# IPM v0.1 Canonical Index：智能物理計量學系列總論、統一符號表與 v0.2 實驗入口 ## Intelligence Physical Metrology v0.1 — Canonical Series Index, Unified Notation, and Experimental Entry Point **系列：**《智能的物理計量：從最小語意執行到成果品質與計算時空》 **英文系列：** *Physical Metrology of Intelligence: From Minimal Semantic Execution to Quality and Computational Spacetime* **系列代號：** EML-IPM **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 Canonical Index **日期：** 2026-09-02 **狀態：** Theoretical Series 10/10 COMPLETE **用途：** 網站系列首頁、GitHub README、後續實驗與 v0.2 reference implementation 的 canonical entry point --- # 0. 一句話版本 IPM 研究的不是「AI 有幾分聰明」，而是： $$ \boxed{ \textbf{ 一個智能系統在指定任務下， 以多少物理計算時空與多少外部鷹架， 完成多少有效語意工作， 最後產生多少可驗證品質？ } } $$ --- # 1. IPM Canonical Intelligence Event $$ \boxed{ \mathfrak I_{\mathrm{IPM}} = ( \mathfrak T, \mathfrak Q_{\mathrm{IPM}}, \mathbf N_{\mu}, \mathfrak P_{\mathrm{compute}}, \mathfrak S_C, \mathfrak M ). } $$ 其中： - $\mathfrak T$：Task / Specification Object； - $\mathfrak Q_{\mathrm{IPM}}$：Quality Object； - $\mathbf N_{\mu}$：Semantic Work Object； - $\mathfrak P_{\mathrm{compute}}$：Physical Computation Object； - $\mathfrak S_C$：Scaffolding Capability Record； - $\mathfrak M$：Measurement Metadata。 IPM 的核心不是找一個 AI IQ，而是比較： $$ \boxed{ \mathfrak P_{\mathrm{compute}} \rightarrow \mathbf N_{\mu} \rightarrow \mathfrak Q_{\mathrm{IPM}}. } $$ --- # 2. 系列依賴圖 ```text Paper 01 Turn / LOOP / Single Pass │ ├──> Paper 02 μI Semantic Execution │ └──> Paper 03 Cognition ↔ Neural Evidence │ └──> Paper 04 ATP / Joule / Thermodynamics │ └──> Paper 05 Physical Cost + CST │ ├──> Paper 06 Formal / Structured Quality │ └──> Paper 07 IBQF / Binary Human Residual │ └──> Paper 08 High-Ambiguity Quality Ontology │ └──────── Paper 05 + Paper 08 ───────> Paper 09 Scaffolding └──> Paper 10 Unified IPM ``` 三條主線： $$ \boxed{ P01\rightarrow P02\rightarrow P03\rightarrow P04\rightarrow P05 } $$ 為 **Execution / Physical Line**； $$ \boxed{ P06\rightarrow P07\rightarrow P08 } $$ 為 **Quality Line**； $$ \boxed{ (P01,P05,P08)\rightarrow P09\rightarrow P10 } $$ 為 **Capability / Integration Line**。 --- # 3. Paper 01–10 Canonical Map | Paper | 核心問題 | Canonical 輸出 | |---|---|---| | 01 | 一輪到底是哪一種一輪？ | $U,G,I,L,R,S,P$ ；ELI；Interaction Compression | | 02 | 智能「算一次」是什麼？ | $\mu_I$ ； $N_\mu^{gross/eff}$ ；semantic state transition | | 03 | 認知如何跨層對到神經事件？ | Cross-Level Triangulation；measurement grade | | 04 | 神經事件如何對到 Joule？ | gross/base/marginal/attributed energy；Landauer type safety | | 05 | FLOPs 之外的物理成本是什麼？ | $\mathbf C_P$ ； $\mathbf V_{CST}$ ； $\Theta_{CST}$ | | 06 | 成果品質怎麼客觀量？ | Formal / Structured / Residual Quality；Hard Gate | | 07 | 人類主觀品質怎麼低負擔量？ | IBQF／BRQM；binary/pairwise → latent quality | | 08 | 高歧義成果有哪些品質維度？ | Typed Quality Ontology；Construct Graph | | 09 | 拿掉 LOOP 還剩多少 native capability？ | SSR、SDR、SCM、scaffolding ablation | | 10 | 如何統一比較智能產率？ | $\mathfrak I_{IPM}$ ；Pareto frontier；reporting standard | --- # 4. Canonical Layer Stack $$ \boxed{ \begin{aligned} L_4 &: \text{Task Achievement / Quality}\\ L_3 &: \text{Semantic Execution}\\ L_2 &: \text{Algorithmic / Representational Realization}\\ L_1 &: \text{Physical Computation}\\ L_0 &: \text{Thermodynamic Realization}. \end{aligned} } $$ 重要： $$ \boxed{ L_4\neq L_3\neq L_2\neq L_1\neq L_0. } $$ 各層可以建立映射，但不可互相偷換。 --- # 5. 統一符號：Turn / Execution | 符號 | 定義 | |---|---| | $X$ | Task input | | $\mathcal S$ | Success specification | | $W$ | Evaluation environment | | $U$ | User Interaction Turns | | $G$ | Generation Trajectories | | $I$ | Model Invocations | | $L$ | External Feedback Loops | | $R$ | Retries / Rollouts | | $S$ | Selection / Verification | | $\tau$ | Single solving trajectory | | ELI | Externally Loopless Intelligence | 最乾淨的 single-pass 條件： $$ \boxed{ U=1,\quad G=1,\quad R=1,\quad L=0,\quad S=0. } $$ 但： $$ \boxed{ NoExternalLoop\neq NoSequentialComputation. } $$ --- # 6. 統一符號：Semantic Work $$ \boxed{ \mu_I = \text{Minimum Intelligent Semantic Execution Unit}. } $$ Operationally： $$ \boxed{ \mu_I:z_t\rightarrow z_{t+1} } $$ 其中該 transition 必須是 task-relevant、causally useful、在指定 semantic resolution 下 operationally minimal。 $$ \boxed{ Token\neq\mu_I\neq FLOP. } $$ $$ \boxed{ N_\mu^{gross} } $$ 表示候選語意活動總量； $$ \boxed{ N_\mu^{eff} } $$ 表示對成果具有有效因果貢獻的語意工作量。 $$ \boxed{ \eta_\mu = \frac{N_\mu^{eff}}{N_\mu^{gross}}. } $$ --- # 7. 統一符號：Cross-Level Realization $$ \boxed{ \mu_I \rightarrow \rho_C(\mu_I) \rightarrow \rho_P(\mu_I) \rightarrow \rho_T(\mu_I). } $$ - $\rho_C$：algorithmic/computational realization； - $\rho_P$：physical trace； - $\rho_T$：thermodynamic realization。 因此： $$ \boxed{ 1\mu_I\neq Constant\ FLOPs } $$ 且： $$ \boxed{ 1\mu_I\neq Constant\ Joule. } $$ --- # 8. 統一符號：Energy $$ \boxed{ \mathcal E = (E_{gross},E_{base},E_{marg},E_{attrib},E_{thermo,min}). } $$ $$ \boxed{ E_{gross} = \int_{t_0}^{t_f}P_{system}(t)dt } $$ $$ \boxed{ E_{marg} = \int_{t_0}^{t_f} [P_{system}(t)-P_{baseline}(t)]dt. } $$ Landauer： $$ \boxed{ E_{erase,min}=k_BT\ln2 } $$ 但： $$ \boxed{ LandauerBound\neq ActualIntelligenceCost. } $$ --- # 9. 統一符號：Physical Computation $$ \boxed{ \mathbf C_P = (\mathbf O,\mathbf B_M,B_I,\mathbf B_N,V_M,V_C,T,\mathcal E). } $$ 其中： $$ \boxed{ \mathbf O =(O_{FP64},O_{FP32},O_{BF16},O_{FP16},O_{INT8},\ldots) } $$ $$ \boxed{ \mathbf B_M =(B_{reg},B_{cache},B_{sram},B_{hbm},B_{host}). } $$ Memory residency： $$ \boxed{ V_M=\int M_{resident}(t)dt. } $$ Device time： $$ \boxed{ V_C=\int D(t)dt. } $$ --- # 10. Computational Spacetime 資源場： $$ \boxed{ \mathbf R(t) =(r_C(t),r_M(t),r_N(t),r_S(t)). } $$ Raw CST： $$ \boxed{ \mathbf V_{CST} = \int\mathbf R(t)dt = (V_C,V_M,V_N,V_S). } $$ IPM v0.1 的重要 type-safety rule： $$ \boxed{ V_C+V_M+V_N+V_S } $$ 在沒有 normalization 前沒有物理意義。 因此： $$ \boxed{ CST=VectorFirst. } $$ --- # 11. Computational Spacetime Topology $$ \boxed{ \Theta_{CST} = (T_{wall},T_{serial},P_{parallel},D_{peak},M_{peak},B_{peak},\Gamma_{comm}). } $$ 所以： $$ \boxed{ SameCSTVolume\neq SameCSTTopology. } $$ $8GPU\times10s$ 與 $1GPU\times80s$ 可以具有相同 device-time volume，但 latency、peak capacity、communication 與 deployability 不相同。 --- # 12. 統一符號：Quality Structured Quality： $$ \boxed{ \mathbf Q_S =(Q_C,Q_A,Q_K,Q_R,Q_B,Q_V,Q_P). } $$ 對應： - Correctness； - Alignment； - Completeness； - Consistency； - Robustness； - Verifiability； - Provenance。 三層品質： $$ \boxed{ \mathcal Q_L=(Q_F,Q_S,Q_H). } $$ - $Q_F$：Formal Objective； - $Q_S$：Structured Objective / Semi-Objective； - $Q_H$：Human Residual。 --- # 13. High-Ambiguity Quality Ontology $$ \boxed{ \mathcal Q[d,\tau,c,a] } $$ 其中： - $d$：domain / modality； - $\tau$：task； - $c$：context； - $a$：audience / evaluator population。 $$ \boxed{ \mathcal Q = \mathcal Q_{core} \oplus \mathcal Q_{domain} \oplus \mathcal Q_{task}. } $$ 品質測量鏈： $$ \boxed{ Task \rightarrow Construct \rightarrow Indicator \rightarrow Item \rightarrow Observation \rightarrow LatentEstimate. } $$ 因此： $$ \boxed{ Construct\neq Indicator\neq Item\neq Metric. } $$ --- # 14. IBQF / BRQM 微觀回答： $$ \boxed{ b_i\in\{0,1\}. } $$ 宏觀 latent quality： $$ \boxed{ \boldsymbol\theta\in\mathbb R^d. } $$ 因此： $$ \boxed{ BinaryObservation\neq BinaryPhenomenon. } $$ 基本映射： $$ \boxed{ \{0,1\}^{N} \rightarrow \widehat{\boldsymbol\theta}_H. } $$ 母原則： $$ \boxed{ \textbf{ 評分者負責做容易、局部、具體的判斷； 測量系統負責做困難、全域、連續的量化。 } } $$ --- # 15. Scaffolding $$ \boxed{ \mathbf S=(S_T,S_R,S_N,S_V,S_E,S_M,S_P). } $$ - $S_T$：Tool / External Information； - $S_R$：Retry； - $S_N$：Multi-sample / Best-of-N / Self-Consistency； - $S_V$：Verifier / Critic； - $S_E$：Environment Feedback； - $S_M$：External / Persistent Memory； - $S_P$：Planner / Controller。 Single-pass： $$ \boxed{ \mathfrak Q_{SP}=\mathfrak Q(M,\mathbf0). } $$ Full system： $$ \boxed{ \mathfrak Q_F=\mathfrak Q(M,\mathbf S_F). } $$ --- # 16. SSR / SDR / SCM $$ \boxed{ SSR=\frac{Q_{SP}}{Q_F} } $$ $$ \boxed{ SDR=1-SSR. } $$ $$ \boxed{ SCM_j=\frac{C_j^F}{C_j^{SP}}. } $$ SSR/SDR 必須與 physical overhead 一起解讀，不能把 scaffold dependence 本身當成缺陷。 $$ \boxed{ Loop\neq Cheating. } $$ 真正需要避免的是能力來源與成本被隱藏。 --- # 17. Intelligence Yield 若品質 projection 已公開： $$ Q^*=\Pi_Q(\mathfrak Q), $$ 則： $$ \boxed{ \mathbf Y_I = \left( \frac{Q^*}{E_{marg}}, \frac{Q^*}{V_C}, \frac{Q^*}{V_M}, \frac{Q^*}{B_M}, \frac{Q^*}{B_N}, \frac{Q^*}{T} \right). } $$ 語意產率： $$ \boxed{ Y_{\mu/E}=\frac{N_\mu^{eff}}{E_{marg}} } $$ $$ \boxed{ Y_{Q/\mu}=\frac{Q^*}{N_\mu^{eff}}. } $$ --- # 18. No Premature Scalarization Principle $$ \boxed{ \textbf{ 能保留向量時，不先壓成總分； 能保留結構時，不先壓成平均； 能保留不確定性時，不先假裝精確。 } } $$ Scalarization 只有在 task、policy、weights、gates 與 boundary 明示後才合法。 --- # 19. Pareto Comparison 若： $$ \mathfrak Q_A\succeq\mathfrak Q_B $$ 且所有 relevant cost axes： $$ C_{A,j}\le C_{B,j} $$ 並至少一軸嚴格較優，則： $$ \boxed{ A\succ_{IPM}B. } $$ 若不是 dominance： $$ \boxed{ \text{保留 trade-off，不強迫總排名。} } $$ --- # 20. IPM Minimum Reporting Standard v0.1 最低報告欄位： ### Task 1. Task ID / Task Text 2. Success Specification 3. Evaluation Environment 4. Quality Boundary 5. Physical Boundary ### Quality 6. Quality Schema 7. Ontology Version 8. Hard Gates 9. Objective Verification 10. Human Residual Protocol 11. Quality Uncertainty ### Execution 12. Single-Pass / Full-System Flag 13. Model Invocation Count 14. Trajectory Count 15. Retry Count 16. Tool Calls 17. Verifier / Selector Class ### Physical 18. Hardware 19. Software / Runtime 20. Wall Time 21. Device Occupancy 22. Peak Memory 23. Memory Residency 24. Memory Traffic 25. Interconnect Traffic 26. Energy Type 27. Energy Boundary ### Hidden / Discarded Work 28. Candidate Count 29. Discarded Attempts 30. Wasted Physical Cost ### Measurement 31. Quality Grade 32. Semantic Grade 33. Energy Grade 34. CST Grade 35. Scaffolding Grade 36. Scalarization / Projection Rule，如有。 --- # 21. Canonical Comparison Protocol 1. Freeze Task： $\mathfrak T$。 2. Freeze Quality Ontology： $\mathcal Q_{schema},Version_Q$。 3. Run Single Pass： $(\mathfrak Q_{SP},\mathfrak P_{SP})$。 4. Run Scaffolded： $(\mathfrak Q_F,\mathfrak P_F)$。 5. Compute SSR / SDR / SCM / $\Delta\mathfrak P$。 6. 可行時估 $\mathbf N_\mu$。 7. 建立 $\mathcal F_{IPM}$。 8. 若決策真的需要 scalar，才公開 $\Pi_Q,\Pi_C$。 9. 報 measurement grades 與 uncertainty。 10. 保存 raw trace / provenance。 --- # 22. 系列核心 Invariants $$ \boxed{Token\neq\mu_I\neq FLOP.} $$ $$ \boxed{OneUserTurn\neq OnePhysicalTurn.} $$ $$ \boxed{NoExternalLoop\neq NoSequentialComputation.} $$ $$ \boxed{Pass@k\neq Pass@1.} $$ $$ \boxed{SystemCapability\neq ModelNativeCapability.} $$ $$ \boxed{SemanticWork\neq PhysicalWork.} $$ $$ \boxed{FLOPs\neq PhysicalComputationalCost.} $$ $$ \boxed{GrossEnergy\neq MarginalEnergy.} $$ $$ \boxed{LandauerBound\neq ActualIntelligenceCost.} $$ $$ \boxed{Quality\neq UniversalScalar.} $$ $$ \boxed{FormalVerification\neq RealWorldGoalCorrectness.} $$ $$ \boxed{BinaryObservation\neq BinaryPhenomenon.} $$ $$ \boxed{Reliability\neq Validity.} $$ $$ \boxed{Novelty\neq Creativity.} $$ $$ \boxed{Loop\neq Cheating.} $$ $$ \boxed{InvisibleOutput\neq ZeroCost.} $$ $$ \boxed{SameQuality\neq SamePhysicalCost.} $$ $$ \boxed{Scalarization\Rightarrow DeclaredPolicy.} $$ $$ \boxed{Measurement\Rightarrow Uncertainty+Boundary+Version.} $$ --- # 23. 五個 v0.1 可證偽命題 ### F1 — Token Hypothesis 若 token 是良好普適智能工作單位，則： $$ \frac{N_\mu^{eff}}{TokenCount} $$ 應跨 model / language / phrasing 相對穩定。 ### F2 — FLOPs Sufficiency 若 FLOPs 足夠描述物理成本，控制 FLOPs 後： $$ T,E,B_M,B_N,V_M $$ 不應仍有巨大獨立差異。 ### F3 — Binary Burden Hypothesis 若 BRQM 的低負擔假說成立，適當 binary / pairwise protocol 應在至少部分場景改善 response time、consistency、dropout、predictive validity 或 fatigue。 ### F4 — Scaffolding Separation 若 $Q_F-Q_{SP}$ 在多數任務與 compute budgets 顯著存在，則 native / system capability separation 具有實證必要性。 ### F5 — Semantic Intermediate Utility 若 $\mathbf N_\mu$ 無法改善 efficiency prediction、error explanation、scaffold analysis 或 cross-architecture comparison，則 $\mu_I$ 應被修正甚至淘汰。 --- # 24. IPM v0.2：不要先做大平台 v0.2 的第一步應是最小可證偽實驗，而不是立刻做完整產品。 ## Experiment A — Single-Pass vs Scaffolded 優先用 math / code / structured reasoning，因為 $Q$ 容易客觀驗證。 條件： - A0：single pass； - A1：longer internal budget； - A2：multi-sample； - A3：verifier； - A4：tool / environment； - A5：full agentic loop。 每層記： $$ (Q_k,E_k,T_k,V_{C,k},V_{M,k},B_{M,k},B_{N,k}). $$ ## Experiment B — Binary vs Numeric Human Measurement 比較： 1. direct 0–10； 2. structured Yes/No； 3. adaptive pairwise。 量：response time、missingness、inconsistency、test-retest、predictive validity、fatigue。 ## Experiment C — $\mu_I$ Operational Identification 選 proof steps、code repair、constraint puzzle，建立 candidate semantic transition，再做 ablation / counterfactual replacement。 ## Experiment D — Physical Trace Alignment 先從同一台機器的：GPU power telemetry、latency、memory peak、memory bandwidth、device occupancy 做起。 v0.2 不必一開始宣稱 data-center-level energy。 ## Experiment E — Token / FLOPs Proxy Failure Test 選相同 task quality、不同 language / verbosity / context / memory pressure 的執行，比較： $$ TokenCount,FLOPs,E,T,B_M,N_\mu^{eff}. $$ --- # 25. v0.2 推進順序 推薦： $$ \boxed{ A\rightarrow D\rightarrow B\rightarrow C\rightarrow E. } $$ 原因： 1. 先確認 scaffolding gap 是否穩定存在； 2. 建立 physical telemetry； 3. 驗證 IBQF/BRQM 的人類測量負擔假說； 4. 再攻最難的 $\mu_I$ ； 5. 最後挑戰 token / FLOPs proxy。 --- # 26. v0.2 最小 Run Schema ```yaml ipm_version: "0.2-experimental" task: id: specification_version: quality_schema_version: execution: mode: single_pass | scaffolded trajectories: retries: tool_calls: verifier_passes: quality: hard_gate: structured_vector: human_residual: uncertainty: grade: semantic: mu_count_gross: mu_count_effective: confidence: grade: physical: wall_time_s: energy_type: energy_j: device_time: memory_peak_bytes: memory_residency_byte_s: memory_traffic_bytes: interconnect_bytes: boundary: grade: provenance: model: hardware: software: timestamp: ``` --- # 27. Versioning Rule 任何下列定義改變都應 bump version： - $\mu_I$ definition； - quality ontology； - CST normalization； - scaffold taxonomy； - reporting schema。 因此： $$ \boxed{ MeasurementDefinitionChange\Rightarrow VersionChange. } $$ --- # 28. 系列最終母命題 $$ \boxed{ \textbf{ 智能不只在於能否得到答案， 還在於一個物理世界中的系統， 為了得到這個答案， 究竟必須執行多少有效語意工作， 占用多少計算時空， 消耗多少能量， 依賴多少外部鷹架， 最後換回多少可驗證品質。 } } $$ --- # 29. Canonical Status $$ \boxed{ \text{EML-IPM v0.1} = 10\ Papers + Canonical\ Index + Unified\ Notation + Experimental\ Entry\ Point. } $$ 下一個 canonical milestone： # IPM v0.2 — Experimental Measurement Protocol 它的目的不是證明 IPM v0.1 正確，而是讓 IPM 的核心命題第一次真正有機會被： $$ \boxed{ \textbf{支持、修正、或證偽。} } $$