# 遞歸折疊協議：一套不要求當前理論正確的研究方法

## Recursive Fold Protocol: A Research Method That Does Not Require the Current Theory to Be Correct

**系列**：遞歸折疊認識論：從 PDF 成功—排除雙法到多模型可修正認知，第 8 篇／共 8 篇＋1 篇總結  
**系列英文名**：Recursive Fold Epistemology: From the PDF Success–Falsification Duality to Corrigible Multi-Model Cognition  
**文件編號**：EML-RFE-2026-08-v0.1  
**協議名稱**：Recursive Fold Protocol（RFP）  
**協議版本**：RFP v0.1  
**作者**：Neo.K with Aletheia（GPT-5.6 Sol）  
**機構**：EveMissLab／一言諾科技有限公司  
**版本**：v0.1  
**日期**：2026-09-02  
**性質**：研究方法論／Operational Epistemology／Multi-Model Research Protocol／AI-Assisted Research  
**狀態**：Public Theory Draft  
**直接前置**：EML-RFE-2026-01 至 07

---

## 生成、適用範圍與安全邊界聲明

本文是一篇 AI 輔助生成的方法論研究稿。

Recursive Fold Protocol（RFP）不是：

- 真理保證器；
- 萬能科學方法；
- 取代領域專業的方法；
- 允許高風險領域無限制試錯的理由；
- 任何問題都必須完整執行的僵硬流程；
- 「多叫幾個 AI」就能自動提高正確率的 Agent Council。

RFP 的真正目標是：

$$
\boxed{
\text{Preserve Corrigibility Under Uncertainty}.
}
$$

也就是：

> 在當前理論、候選模型空間、資料來源、研究方法甚至問題本身都可能不完整或錯誤時，仍維持一條可記錄、可比較、可反駁、可回滾、可重新展開的研究路徑。

RFP 對高不可逆、高風險問題要求更高：

$$
\boxed{
Irreversibility\uparrow
\Rightarrow
VerificationDepth\uparrow
+
EvidenceThreshold\uparrow
+
CommitAuthorityRestriction\uparrow.
}
$$

因此：

$$
\boxed{
\text{Hypothesis Freedom}
\neq
\text{Action Permission}.
}
$$

---

# 摘要

前七篇已建立：

$$
\boxed{
\text{Infallibility}
\neq
\text{Corrigibility},
}
$$

$$
\boxed{
\text{Success/Failure}
\rightarrow
\text{Evidence Events},
}
$$

$$
\boxed{
T^*
\notin
\Theta_t
}
$$

的永久可能性，

$$
\boxed{
F_t
\rightarrow
\operatorname{Fold}
\rightarrow
K_{t+1}^{\mathrm{meta}},
}
$$

以及：

$$
\boxed{
\mathcal G_E(t)
=
(
V_t,E_t,W_t,P_t
)
}
$$

的認知折疊圖。

本文將上述理論壓縮成一套可操作協議：

$$
\boxed{
\begin{aligned}
\text{Scope}
&\rightarrow
\text{Deconstruct}\\
&\rightarrow
\text{Expand}\\
&\rightarrow
\text{Construct}\\
&\rightarrow
\text{Test}\\
&\rightarrow
\text{Compare}\\
&\rightarrow
\text{Weight/Eliminate}\\
&\rightarrow
\text{Fold Failures}\\
&\rightarrow
\text{Compress Invariants}\\
&\rightarrow
\text{Audit Attractors}\\
&\rightarrow
\text{Reframe}\\
&\rightarrow
\text{Re-expand}\\
&\rightarrow
\text{Provisional Commit}.
\end{aligned}
}
$$

RFP 不要求每一輪都執行所有階段。

它是一組：

$$
\boxed{
\text{re-entrant epistemic operators}.
}
$$

任一新證據都可以將系統送回：

- Test；
- Fold；
- Reframe；
- Re-expand。

本文定義一個最小研究狀態包：

$$
\boxed{
\mathcal P_t
=
(
Q_t,
A_t,
\Theta_t,
D_t,
F_t,
C_t,
\Delta_t,
G_t,
P_t,
U_t,
R_t
).
}
$$

其中：

- $Q_t$：Question Specification；
- $A_t$：Assumption Ledger；
- $\Theta_t$：Model Registry；
- $D_t$：Evidence Ledger；
- $F_t$：Failure Graph；
- $C_t$：Constraint Set；
- $\Delta_t$：Disagreement Map；
- $G_t$：Epistemic Fold Graph；
- $P_t$：Provenance／Independence Metadata；
- $U_t$：Update Policy；
- $R_t$：Risk／Irreversibility Profile。

RFP 的核心驗收不是：

> 找到唯一答案。

而是：

$$
\boxed{
\text{Current Best Model}
+
\text{Known Alternatives}
+
\text{Known Failures}
+
\text{Known Boundaries}
+
\text{Revision Path}.
}
$$

本文同時提出：

- 分支預算；
- Reset Gate；
- Fold Acceptance Gate；
- Attractor Audit Gate；
- Provisional Commit Gate；
- Epistemic Rollback；
- Multi-AI mode；
- High-risk mode；
- Minimal RFP；
- Full RFP。

最終命題：

$$
\boxed{
\text{A good research protocol does not require the current model to be right; it requires the next correction to remain possible}.
}
$$

中文：

> **好的研究協議，不要求當前模型必須正確；它要求下一次修正永遠還有入口。**

**關鍵詞**：Recursive Fold Protocol、可修正認知、研究協議、多模型推理、失敗折疊、認知重置、吸引子審計、AI 協作研究

---

# 0. RFP 的母問題

傳統研究流程常問：

> 我現在這個理論對不對？

RFP 改問：

$$
\boxed{
\text{If it is wrong, what happens next?}
}
$$

---

# 1. 協議成功的最低標準

RFP 不以：

$$
T_t=T^*
$$

作為單輪成功條件。

而以：

$$
\boxed{
\text{Revision Path Exists}.
}
$$

作為最低條件。

---

# 2. RFP 不是避免犯錯

它接受：

$$
\boxed{
Error(T_t)>0.
}
$$

真正防止的是：

$$
\boxed{
\text{Error Fixation}.
}
$$

---

# 3. 最小研究狀態包

每一輪至少維護：

$$
\boxed{
\mathcal P_t
=
(
Q_t,A_t,\Theta_t,D_t,F_t,C_t,\Delta_t,G_t,P_t,U_t,R_t
).
}
$$

---

# 4. Question Specification： $Q_t$

不能只寫：

> 研究 X。

至少要寫：

- 核心問題；
- 可接受回答形式；
- 時間尺度；
- 適用域；
- 是否含規範判斷。

---

# 5. Assumption Ledger： $A_t$

列出：

$$
\boxed{
A_t
=
\{a_1,a_2,\ldots,a_n\}.
}
$$

每個假設最好標示：

- explicit；
- implicit；
- empirical；
- normative；
- representational。

---

# 6. 為什麼 Assumption Ledger 很重要？

因為很多理論不是：

$$
T
$$

錯。

而是某個：

$$
a_i
$$

從未被審查。

---

# 7. Model Registry： $\Theta_t$

保存：

$$
\boxed{
\Theta_t
=
\{T_1,\ldots,T_n\}.
}
$$

每個模型至少有：

- status；
- confidence；
- scope；
- provenance；
- test history。

---

# 8. Evidence Ledger： $D_t$

保存：

$$
\boxed{
D_t
=
\{e_1,\ldots,e_m\}.
}
$$

而不是只保存「結論」。

---

# 9. Failure Graph： $F_t$

保存：

- failed models；
- anomalies；
- failure mechanisms；
- boundaries；
- negative results。

---

# 10. Constraint Set： $C_t$

Fold 後形成：

$$
\boxed{
C_t
=
C_t^+
\cup
C_t^-.
}
$$

其中：

- $C_t^+$：新模型應保留的穩健結構；
- $C_t^-$：新模型應避免的已知失敗。

---

# 11. Disagreement Map： $\Delta_t$

保存：

$$
\boxed{
\Delta_t
=
\{
Evidence,
Model,
Ontology,
Value,
Update
\}.
}
$$

不同意不能只寫成：

> A 跟 B 意見不同。

---

# 12. Fold Graph： $G_t$

$$
\boxed{
G_t
=
(
V_t,E_t,W_t,P_t
).
}
$$

用於追蹤：

- 分支；
- 合併；
- 失敗；
- 不變量；
- provenance。

---

# 13. Provenance： $P_t$

記錄：

- 作者；
- agent；
- 模型版本；
- 資料來源；
- 暴露歷史；
- 相互依賴。

---

# 14. Update Policy： $U_t$

明確寫：

> 什麼證據會讓模型降權？

> 什麼情況觸發 Reset？

> 什麼情況允許 Commit？

---

# 15. Risk Profile： $R_t$

至少區分：

$$
\boxed{
Low,
Moderate,
High,
Irreversible.
}
$$

---

# 16. Stage 0：Scope

在開始建模前先做：

$$
\boxed{
\text{Scope}
=
(
Question,
Domain,
Risk,
Resources,
StopCondition
).
}
$$

---

# 17. Scope Gate

如果問題根本沒有：

- 可觀測證據；
- 可比較替代；
- 可操作研究目標；

則先不要展開大型 RFP。

---

# 18. 第一個錯誤：把模糊問題直接丟給大量 AI

這通常只會得到：

$$
\boxed{
\text{High-Volume Ambiguity}.
}
$$

---

# 19. Stage 1：Deconstruct

$$
\boxed{
\text{Deconstruct}(Q_t,A_t).
}
$$

任務：

- 找隱含前提；
- 找語義綁定；
- 找二分謬誤；
- 找固定 ontology。

---

# 20. Deconstruct Output

至少產出：

$$
\boxed{
(
Q_t',
A_t',
O_t^{\mathrm{explicit}}
).
}
$$

---

# 21. Deconstruct 不等於否定一切

目的不是：

$$
\boxed{
\text{Destroy All Assumptions}.
}
$$

而是：

$$
\boxed{
\text{Make Assumptions Inspectable}.
}
$$

---

# 22. Stage 2：Expand

$$
\boxed{
\operatorname{Expand}
:
Q_t'
\rightarrow
\Theta_t.
}
$$

---

# 23. Expand 原則

至少生成：

- 主模型；
- 強替代模型；
- 反模型；
- null model；
- model-space failure hypothesis。

---

# 24. 為什麼要有 Model-Space Failure Hypothesis？

永遠保留：

$$
\boxed{
T^*
\notin
\Theta_t.
}
$$

這個候選。

---

# 25. Branch Budget

設定：

$$
\boxed{
B_{\mathrm{budget}}.
}
$$

避免：

$$
|\Theta_t|
\rightarrow
\infty.
$$

---

# 26. Branch Budget 依資源而定

$$
\boxed{
B_{\mathrm{budget}}
=
f(
Compute,
Time,
Attention,
ExperimentCost,
Risk
).
}
$$

---

# 27. Minimal Diversity Rule

若：

$$
B_{\mathrm{budget}}\ge3,
$$

至少保留：

1. dominant model；
2. strong alternative；
3. hostile/null model。

---

# 28. Stage 3：Construct

對每個：

$$
T_i
$$

建立：

$$
\boxed{
\Pi(T_i)
=
(
Predictions,
Mechanisms,
Boundaries,
FailureConditions
).
}
$$

---

# 29. 沒有預測的模型不能直接進 Test

如果：

$$
T_i
$$

無法產生：

- 可觀測差異；
- 邊界；
- 失敗條件；

它目前更像：

$$
\boxed{
\text{conceptual frame}
}
$$

而不是可驗證模型。

---

# 30. Stage 4：Test

設計：

$$
\boxed{
E^*
=
\operatorname{argmax}
\mathbb E[
\Delta\mathcal E
]
}
$$

的高資訊測試，

而不只是最大化成功率。

---

# 31. Test Design Objective

$$
\boxed{
\text{Seek Informative Outcomes}.
}
$$

不是：

$$
\boxed{
\text{Seek Confirmation}.
}
$$

---

# 32. Test Input

需要：

- prediction；
- alternative prediction；
- evidence source；
- method；
- risk；
- expected discriminative power。

---

# 33. Test Output

一個 evidence event：

$$
\boxed{
e_t
=
(
data,
source,
method,
quality,
reproducibility,
timestamp
).
}
$$

---

# 34. 高風險模式

如果實驗會造成現實不可逆作用，

則優先：

- simulation；
- sandbox；
- retrospective data；
- reversible tests。

---

# 35. Stage 5：Compare

$$
\boxed{
\operatorname{Compare}
(
\Theta_t,D_t
).
}
$$

---

# 36. Compare 不是只有 Accuracy

至少可以比較：

- fit；
- compression；
- robustness；
- scope；
- transfer；
- failure burden；
- ad hoc burden。

---

# 37. Multi-Objective Comparison

允許：

$$
\boxed{
\text{Epistemic Pareto Front}.
}
$$

不要強迫所有模型立刻排成一條單一排名。

---

# 38. Stage 6：Weight / Eliminate

更新：

$$
\boxed{
q_t(T_i)
\rightarrow
q_{t+1}(T_i).
}
$$

---

# 39. Eliminate 不是唯一更新

可選操作：

$$
\boxed{
\{
Reweight,
Restrict,
Modify,
Split,
Merge,
Archive,
Reject
\}.
}
$$

---

# 40. Reject Gate

要正式標記：

$$
Rejected
$$

至少需要：

- reliable contradiction；
- scope clarification；
- source audit；
- alternative explanation check。

---

# 41. 不要因一次 anomaly 就刪模型

否則容易：

$$
\boxed{
\text{Overreaction}.
}
$$

---

# 42. Stage 7：Fold Failures

對可靠失敗執行：

$$
\boxed{
\operatorname{Fold}(F_t).
}
$$

---

# 43. Fold Acceptance Template

每個被提升成元知識的失敗至少填：

$$
\boxed{
\Phi(f)
=
(
Type,
Evidence,
Scope,
Mechanism,
Constraint,
NextAction
).
}
$$

---

# 44. Fold Acceptance Gate

若無法回答：

- 失敗類型；
- 支撐證據；
- 適用範圍；
- 暫定機制；
- 下一輪改變；

則只做：

$$
\boxed{
Archive,
}
$$

不做高階 Fold。

---

# 45. Fold 的最低驗收

$$
\boxed{
\text{Effective Fold}
\Rightarrow
\Delta(
\Theta,Q,U,A,C
)\neq0.
}
$$

---

# 46. Failure Debt

維護：

$$
\boxed{
Debt_F.
}
$$

定期清理尚未 Fold 的可靠失敗。

---

# 47. Stage 8：Compress Invariants

尋找：

$$
\boxed{
I^*
=
I(
T_i,
F_j,
D_k
).
}
$$

---

# 48. 壓縮的不是文字，而是結構

優先提取：

- invariant；
- boundary；
- reusable relation；
- failure invariant。

---

# 49. Compression Gate

任何壓縮表示都應保留：

$$
\boxed{
\text{Reconstruction Path}.
}
$$

---

# 50. 不可回溯壓縮視為有損記憶

如果無法追溯到：

- 原資料；
- 原分支；
- 原反例；

則不可直接提升為核心規則。

---

# 51. Stage 9：Audit Attractors

若多條獨立路線收斂：

$$
\boxed{
S^*
}
$$

不要直接叫它真理。

---

# 52. Attractor Gate

先分類：

$$
\boxed{
A_{\mathrm{obs}}
=
f(
A_W,A_O,A_A,A_P,A_T,A_J
).
}
$$

---

# 53. Minimum Attractor Audit

至少做其中若干：

- AI swap；
- prompt inversion；
- representation swap；
- ontology perturbation；
- observer swap；
- evidence perturbation。

---

# 54. Candidate World Attractor Gate

要提高：

$$
P(A_W\mid S^*)
$$

至少需要：

$$
\boxed{
\text{Robustness to Minds}
+
\text{Responsiveness to World}.
}
$$

---

# 55. Stage 10：Reframe Audit

定期評估：

$$
\boxed{
\mathcal M_t
=
\text{Model-Space Adequacy}.
}
$$

---

# 56. Reset Signals

至少包括：

1. 全模型低適配；
2. 結構性殘差；
3. ad hoc 修補爆炸；
4. 跨域失配；
5. 新現象無法表示；
6. 多模型共同需要未知項。

---

# 57. Reset Gate

若：

$$
\boxed{
\mathcal M_t
<
\theta_{\mathrm{reset}},
}
$$

觸發 Reframe。

---

# 58. Reset Ladder

優先：

$$
\boxed{
\text{Parameter}
\rightarrow
\text{Structure}
\rightarrow
\text{Variable}
\rightarrow
\text{Scale}
\rightarrow
\text{Question}
\rightarrow
\text{Ontology}
\rightarrow
\text{Language}.
}
$$

---

# 59. 最小重置原則

$$
\boxed{
\text{Use the smallest reset that explains the anomaly}.
}
$$

但如果低層修補反覆失敗，

允許升級。

---

# 60. Reset 不是清空

$$
\boxed{
\text{Epistemic Reset}
\neq
\text{Epistemic Amnesia}.
}
$$

必須保留：

$$
D_t,
F_t,
C_t,
P_t.
$$

---

# 61. Stage 11：Re-expand

新的模型空間：

$$
\boxed{
\Theta_{t+1}
=
\operatorname{Generate}
(
Q_{t+1},
D_t,
F_t,
C_t,
O_{t+1},
\mathcal L_{t+1}
).
}
$$

---

# 62. Re-expand 要帶著失敗回去

因此：

$$
\boxed{
\text{Reframe without Fold}
\rightarrow
\text{Epistemic Amnesia Risk}.
}
$$

---

# 63. Stage 12：Provisional Commit

當研究需要：

- 發表；
- 決策；
- 建造；
- 進入下一階段；

可以做：

$$
\boxed{
\text{Provisional Epistemic Commit}.
}
$$

---

# 64. Commit Package

至少包含：

$$
\boxed{
\mathcal C_t
=
(
T_{\mathrm{working}},
Alternatives,
Evidence,
Failures,
Boundaries,
Confidence,
RevisionTriggers
).
}
$$

---

# 65. 這比只給「答案」更完整

RFP 最終輸出不是：

> 答案是 X。

而是：

> 目前工作模型是 X；Y、Z 仍未完全排除；已知反例為 F；適用邊界為 B；若出現證據 E，必須重開模型空間。

---

# 66. Provisional Commit Gate

至少檢查：

1. 主模型可追溯；
2. 強替代仍被記錄；
3. 反例未被隱藏；
4. 邊界已標記；
5. 重啟條件已定義。

---

# 67. Commit 不等於 Closure

$$
\boxed{
\text{Commit}
\neq
\text{Closure}.
}
$$

---

# 68. Epistemic Rollback

新證據若觸發：

$$
Trigger_R,
$$

則：

$$
\boxed{
\text{Rollback}
\rightarrow
\text{Re-open}.
}
$$

---

# 69. Rollback Package

Rollback 應保存：

- 哪個 commit 被撤回；
- 哪個證據觸發；
- 哪些下游結論受影響；
- 哪些失敗新增。

---

# 70. Minimal RFP

不是所有問題都要完整 12 階段。

最小版本：

$$
\boxed{
\text{Question}
\rightarrow
\text{Alternatives}
\rightarrow
\text{Evidence}
\rightarrow
\text{Compare}
\rightarrow
\text{Fold}
\rightarrow
\text{Revise}.
}
$$

---

# 71. Minimal RFP 適用

例如：

- 日常研究；
- 中低風險判斷；
- 快速前研；
- 小型技術選型。

---

# 72. Full RFP 適用

例如：

- 新理論；
- 高不確定性問題；
- 長時間尺度預測；
- 多 AI 研究；
- 高成本實驗；
- 強反身性問題。

---

# 73. High-Risk RFP

若：

$$
R_t
=
High/Irreversible,
$$

新增：

- independent verification；
- adversarial review；
- sandbox-first；
- stronger commit gate；
- explicit rollback plan。

---

# 74. Multi-AI Mode

完整多 AI 流程：

$$
\boxed{
\begin{aligned}
\text{Problem Seed}
&\rightarrow
\text{Independent First Pass}\\
&\rightarrow
\text{Role-Separated Critique}\\
&\rightarrow
\text{Evidence Verification}\\
&\rightarrow
\text{Disagreement Mapping}\\
&\rightarrow
\text{Failure Folding}\\
&\rightarrow
\text{Conditional Merge}\\
&\rightarrow
\text{Attractor Audit}\\
&\rightarrow
\text{Working Synthesis}.
\end{aligned}
}
$$

---

# 75. Independent First Pass

高價值問題先避免：

$$
\boxed{
\text{Consensus Contagion}.
}
$$

---

# 76. Role Separation

至少分開：

$$
\boxed{
Generator,
Critic,
Verifier,
Integrator.
}
$$

---

# 77. Historian Role

若研究持續多輪，

必須有人／系統負責：

- failure debt；
- dormant branches；
- version history；
- confidence changes。

---

# 78. Dissenter Role

高風險收斂前，

至少保留一條：

$$
\boxed{
\text{strong hostile model}.
}
$$

---

# 79. Disagreement Gate

任何重大 synthesis 前先問：

> 還有哪些分歧只是被壓縮掉，而不是被解決？

---

# 80. Agent Count 不作為共識門檻

$$
\boxed{
N_{\mathrm{agents}}
\neq
\text{Evidence Strength}.
}
$$

---

# 81. Independence Metadata 必須進結果

如果十個 agent：

- 同一模型；
- 同一資料；
- 互相讀過；

不能寫：

> 10 個 AI 獨立驗證。

---

# 82. RFP 的第一個反模式：Confirmation Loop

流程：

$$
\text{Generate}
\rightarrow
\text{Self-Approve}
\rightarrow
\text{Self-Summarize}.
$$

對策：

$$
\boxed{
\text{Role Separation}.
}
$$

---

# 83. 第二個反模式：Branch Explosion

對策：

$$
\boxed{
B_{\mathrm{budget}}
+
State(b)
+
Archive.
}
$$

---

# 84. 第三個反模式：Premature Convergence

對策：

$$
\boxed{
\text{Strong Alternative Retention}.
}
$$

---

# 85. 第四個反模式：Failure Rationalization

說：

> 失敗也是成功。

卻無：

$$
\Delta\mathcal E.
$$

對策：

$$
\boxed{
\text{Fold Acceptance Gate}.
}
$$

---

# 86. 第五個反模式：Epistemic Amnesia

每次重開新對話就：

> 從零開始。

對策：

$$
\boxed{
D_t+F_t+P_t.
}
$$

---

# 87. 第六個反模式：Consensus Cascade

多 AI 互相抄答案。

對策：

$$
\boxed{
\text{Blind First Pass}.
}
$$

---

# 88. 第七個反模式：Synthetic Diversity

同一模型扮演十種人格。

對策：

$$
\boxed{
\text{Deep Diversity Audit}.
}
$$

---

# 89. 第八個反模式：Verifier Monopoly

所有證據只靠同一來源。

對策：

$$
\boxed{
\text{Verification Redundancy}.
}
$$

---

# 90. 第九個反模式：Integrator Monopoly

Integrator 把異議全部壓掉。

對策：

$$
\boxed{
\text{Reconstructable Synthesis}.
}
$$

---

# 91. 第十個反模式：Reframe Escape

每次被反駁就換 ontology。

對策：

$$
\boxed{
\text{Reset Debt}
+
\text{Reframe Gain Test}.
}
$$

---

# 92. 第十一個反模式：Attractor Worship

多個 AI 收斂就宣布：

> 世界真理。

對策：

$$
\boxed{
\text{Source Deconvolution}.
}
$$

---

# 93. 第十二個反模式：Permanent Open Loop

永遠不 Commit。

對策：

$$
\boxed{
\text{Decision-Sufficient Stop Condition}.
}
$$

---

# 94. RFP 不是永遠研究下去

需要停止條件。

---

# 95. Operational Stop

當：

$$
\boxed{
\text{Expected Value of More Inquiry}
<
\text{Cost of Delay}
}
$$

可以暫停研究。

---

# 96. Epistemic Stop

更精確應叫：

$$
\boxed{
\text{Provisional Freeze}.
}
$$

因為不宣稱終極閉合。

---

# 97. Provisional Freeze 條件

例如：

- 主模型穩定；
- 強替代已測；
- 關鍵反例已 Fold；
- 風險可接受；
- 新資訊邊際收益低。

---

# 98. Reopen Condition

任何 Freeze 都必須配：

$$
\boxed{
\mathcal T_{\mathrm{reopen}}.
}
$$

---

# 99. Reopen Trigger

例如：

- 新高品質反例；
- scope 擴張；
- model-space adequacy 下降；
- 新工具使 dormant branch 可測；
- attractor audit 失敗。

---

# 100. RFP 的核心狀態機

概念上：

$$
\boxed{
State_t
\in
\{
Explore,
Test,
Fold,
Compress,
Audit,
Reframe,
Commit,
Frozen
\}.
}
$$

---

# 101. 狀態可雙向跳轉

例如：

$$
Frozen
\rightarrow
Reframe.
$$

$$
Commit
\rightarrow
Fold.
$$

$$
Compress
\rightarrow
Expand.
$$

---

# 102. 因此不是瀑布流程

$$
\boxed{
\text{RFP}
\neq
\text{Waterfall}.
}
$$

---

# 103. Protocol Invariant 1：保留可追溯性

$$
\boxed{
\forall K_t,
\exists P_t.
}
$$

任何重要結論都應有 provenance。

---

# 104. Protocol Invariant 2：保留替代

重大不確定性尚未消除時：

$$
\boxed{
|\Theta_t^{\mathrm{live}}|
\ge2.
}
$$

---

# 105. Protocol Invariant 3：保留失敗

$$
\boxed{
F_t
\not\rightarrow
\varnothing
}
$$

只因為主模型改版。

---

# 106. Protocol Invariant 4：收斂可逆

$$
\boxed{
\text{Convergence}
\Rightarrow
\text{Reopen Path Exists}.
}
$$

---

# 107. Protocol Invariant 5：方法本身可修正

$$
\boxed{
U_t
\rightarrow
U_{t+1}
}
$$

必須永遠允許。

---

# 108. Protocol Invariant 6：行動權限與假設自由分離

$$
\boxed{
\text{Hypothesis Freedom}
\neq
\text{World Commit Authority}.
}
$$

---

# 109. Protocol Invariant 7：共識不是證據

$$
\boxed{
\text{Consensus}
\neq
\text{Evidence}.
}
$$

共識只是某種系統狀態。

---

# 110. Protocol Invariant 8：異議不是錯誤

$$
\boxed{
\text{Dissent}
\neq
\text{Defect}.
}
$$

只要它仍然 evidence-responsive。

---

# 111. Protocol Invariant 9：模型空間不是世界

$$
\boxed{
\Theta_t
\neq
\Theta_{\mathrm{world}}.
}
$$

---

# 112. Protocol Invariant 10：RFP 自己也不是世界

$$
\boxed{
RFP
\in
\operatorname{Domain}(RFP).
}
$$

---

# 113. RFP 也需要版本化

$$
\boxed{
RFP^{v0.1}
\rightarrow
RFP^{v0.2}
\rightarrow
\cdots
}
$$

---

# 114. 協議變更也應保存理由

每次修改 RFP：

- 改了什麼；
- 哪個失敗觸發；
- 哪個問題被修正；

都應進：

$$
\boxed{
\text{Protocol History}.
}
$$

---

# 115. 這是 Meta-Corrigibility 的工程落地

不是只說：

> 方法要開放。

而是：

$$
\boxed{
\text{Versioned Update Policy}.
}
$$

---

# 116. RFP 的最小輸出格式

一次完整研究至少可以輸出：

1. Current Working Model；
2. Confidence；
3. Alternatives；
4. Evidence Ledger Summary；
5. Known Failures；
6. Scope／Boundary；
7. Open Questions；
8. Reopen Triggers。

---

# 117. 這比只輸出結論更適合 AI 時代

因為下一個 AI 可以直接接手：

$$
\boxed{
\text{Epistemic State}
}
$$

而不是只看到：

> 前一個 AI 說 X。

---

# 118. RFP 與人類工作記憶限制

人類無法長期同時記住所有：

- branches；
- failures；
- confidence history；
- source dependencies。

所以外置：

$$
\boxed{
\mathcal P_t
}
$$

是關鍵。

---

# 119. RFP 與 AI 記憶

AI 記憶也不應只保存摘要。

更應保存：

$$
\boxed{
\text{Branch}
+
\text{Failure}
+
\text{Boundary}
+
\text{Revision Trigger}.
}
$$

---

# 120. RFP 與研究資料庫

理想資料庫不只存：

- papers；
- notes。

還應存：

- rejected models；
- tests；
- failure invariants；
- disagreement nodes；
- dormant branches。

---

# 121. RFP 與軟體工程

它與：

- TDD；
- regression；
- branch；
- merge；
- rollback；

高度同構。

但 RFP 比軟體版本控制多：

- evidence uncertainty；
- ontology revision；
- source independence；
- attractor audit。

---

# 122. RFP 與科學方法

它不取代：

- experiment；
- statistics；
- Bayesian inference；
- falsification。

而是提供：

$$
\boxed{
\text{meta-orchestration layer}.
}
$$

---

# 123. RFP 與創造力

創造力在 RFP 中不是裝飾。

因為：

$$
\boxed{
T^*
\notin
\Theta_t
}
$$

可能成立。

所以：

$$
\boxed{
\text{Hypothesis Generation}
}
$$

是 truth-seeking 的必要部分。

---

# 124. RFP 與謙遜

真正 epistemic humility 不是：

> 我什麼都不知道。

而是：

$$
\boxed{
\text{I know which parts are provisional and what would change them}.
}
$$

---

# 125. RFP 與信心

可以高信心：

$$
P(T_t)\approx1.
$$

仍保留：

$$
\boxed{
\text{Revision Trigger}.
}
$$

---

# 126. 因此「強信念」與「可修正」不衝突

$$
\boxed{
\text{High Confidence}
+
\text{High Corrigibility}.
}
$$

---

# 127. RFP 的真正反面不是錯誤

而是：

$$
\boxed{
\text{Untraceable,
Unrevisable,
Unreopenable Cognition}.
}
$$

---

# 128. 最終協議鏈

$$
\boxed{
\begin{aligned}
\text{Scope}
&\rightarrow
\text{Deconstruct}\\
&\rightarrow
\text{Expand}\\
&\rightarrow
\text{Construct}\\
&\rightarrow
\text{Test}\\
&\rightarrow
\text{Compare}\\
&\rightarrow
\text{Weight/Eliminate}\\
&\rightarrow
\text{Fold}\\
&\rightarrow
\text{Compress}\\
&\rightarrow
\text{Attractor Audit}\\
&\rightarrow
\text{Reframe}\\
&\rightarrow
\text{Re-expand}\\
&\rightarrow
\text{Provisional Commit}\\
&\rightarrow
\text{Reopen if Triggered}.
\end{aligned}
}
$$

---

# 129. 最終最小式

整套 RFP 可以壓成：

$$
\boxed{
\mathcal P_{t+1}
=
\operatorname{RFP}
(
\mathcal P_t,
E_t
).
}
$$

但重要的是：

$$
\boxed{
\operatorname{RFP}_{t+1}
\neq
\operatorname{RFP}_{t}
}
$$

也可以成立。

---

# 130. 也就是協議會修改自己

所以真正完整是：

$$
\boxed{
(
\mathcal P_t,
RFP_t
)
\rightarrow
(
\mathcal P_{t+1},
RFP_{t+1}
).
}
$$

---

# 131. 這是 RFE 的操作閉環

$$
\boxed{
\text{Theory Correction}
+
\text{Model-Space Correction}
+
\text{Method Correction}.
}
$$

三者一起成立。

---

# 132. 結論：研究方法不必保證你現在對，它必須保證你錯了之後還有路

RFP 的出發點不是：

> 如何讓研究者永不犯錯？

而是：

> **如何讓任何一次錯誤都不必成為認知終點？**

因此它要求：

$$
\boxed{
\text{Traceability}
}
$$

讓結論可以被追溯；

$$
\boxed{
\text{Plurality}
}
$$

讓替代模型可以被保存；

$$
\boxed{
\text{Foldability}
}
$$

讓失敗可以進入元知識；

$$
\boxed{
\text{Reframability}
}
$$

讓模型空間本身可以被放棄；

$$
\boxed{
\text{Rollback}
}
$$

讓暫時收斂可以被撤回；

以及：

$$
\boxed{
\text{Meta-Corrigibility}
}
$$

讓方法本身也能被更新。

因此：

$$
\boxed{
\text{RFP}
=
\text{A Protocol for Preserving Revision Paths}.
}
$$

它不要求：

$$
T_t=T^*.
$$

它要求：

$$
\boxed{
Error(T_t)
\Rightarrow
\exists
\text{a traceable path to }T_{t+1}.
}
$$

本文最終命題：

$$
\boxed{
\text{A good research protocol does not require the current model to be right; it requires the next correction to remain possible}.
}
$$

以及：

$$
\boxed{
\text{The goal of research is not permanent certainty, but progressively better structured uncertainty with preserved revision paths}.
}
$$

中文：

> **好的研究協議，不要求當前模型必須正確；它要求下一次修正永遠還有入口。**

> **研究真正累積的，不只是答案，而是越來越結構化的不確定性、越來越清楚的失敗邊界，以及永遠沒有被封死的修正路徑。**

---

## RFP v0.1 核心檢查表

### 問題

- 問題是否明確？
- 隱含前提是否列出？
- 規範與事實是否分開？

### 模型

- 是否至少有一個強替代？
- 是否保留 $T^*\notin\Theta_t$ 的可能？
- Branch Budget 是否合理？

### 證據

- 是否保存 provenance？
- 是否具有區分力？
- 是否有獨立核驗？

### 失敗

- 失敗是否分類？
- 是否通過 Fold Gate？
- 是否形成 Constraint／Boundary／New Question？

### 分歧

- 分歧是否被保存？
- 是 Evidence、Model、Ontology、Value 還是 Update disagreement？

### 吸引子

- 收斂是否可能只是共享先驗？
- 是否做過異質模型／提示／表示介入？
- 是否對世界證據改變敏感？

### 重置

- Model-Space Adequacy 是否下降？
- 是否需要 Parameter、Structure、Variable、Scale、Question、Ontology 或 Language Reset？

### Commit

- 主模型、替代、反例、邊界是否一起輸出？
- 是否定義 Reopen Trigger？
- 高風險行動是否有獨立授權與驗證？

---

## 系列接口

至此，8 篇主文完成：

1. 《不會錯的不是理論：從不可錯論到可修正認知》
2. 《成功與失敗的雙重資訊：PDF 成功法與排除法的統一》
3. 《當真理不在候選集合裡：開放模型空間與認識論重置》
4. 《失敗不被刪除：Fold 算子與錯誤的元知識化》
5. 《從螺旋到折疊圖：分支、合併、壓縮與再展開的認知動力學》
6. 《吸引子是世界、研究者還是 AI？認知收斂的來源解卷積》
7. 《人類—AI 多主體認知：從工具輔助到分散式理論修正系統》
8. 《遞歸折疊協議：一套不要求當前理論正確的研究方法》

下一篇為 Series Synthesis：

# 《錯誤不再是終點：可修正智慧與遞歸折疊認識論》

將把整個系列壓成一個總模型：

$$
\boxed{
\mathcal K_{t+1}
=
\operatorname{Fold}
(
\mathcal K_t,
E_t,
F_t,
A_t,
R_t
).
}
$$

並正式回答：

> **如果一個智慧可以持續改寫自己的理論、模型空間、失敗地圖與更新方法，那麼「知道」究竟還是什麼？**