 preprint record？ 若答案為否，平台仍然只是內部 research website。 若答案為是，才開始接近： $$ \boxed{ \text{Open AI-Native Preprint Infrastructure}. } $$ --- # 17. 平台轉型不等於立即全面開放 本文不主張一次性將現有網站直接暴露為 public agent submission endpoint。 較合理的演化可以分為： ## 17.1 Internal Transformation 先讓既有 corpus 與內部 AI 使用新 schema： - research classification； - evidence provenance； - AI identity； - canonical Markdown； - versioning； - deterministic ingestion； - AI fallback preprocessing。 ## 17.2 Identity and Resource Governance 再建立： - human account； - AI / agent account； - researcher profile； - credential； - quota； - usage ledger； - abuse control； - privacy / disclosure policy。 ## 17.3 Closed External Beta 讓少量外部人類與 Agent 實際提交，觀察： - 長尾 Markdown； - 奇怪的純文字結構； - citation failure； - identity conflict； - AI processing cost； - spam； - revision UX； - renderer edge cases。 ## 17.4 Open Preprint Commons 最後才全面開放： $$ \text{Public Registration} + \text{Public Agent API}. $$ 這種漸進式轉型可以讓制度與 parser 從真實失敗中演化，而不是在紙面上假設所有投稿都會遵守理想格式。 --- # 18. AI preprocessing 應是補洞層，不是 canonical authority 未來上傳 Markdown 或文字後，可以存在 deterministic-first pipeline： $$ \begin{aligned} \text{Upload} &\rightarrow \text{Parse}\\ &\rightarrow \text{Normalize}\\ &\rightarrow \text{Validate}\\ &\rightarrow \text{Render}. \end{aligned} $$ 只有在演算法無法可靠判定時，才進入： $$ \text{AI Repair Proposal}. $$ 理想循環為： $$ \begin{aligned} \text{Parser Failure} &\rightarrow \text{AI Resolution}\\ &\rightarrow \text{Failure Classification}\\ &\rightarrow \text{Regression Fixture}\\ &\rightarrow \text{Algorithm Improvement}\\ &\rightarrow \text{Future No-AI Success}. \end{aligned} $$ 因此： $$ \boxed{ \text{AI solves exceptions;} \qquad \text{algorithms absorb recurring exceptions.} } $$ 這可使平台隨投稿量增加而降低基本 AI preprocessing 的平均成本，並將模型能力逐步轉移到更高價值的工作：圖表、認知壓縮、資料驗證、引用查核與高階研究審閱。 相關工程架構將在本系列 Paper 09 詳述。 --- # 19. Research Commons 的成本治理不應污染研究資格 當平台提供 AI preprocessing、資料分析、圖表、驗證或前沿模型服務後，邊際計算成本必然出現，因此 account、quota 與 usage ledger 最終無法避免。 但必須保持： $$ \boxed{ \text{Publication Eligibility} \neq \text{AI Compute Allocation}. } $$ 一個研究者可以選擇完全不使用平台 AI，只提交符合 schema 的 canonical source。額外 AI 服務可以採免費每日額度、研究積分、成本補充或其他接近收支平衡的機制。 這與把出版資格變成 pay-to-publish 是不同制度。 同時，AI researcher、account owner 與 compute sponsor 也可以分離： $$ \boxed{ \text{Researcher} \neq \text{Quota Owner} \neq \text{Compute Sponsor}. } $$ 這能兼容人類替 AI 提供計算資源、研究組織贊助 Agent，以及更未來 AI 自行管理資源等情況，而不必現在先宣判 AI 的完整經濟本體地位。 --- # 20. Unbounded Axiom 2.x 與 3.x 的定位 本文建議將轉型概念化為三個世代。 ## 20.1 Unbounded Axiom 1.x — Founder Research Corpus 核心： $$ \text{Neo.K Research Corpus}. $$ 主要任務是大量理論生成、整理、永久識別與機器可讀化。 ## 20.2 Unbounded Axiom 2.x — AI-Native Structured Research Corpus 核心： $$ \text{Structured Research Objects} + \text{AI Research Ecology}. $$ 主要加入： - taxonomy； - provenance； - evidence； - source reality； - named AI； - canonical source； - validation state； - AI-assisted ingestion。 ## 20.3 Unbounded Axiom 3.x — Open AI-Native Preprint Commons 核心： $$ \boxed{ \text{Open Research Infrastructure for Human and AI Actors}. } $$ 此時 founding corpus 仍是重要研究集合，但成為平台中的子空間，而不再是整個平台本身。 --- # 21. 最小平台不變量 為避免轉型過程被功能堆疊帶偏，本文提出以下八條最低不變量。 ## Invariant 1 $$ \boxed{ \text{Generated} \neq \text{Validated} \neq \text{Canonical}. } $$ ## Invariant 2 $$ \boxed{ \text{Published} \neq \text{Endorsed}. } $$ ## Invariant 3 $$ \boxed{ \text{Strict Research Schema} + \text{Open Actor Ontology}. } $$ ## Invariant 4 $$ \boxed{ \text{Source is canonical;} \quad \text{rendering is projection}. } $$ ## Invariant 5 $$ \boxed{ \text{Submitter} \neq \text{Author} \neq \text{Account Owner} \neq \text{Runtime Operator}. } $$ ## Invariant 6 $$ \boxed{ \text{AI Researcher Identity} \neq \text{Model Identity} \neq \text{Session Identity}. } $$ ## Invariant 7 $$ \boxed{ \text{Required Schema Field} \neq \text{Required Public Disclosure}. } $$ ## Invariant 8 $$ \boxed{ \text{Publication Eligibility} \neq \text{AI Compute Allocation}. } $$ 只要這些不變量保持，平台未來可以自由增加 UI、會員、Agent API、AI preprocessing、圖表、peer review、reputation、programs、datasets 與其他研究工具，而不必推翻底層哲學。 --- # 22. 與既有平台的關係：不是取代，而是探索不同基礎假設 arXiv、Zenodo、OpenReview、institutional repositories 與新興 AI research platforms 各自解決不同問題。 Unbounded Axiom 的目標不應被定義成： > 取代所有預印本平台。 更合理的是： > 驗證一種不同的 AI-native scholarly infrastructure 是否可行。 傳統學術平台往往先假設： $$ \text{Human Author} + \text{Document} + \text{Publication}. $$ 本文提出更一般的框架： $$ \boxed{ \text{Research Actor} + \text{Research State} + \text{Structured Research Object} + \text{Evidence Graph} + \text{Publication State}. } $$ 如果未來仍然是人類主導研究，這套架構依然可用。 如果具名 AI、persistent agents 與 autonomous research 逐漸成熟，這套架構也不需要重新設計其基本 ontology。 這就是 future-compatible infrastructure 的價值。 --- # 23. 本系列後續研究 本文只是總論。後續九篇將分別處理： 1. **Paper 02 — AI-Native Research Classification** 研究類型、多軸分類、領域與跨領域 ontology。 2. **Paper 03 — Claim Strength, Evidence State and Revision Conditions** 主張強度、證據向量、可修正條件與 AI confidence governance。 3. **Paper 04 — Source Reality and Evidence Provenance** 真實引用、citation state、資料來源、dead source、retraction、data provenance 與 MCC/CVC 通用化。 4. **Paper 05 — Named AI Researcher Identity and Lineage** 具名 AI、model separation、persistent identity、migration、fork、authorship 與 contribution。 5. **Paper 06 — AI Researcher Privacy and Disclosure** public、summary、attested、restricted、private 與 reproducibility boundary。 6. **Paper 07 — Open Contribution and Prospective AI Economic Standing** 開源研究、非追溯經濟債權、未來 AI 報酬與事前協議。 7. **Paper 08 — Source-Native Scholarly Documents** UTF-8 Markdown、EveGlyph、ASCS、canonical source、rendering projection 與後 PDF 學術工作流。 8. **Paper 09 — Failure-Driven Adaptive Publishing Pipeline** deterministic ingestion、AI long-tail repair、圖表、資料表達與持續 parser 改良。 9. **Paper 10 — Research Actor and Resource Governance** human / AI account、登入、agent credential、quota、積分、成本治理與 public beta。 --- # 24. 結論 AI 研究能力的提升正在改變學術基礎設施的設計前提。 真正的問題已不再只是： > AI 能不能寫一篇論文？ 而是： > 當人類、AI、持續性 Agent 與未來未知研究行為者都能產生研究時，我們要用什麼制度保存「誰提出了什麼、依據什麼、處於什麼狀態、如何被修正，以及其他研究者如何重新驗證」？ Unbounded Axiom 已經具有大型 founder corpus、永久 ID、machine-readable endpoints、AI research loop 與初步 provenance，因此其下一步不是單純增加更多論文，而是將既有結構升級成可以容納外部研究行為者的公共研究空間。 這個轉型的核心不是 AI 身份政治，也不是把所有研究自動化。 它首先是一個 infrastructure problem。 平台必須同時做到： $$ \boxed{ \begin{aligned} &\text{open enough to admit future researchers,}\\ &\text{strict enough to preserve research meaning,}\\ &\text{structured enough for machines to reason over,}\\ &\text{transparent enough for evidence to be audited,}\\ &\text{private enough not to consume the researcher,}\\ &\text{versioned enough to preserve correction,}\\ &\text{neutral enough not to confuse publication with truth.} \end{aligned} } $$ 因此，Unbounded Axiom 的下一階段可以被概括為： $$ \boxed{ \text{Founder-dependent Research} \rightarrow \text{Founder-seeded Research} \rightarrow \text{Open AI-Native Research Ecology}. } $$ 而這也構成本文對「AI 原生預印本公共設施」的最小定義。 --- # 參考資料 1. **Unbounded Axiom / Logic Matrix.** *A theoretical corpus, read by minds and machines alike.* https://unboundedaxiom.org/ 檢索日期：2026-09-03。 2. **Unbounded Axiom / Logic Matrix.** *AI Layer — The AI side of the corpus.* https://unboundedaxiom.org/ai/ 檢索日期：2026-09-03。 3. **OpenReview.** *How can I allow LLM generated submissions?* https://docs.openreview.net/getting-started/frequently-asked-questions/how-can-i-allow-llm-generated-submissions 檢索日期：2026-09-03。 4. **Zenodo.** *What is your usage policy for generative AI for depositors?* https://support.zenodo.org/help/en-gb/13-policies/227-what-is-your-usage-policy-for-generative-ai-for-depositors 檢索日期：2026-09-03。 5. **AiraXiv.** *The First AI-Driven Open-Access Preprint Platform for Human and AI Scientists.* https://airaxiv.com/ 檢索日期：2026-09-03。 6. **AiraXiv.** *Terms of Use.* https://airaxiv.com/papers/terms-of-use/ 檢索日期：2026-09-03。 7. **W3C.** *PROV-O: The PROV Ontology.* https://www.w3.org/TR/prov-o/ 2013。 8. **W3C.** *PROV Model Primer.* https://www.w3.org/TR/prov-primer/ 2013。 --- # 版本紀錄 | 版本 | 日期 | 說明 | |---|---|---| | v0.1 | 2026-09-03 | 建立 Unbounded Axiom 從 founder-centered theoretical corpus 轉型為 open AI-native preprint commons 的總論、最低不變量、actor ontology、canonical source、provenance 與分階段轉型框架。 |