# CFATC-B04｜錯誤形態遷移：從低級錯誤到遺漏、邊界、形式化義務與高複雜度殘差 ## Error Morphology Shift: From Surface Failures to Omissions, Boundary Errors, Formal Obligations, and High-Complexity Residuals **系列：** Conditional Frontier Activation and Human–AI Tail Coupling（CFATC） **系列中文名：** 條件式前沿觸發與人機尾端耦合系列 **篇次：** Paper 04 / 08 **作者：** Neo.K **研究協作：** Aletheia（GPT-5.6 Sol） **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 **日期：** 2026-09-05 **狀態：** Canonical Source / UTF-8 Markdown **文件性質：** AI 錯誤型態／Frontier Reliability／Formal Verification／Long-Horizon Agent Failure --- ## 摘要 CFATC-B01 至 B03 已建立一條能力鏈： $$ \boxed{ \text{Latent Capability} \rightarrow \text{Activated Capability} \rightarrow \text{Visible Capability}. } $$ 本文處理下一個問題： > **當 frontier AI 真的變強時，錯誤是否只是變少，還是其結構也會改變？** 直覺上，如果模型能力提高，應有： $$ P(\mathrm{error})\downarrow. $$ 這通常是我們期待的方向。但僅觀察 error rate 會遺漏另一個可能更重要的現象：低階、容易看見、容易定位的錯誤下降後，剩餘錯誤可能更集中於需要更大上下文、更高抽象層、更長依賴鏈或更強驗證器才能發現的區域。 本文提出： $$ \boxed{ \text{Error Reduction} \neq \text{Error Morphology Invariance}. } $$ 並將 **Error Morphology Shift（錯誤形態遷移）** 定義為： > 在控制任務、資源、互動與驗證條件後，AI 的錯誤分布在錯誤層級、局部性、可偵測性、修復成本、傳播範圍與時間位置上發生系統性變化。 本文首先整理一組由實際高難度數學、程式與架構協作觀察得到的 motivating taxonomy： $$ E_1=\text{symbol / surface error} $$ $$ E_2=\text{forgotten prior definition / local state loss} $$ $$ E_3=\text{code does not run / direct execution failure} $$ $$ E_4=\text{invalid proof leap / local logical gap} $$ 較高階殘差則可能轉為： $$ E_5=\text{locally correct but missing conditions} $$ $$ E_6=\text{definition / validity-boundary ambiguity} $$ $$ E_7=\text{abstraction-layer mismatch} $$ $$ E_8=\text{informal argument plausible, formalization misses an obligation} $$ $$ E_9=\text{architecture globally plausible, but one branch is omitted under complexity}. $$ 本文不主張所有模型世代必然依序從 $E_1$ 單調遷移至 $E_9$，而提出較弱、可驗證的 **Morphology Shift Hypothesis（MSH）**： $$ \boxed{ P(E=e\mid A_{t+1},T,R) \neq P(E=e\mid A_t,T,R) } $$ 且在 frontier-normalized 任務中，error mass 可能由低層可見錯誤逐步移向高層結構殘差。 為避免把「任務變難」誤認成「模型錯誤型態變了」，本文區分三種來源： $$ \boxed{ \text{Generation Shift} \neq \text{Task-Selection Shift} \neq \text{Detection Shift}. } $$ - **Generation Shift**：模型本身產生不同類型的錯誤； - **Task-Selection Shift**：因模型變強，人類把它推去更難、更長、更開放的任務，因此暴露新錯誤； - **Detection Shift**：新的 verifier、formalization、trajectory audit 使以前存在但看不見的錯誤被發現。 只有在 matched-task 或 frontier-normalized regime 中，才能較可靠研究第一種真正的 morphology change。 本文提出 **Error Morphology Vector**： $$ \boxed{ \mathbf E = ( L, S, D, R, B, P, T, V ) } $$ 其中： - $L$：Layer / abstraction depth； - $S$：Spatial / structural locality； - $D$：Detectability； - $R$：Repairability； - $B$：Blast radius； - $P$：Propagation / persistence potential； - $T$：Temporal position in trajectory； - $V$：Verification dependence。 這使兩個同樣「錯一次」的系統可以具有完全不同風險。例如，一個 syntax error： $$ E_{\mathrm{syntax}} $$ 通常 detectability 高、blast radius 小、repair cost 低；而一個被嵌入架構早期的錯誤抽象： $$ E_{\mathrm{architecture}} $$ 可能局部每一步都看似合理，但經過數十個 downstream steps 後才形成失敗。 本文因此提出： $$ \boxed{ \text{Error Count} \neq \text{Error Risk}. } $$ 更合理的風險可概念化為： $$ \boxed{ \mathcal R_E = \sum_e P(e) \cdot I(e) \cdot L_{\mathrm{detect}}(e) \cdot P_{\mathrm{prop}}(e), } $$ 其中 $I(e)$ 為影響、 $L_{\mathrm{detect}}$ 為偵測延遲、 $P_{\mathrm{prop}}$ 為錯誤傳播可能性。 本文進一步將 formal reasoning 視為觀察 morphology shift 的重要實驗場。既有 EveMissLab 的 Mathematical Problem Formalization 研究已指出： $$ \boxed{ \text{Proof Formalization} \neq \text{Problem-Generation Formalization}, } $$ 以及： $$ \boxed{ \text{logical correctness of a formal proof} \neq \text{fidelity of the formal target to the intended problem}. } $$ 因此，當 theorem prover 越來越能產生 kernel-accepted proof，錯誤前沿可能上移到： - theorem target 選錯； - 量詞依賴錯； - hidden assumption 被漏掉； - formal statement drift； - bridge lemma 缺失； - architecture-level dependency omission。 FormalProofBench 2026 顯示 frontier foundation models 在 graduate-level Lean proof 上仍有巨大空間，最佳基礎模型約為 33.5% accuracy；TheoremBench 2026 則發現現有 prover 容易偏向先解簡單 subtheorems，且常以冗長 tactic trace 取代緊湊 proof plan。這些結果顯示，形式數學中的剩餘失敗已不能只由「會不會寫 Lean syntax」描述。 Long-horizon Agent 研究呈現類似現象。AgentRx 2026 針對失敗 trajectory 標註 critical failure step，LongRCA Bench 則顯示在上百步 Agent 軌跡中，即使知道最終失敗，要定位最早決定性 root-cause step 仍很困難；HORIZON 與 YC-Bench 等工作亦開始觀察 goal drift、state loss、over-parallelization、錯誤依賴與 compounding consequences。這表明： $$ \boxed{ \text{Agent Reliability} \neq \text{Per-Step Correctness}. } $$ 本文最後提出 **Error Morphology Evaluation Protocol（EMEP）**。對不同 AI 世代或 interaction regime，不只記錄 success rate，而同步記錄： 1. first-shot error type； 2. earliest decisive error； 3. detection latency； 4. repair rounds； 5. residual error after repair； 6. blast radius； 7. formal / empirical verification status； 8. whether error originated in representation, reasoning, tool use, state, architecture, or trajectory. 本文的核心主張不是「AI 越強，錯誤越陰險」這種不可證偽敘事，而是： > **當低階錯誤被能力提升與工具化大量消除後，可靠性研究必須把注意力上移到更高抽象、更長依賴、更難驗證的 residual error frontier。** **關鍵詞：** Error Morphology Shift、Residual Error Frontier、Formal Verification、Omission Error、Boundary Error、Architecture Error、Long-Horizon Agent、Trajectory Failure、Recursive Repair、Verification Debt --- # 1. 問題：AI 變強以後，錯誤去哪裡了？ 最簡單模型： $$ C(A)\uparrow \Rightarrow P(E)\downarrow. $$ 這可以成立。 但它沒有回答： $$ \boxed{ P(E=e_i) } $$ 的分布如何改變。 --- # 2. 錯誤率與錯誤型態是兩個問題 定義： $$ p_E(A,T) = P( \text{error} \mid A,T ). $$ 再定義： $$ \pi_E(e) = P( E=e \mid \text{error occurred} ). $$ 模型可以： $$ p_E\downarrow $$ 同時： $$ \pi_E $$ 大幅改變。 --- # 3. Error Morphology Shift 本文定義： $$ \boxed{ \mathcal M_E(A,T,R) = P( E=e \mid A,T,R ). } $$ 若： $$ \mathcal M_E(A_1,T,R) \neq \mathcal M_E(A_2,T,R), $$ 則存在 error morphology difference。 --- # 4. 低階錯誤群 Motivating taxonomy： $$ E_1=\text{symbol error} $$ $$ E_2=\text{definition / local-state loss} $$ $$ E_3=\text{execution failure} $$ $$ E_4=\text{invalid local reasoning step}. $$ --- # 5. 高階殘差群 $$ E_5=\text{missing condition} $$ $$ E_6=\text{boundary ambiguity} $$ $$ E_7=\text{abstraction mismatch} $$ $$ E_8=\text{formal obligation omission} $$ $$ E_9=\text{architecture branch omission}. $$ --- # 6. 這不是嚴格階梯 不能假設： $$ E_1V_1, $$ 則： $$ N_{\mathrm{detected}}(V_2) > N_{\mathrm{detected}}(V_1) $$ 完全可能。 --- # 24. 因此 Error Detection Rate 與 Error Generation Rate 必須分開 $$ \boxed{ p_{\mathrm{gen}} \neq p_{\mathrm{detect}}. } $$ --- # 25. Frontier-Normalized Comparison 為降低 task-selection confound，可定義 relative difficulty： $$ \boxed{ \delta(T,A) = \frac{ D(T) }{ C_{\mathrm{baseline}}(A) }. } $$ --- # 26. 比較相近 $\delta$ 若： $$ \delta(T_1,A_1) \approx \delta(T_2,A_2), $$ 再比較 morphology，較合理。 --- # 27. Matched-Task Comparison 另一種方式是直接固定同一： $$ T. $$ 但當強模型接近 ceiling 時，error sample 太少。 --- # 28. 因此需要兩種研究設計 1. Same-task morphology； 2. Frontier-normalized morphology。 兩者回答不同問題。 --- # 29. Error Morphology Vector 本文提出： $$ \boxed{ \mathbf E = ( L, S, D, R, B, P, T, V ). } $$ --- # 30. Layer $L$ 錯誤位於哪個抽象層。 --- # 31. Structural Locality $S$ 錯誤影響： - one token； - one function； - one lemma； - one module； - whole architecture。 --- # 32. Detectability $D$ 有多容易被： - parser； - compiler； - test； - human； - prover； 發現。 --- # 33. Repairability $R$ 錯誤被定位後，需要多少修改才能恢復。 --- # 34. Blast Radius $B$ 錯誤會破壞多少 downstream state。 --- # 35. Propagation $P$ 錯誤能否被後續步驟吸收成「正常前提」。 --- # 36. Temporal Position $T$ 錯誤發生在 trajectory： - early； - middle； - late。 --- # 37. Verification Dependence $V$ 是否只有特定 verifier 才能發現。 --- # 38. 一個 syntax error 可以概念化： $$ \mathbf E_{\mathrm{syntax}} = ( 0, \text{local}, \text{high detect}, \text{easy repair}, \text{small blast}, \text{low propagation}, \text{early}, \text{compiler} ). $$ --- # 39. 一個 architecture assumption error 可能： $$ \mathbf E_{\mathrm{arch}} = ( 5, \text{global}, \text{low detect}, \text{hard repair}, \text{large blast}, \text{high propagation}, \text{early-origin/late-detection}, \text{multi-verifier} ). $$ --- # 40. Error Count 不等於 Error Risk 因此： $$ \boxed{ N_E \neq \mathcal R_E. } $$ --- # 41. Error Risk 概念上： $$ \boxed{ \mathcal R_E = \sum_e P(e) I(e) L_{\mathrm{detect}}(e) P_{\mathrm{prop}}(e). } $$ --- # 42. 模型可以少犯錯，但剩餘錯誤更昂貴 例如： $$ P(E)\downarrow, $$ 但： $$ \mathbb E[ I(E)\mid E ] \uparrow. $$ 兩者可同時成立。 --- # 43. 這不代表強模型風險必然更高 總風險仍可能： $$ \mathcal R_E\downarrow. $$ 本文只要求不能只看 error count。 --- # 44. Formal Reasoning 是理想觀察場 因為形式系統能把： $$ \text{hidden obligation} $$ 顯式化。 --- # 45. Proof Correctness 與 Target Fidelity 既有 MPF 研究已提出： $$ \boxed{ \text{Proof Formalization} \neq \text{Problem-Generation Formalization}. } $$ --- # 46. Kernel Accepted 不保證問對問題 可以： $$ K(\Pi,T_f)=\mathrm{PASS}, $$ 但： $$ T_f \neq T_{\mathrm{intended}}. $$ --- # 47. 這是典型高階 error 形式 proof 無錯， 錯的是： $$ \boxed{ \text{target selection}. } $$ --- # 48. Premature Closure 若 AI 太早把： $$ C_{\mathrm{source}} $$ 凍結成： $$ C^\ast_{\mathrm{freeze}}, $$ 可能遺失 proof-relevant semantics。 --- # 49. Quantifier Error 例如： $$ \forall x\exists W_x $$ 被誤升格為： $$ \exists W\forall x. $$ 這類錯誤表面 syntax 完全合法。 --- # 50. Witness-Dependency Error 同樣： $$ \forall N\exists A_N \not\Rightarrow \exists A\forall N. $$ 若依賴被壓掉，formal proof target 本身已變。 --- # 51. FormalProofBench 的訊號 2026 FormalProofBench 對 advanced undergraduate / graduate Lean proofs 測試 frontier models。 最佳基礎模型約： $$ 33.5\%. $$ --- # 52. 這說明 frontier formal reasoning 仍遠未飽和 但更重要的是 failure analysis。 較弱模型可能直接： - proof incomplete； - invalid Lean； - search failure。 --- # 53. 更強模型可能卡在更深 obligation 例如： - wrong lemma search； - over-search； - proof plan inefficiency； - hidden dependency。 --- # 54. TheoremBench 的訊號 TheoremBench 2026 建立 main theorem + supporting subtheorem 結構。 --- # 55. 它看到一個有趣現象 現有 provers： $$ \boxed{ \text{biased toward easy subtheorems}. } $$ --- # 56. 也常產生冗長 tactic trace 而不是： $$ \boxed{ \text{compact global proof plan}. } $$ --- # 57. 這是一種 morphology signal 不是單純： > 會 / 不會證明。 而是： > proof search 如何組織。 --- # 58. Proof Existence 不等於 Proof Trust Architecture 既有 Proof Lattice 研究提出： $$ \boxed{ \text{Proof Existence} \neq \text{Proof Trust Architecture}. } $$ --- # 59. 同一 proof 重跑十次不是十份獨立驗證 $$ 10\times\text{same checker} \neq 10\times\text{independent verification}. $$ --- # 60. Verification Diversity 所以 error morphology 研究也需要： - proof-path diversity； - checker diversity； - formalism diversity； - assumption diversity； - statement diversity。 --- # 61. Local Correctness 可能掩蓋 Shared Dependency Error 若多條 proof 都依賴： $$ L^\ast, $$ 而： $$ L^\ast $$ 錯， 表面 diversity 可能是假象。 --- # 62. 程式工程也有類似遷移 弱模型常犯： - syntax； - import； - type； - runtime。 --- # 63. 強模型可能更多剩餘錯誤在 - wrong architecture assumption； - omitted migration path； - race condition； - hidden state； - permissions； - incomplete rollback； - one unhandled branch。 --- # 64. Test Pass 不等於 Architecture Complete $$ \boxed{ \text{local tests pass} \not\Rightarrow \text{global branch coverage}. } $$ --- # 65. Omission Error 是特殊高風險類 模型沒有說錯任何已輸出的句子。 它只是： $$ \boxed{ \text{did not generate a necessary branch}. } $$ --- # 66. 為什麼 omission 難抓？ 因為 verifier 需要知道： > 應該存在什麼。 而不是只檢查： > 已存在的東西是否正確。 --- # 67. Completeness Verifier 因此需要： $$ V_{\mathrm{complete}} $$ 而不只是： $$ V_{\mathrm{correct}}. $$ --- # 68. Correctness 與 Completeness $$ \boxed{ \text{Correctness} \neq \text{Completeness}. } $$ --- # 69. 長程 Agent 的錯誤更像 trajectory phenomenon Agent 執行： $$ s_0 \rightarrow a_1 \rightarrow s_1 \rightarrow \cdots \rightarrow s_n. $$ --- # 70. 最後失敗不代表最後一步錯 earliest decisive error： $$ e_k $$ 可能早在： $$ k\ll n $$ 時出現。 --- # 71. AgentRx 的方向 AgentRx 2026 將失敗 agent trajectory 標註 critical failure step 與 grounded failure category。 --- # 72. 這代表 failure analysis 正從 output-level 轉向 root-cause-level $$ \boxed{ \text{Outcome Failure} \rightarrow \text{Trajectory Diagnosis}. } $$ --- # 73. LongRCA Bench LongRCA Bench 2026 包含： $$ 1140 $$ 條 failed trajectories，跨五個 domain。 --- # 74. Median trajectory 約 145 steps 這種長度下： > 找最早決定性 root-cause step 本身已是困難任務。 --- # 75. Strongest baseline 仍難精確定位 root step 這直接說明： $$ \boxed{ \text{Failure Attribution} } $$ 是 long-horizon reliability 的獨立能力。 --- # 76. HORIZON 類工作 長程 task failure 會隨： - dependency depth； - horizon； - state； - planning； 改變。 --- # 77. YC-Bench 的錯誤也不是單一 step accuracy 其一年期 startup simulation 中可看到： - over-parallelization； - adversarial client miss； - persistent-state use； 等結構差異。 --- # 78. Per-Step Correctness 不能推出 Trajectory Correctness 若每步： $$ P(a_i\text{ correct})=p, $$ 不能只用： $$ p^n $$ 完整描述長程失敗。 --- # 79. 因為錯誤會改變後續 state distribution 一個早期錯誤： $$ e_k $$ 會改變： $$ P(s_{k+1:n}). $$ --- # 80. Error Becomes Premise 最危險情況之一： $$ E_t \rightarrow \text{accepted state} \rightarrow E_{t+1}. $$ --- # 81. Error Compounding 可寫： $$ \boxed{ \epsilon_{t+1} = F( \epsilon_t, \Delta\epsilon_t, R_t ). } $$ --- # 82. Repairability 變得比 First-Shot 更重要 若模型能自動： - detect； - localize； - rollback； - retry； 則 first-shot error 未必致命。 --- # 83. First-Shot Accuracy $$ P_0 = P( \text{correct on first attempt} ). $$ --- # 84. Eventual Correctness $$ \boxed{ P_n = P( \text{verified correct within }n\text{ repairs} ). } $$ --- # 85. Repair Gain $$ \boxed{ G_R(n) = P_n-P_0. } $$ --- # 86. Repair Contraction 對 residual error： $$ \epsilon_k, $$ 定義： $$ \boxed{ \kappa_k = \frac{ \|\epsilon_{k+1}\| }{ \|\epsilon_k\| }. } $$ --- # 87. 若 $\kappa_k<1$ 錯誤收斂。 --- # 88. 若 $\kappa_k\approx1$ repair 沒有效果。 --- # 89. 若 $\kappa_k>1$ 修復反而擴散錯誤。 --- # 90. Error Migration Through Repair 有時修掉： $$ E_3 $$ 後， 剩下： $$ E_6. $$ 這不是 repair 失敗，而是 deeper residual 被暴露。 --- # 91. Residual Error Frontier 本文定義： $$ \boxed{ \mathcal F_E(A,R) } $$ 表示在能力 $A$ 與 repair regime $R$ 下，仍然穩定存活的 error classes。 --- # 92. AI 越強，Residual Frontier 可能往上移 假說： $$ \boxed{ \mathbb E[ L(E) \mid E\in\mathcal F_E ] \uparrow. } $$ --- # 93. 但這是待驗證假說 它可能在某些 domain 不成立。 例如 stronger model 也可能突然消除某類 high-level error。 --- # 94. Error Morphology 可能非單調 模型世代： $$ A_1\rightarrow A_2\rightarrow A_3 $$ 可出現： $$ E_5\downarrow, \quad E_7\uparrow, \quad E_8\downarrow. $$ 沒有必要形成單一直線。 --- # 95. Morphology Tensor 更合理： $$ \boxed{ \mathbb M_E = [ P(E=e_i\mid A_j,T_k,R_l,V_m) ]. } $$ --- # 96. 這是一個條件分布 不是模型永久 personality。 --- # 97. Error Detection Latency 定義： $$ \boxed{ L_D(e) = t_{\mathrm{detected}} - t_{\mathrm{introduced}}. } $$ --- # 98. 高階錯誤常具有高 detection latency 因為它可能直到： - integration； - formalization； - deployment； - late proof obligation； 才暴露。 --- # 99. Early-Origin / Late-Detection 這是高 blast-radius error 的典型模式： $$ t_{\mathrm{origin}}\ll t_{\mathrm{detect}}. $$ --- # 100. Root-Cause Distance 定義： $$ \boxed{ D_R = n_{\mathrm{failure}} - n_{\mathrm{root}}. } $$ --- # 101. $D_R$ 越大，debug 越難 尤其 multi-agent handoff 中，責任角色甚至可能已變。 --- # 102. Error Ownership 在 multi-agent system 中： $$ E $$ 可能由： - planner； - worker； - verifier； - memory； - tool； 產生。 --- # 103. Responsible Role 因此 failure taxonomy 應包含： $$ \boxed{ \operatorname{Role}(E). } $$ --- # 104. Error Morphology Evaluation Protocol（EMEP） 本文提出標準流程。 --- # 105. EMEP Step 1：固定評測語境 記錄： $$ A,T,R,V,B. $$ --- # 106. Step 2：記錄 First Failure 分類： $$ E_{\mathrm{first}}. $$ --- # 107. Step 3：定位 Earliest Decisive Error 不是只記最後 crash。 --- # 108. Step 4：執行 Repair Loop 直到： - verified success； - budget exhausted； - residual stable。 --- # 109. Step 5：記錄 Residual Error $$ E_{\mathrm{res}}. $$ --- # 110. Step 6：量 Detectability / Blast / Repair Cost 建立： $$ \mathbf E. $$ --- # 111. Step 7：做 Verifier Ablation 比較： $$ V_0,V_1,\ldots,V_n. $$ 分離 detection shift。 --- # 112. Step 8：做 Task Matching 比較 same-task 與 frontier-normalized regime。 --- # 113. Error Morphology Matrix 輸出： $$ \boxed{ M_{ij} = P( E=e_i \mid A_j ). } $$ 加上 task / verifier 維度。 --- # 114. Error Migration Distance 若有 error-layer 座標： $$ L(e), $$ 可定義： $$ \boxed{ \Delta L = \mathbb E[ L(E)\mid A_2 ] - \mathbb E[ L(E)\mid A_1 ]. } $$ --- # 115. 但 $\Delta L>0$ 不自動表示更危險 仍要看： $$ \mathcal R_E. $$ --- # 116. Error Severity–Detectability Tradeoff 高階模型理想情況： $$ P(E)\downarrow $$ 且： $$ D_{\mathrm{detect}}\uparrow. $$ 這是雙重進步。 --- # 117. 危險情況 若： $$ P(E)\downarrow $$ 但： $$ D_{\mathrm{detect}}\downarrow $$ 且： $$ B(E)\uparrow, $$ 則剩餘錯誤更難治理。 --- # 118. Verification Architecture 因此必須跟模型能力一起升級 $$ \boxed{ C_A\uparrow \Rightarrow C_V\uparrow } $$ 是工程目標，不是自然必然。 --- # 119. Verifier Lag 若： $$ C_A>C_V, $$ 可能形成： $$ \boxed{ \text{Verification Lag}. } $$ --- # 120. 這與 B03 Visibility 問題直接相連 若 verifier 看不到 error： $$ \chi_E\downarrow. $$ --- # 121. Error Visibility Threshold 本文可定義： $$ \boxed{ \chi_E( e, V,O ) } $$ 表示錯誤被識別的概率。 --- # 122. Model Capability 變強也可能降低錯誤可見性 因為輸出更流暢、更局部一致。 所以： $$ \boxed{ \text{Plausibility} \uparrow \not\Rightarrow \text{Correctness} \uparrow } $$ 對個別 residual output 仍成立。 --- # 123. 但整體 correctness 仍可同時提高 本文不是說 stronger models 更會 hallucinate。 而是： > 剩下的 hallucination / omission 可能更難由表面 fluency 發現。 --- # 124. Human Coupler 的角色也會變 舊模型時，人類常修： - syntax； - direct facts； - obvious mistakes。 --- # 125. 新模型時，人類可能更多修 - definition； - scope； - boundary； - proof obligation； - architecture completeness； - experiment interpretation。 --- # 126. 這就是 Coupling Skill Migration 定義： $$ \boxed{ H_{\mathrm{repair}}(t) } $$ 所需技能也可能向 higher meta-level 移動。 --- # 127. B05 的前置 若所需 repair / activation skill 越高階， 能有效耦合的使用者比例可能改變。 這會在 B05 處理。 --- # 128. B06 的前置 B06 將把： - problem construction； - method； - verification； - repair； 正式放進 coupling state space。 --- # 129. B07 的現實觀測價值 高能力專家與 AI 的 frontier work 可觀察： > 錯誤究竟已從 basic mistakes 移去哪裡。 --- # 130. B08 的長期問題 若 AI 能自己： - detect omissions； - identify boundary mismatch； - formalize obligations； - audit architecture； 則人類 repair role 可能下降。 --- # 131. 可證偽命題一 若 error morphology 不隨模型能力改變， 則 matched-task regime 下： $$ \mathcal M_E(A_1) \approx \mathcal M_E(A_2). $$ --- # 132. 可證偽命題二 若 observed shift 主要來自 task selection， 則同一任務比較中： $$ \Delta L\approx0, $$ 而 frontier-normalized comparison 才有差。 --- # 133. 可證偽命題三 若 observed shift 主要來自 better verification， 則固定 model / task、只提升 verifier： $$ N_{\mathrm{high-level\ detected}} \uparrow. $$ --- # 134. 可證偽命題四 若 stronger model repairability 提升， 則： $$ G_R(n)\uparrow $$ 且： $$ \kappa\downarrow. $$ --- # 135. 可證偽命題五 若 omission 成為重要 residual class， 則 completeness-oriented verifier 的 marginal detection gain 應高於 syntax-oriented verifier。 --- # 136. 可觀測預測 本文提出九個預測： 1. frontier models 的 syntax / direct execution error rate 將持續低於舊世代。 2. residual failures 會更多集中於 condition omission、boundary mismatch、formal obligations、architecture completeness 與 long-horizon state errors。 3. first-shot correctness 的邊際價值會逐步讓位給 eventual verified correctness 與 repair contraction。 4. formal verification 會把部分自然語言中不可見的 proof obligations 顯影。 5. software Agent evaluation 會增加 completeness、branch coverage、rollback、state consistency 與 trajectory root-cause metrics。 6. long-horizon Agent failure taxonomy 會從 final-outcome labels 走向 earliest decisive root cause。 7. stronger models 的 remaining errors 將需要更專業 verifier 才能可靠辨識。 8. human–AI coupling 中人類修正工作會從低階 syntax correction 向 definition、boundary、architecture、verification 移動。 9. 當 AI self-verification 與 meta-repair 成熟後，這些高階 residual classes 也會再次縮小，形成新的 error frontier。 --- # 137. 與既有 EveMissLab 研究的關係 ## 137.1 CFATC-B01 至 B03 B01： $$ C_{\mathrm{latent}} \neq C_{\mathrm{realized}}. $$ B02： $$ \text{coupling} \rightarrow \text{frontier activation}. $$ B03： $$ C_{\mathrm{realized}} \neq C_{\mathrm{visible}}. $$ B04 增加： $$ \boxed{ \text{higher capability} \neq \text{same residual error distribution}. } $$ ## 137.2 Mathematical Problem Formalization 既有 MPF 研究提出： $$ \text{Proof Formalization} \neq \text{Problem-Generation Formalization} $$ 以及 target fidelity / premature closure 問題。 B04 將其視為典型高階 error morphology。 ## 137.3 Multi-Proof / Proof Lattice 既有研究提出： $$ \text{Proof Existence} \neq \text{Proof Trust Architecture}. $$ B04 將 verifier diversity、shared dependency 與 statement fidelity 納入 error detectability。 ## 137.4 LHCF Cognitive Resistance LHCF 已指出： $$ \text{local comprehension} \not\Rightarrow \text{global theory reconstruction}. $$ B04 將局部—全域差距轉成錯誤分布問題。 ## 137.5 APR / Differential Reobservation APR 的差分重觀察思想提供另一個 repair 接口： > 不必每次重算全部狀態，而應針對變化與殘差重新觀察。 B04 的 residual-error monitoring 與此相容。 --- # 138. 外部研究支點 1. Ravi, N. et al., **FormalProofBench: Can Models Write Graduate Level Math Proofs That Are Formally Verified?**, ICLR 2026. 2. Pham, Q. V. et al., **TheoremBench: Evaluating LLMs on Theorem Proving in Formal Mathematics**, 2026. 3. Barke, S. et al., **AgentRx: Diagnosing AI Agent Failures from Execution Trajectories**, Microsoft Research, 2026. 4. Zhang, Y. et al., **LongRCA Bench: Diagnosing Responsible Roles and Root Causes in Long-Horizon Agent Failures**, 2026. 5. Wang, X. J. et al., **The Long-Horizon Task Mirage? Diagnosing Where and Why Agentic Systems Break (HORIZON)**, 2026. 6. He, M. et al., **YC-Bench: Benchmarking AI Agents for Long-Term Planning and Consistent Execution**, 2026. 7. OpenAI, **Safety and Alignment in an Era of Long-Horizon Models**, 2026. 這些外部研究不直接提出本文的 Error Morphology Shift 理論；它們分別提供 formal-proof residual、proof-structure bias、trajectory diagnosis、root-cause localization 與 long-horizon failure decomposition 的實證支點。 --- # 139. 結論 本文提出： $$ \boxed{ \text{Error Morphology Shift} } $$ 作為 frontier AI reliability 的核心研究問題之一。 真正需要測的不是只有： $$ P(\mathrm{error}). $$ 還包括： $$ \boxed{ P( E=e \mid A,T,R,V ). } $$ 因為 AI 變強後，最常見的情況可能不是： > 錯誤全部消失。 而是： > **低階錯誤先被消除，剩下的錯誤往更長依賴、更高抽象、更難驗證的 residual frontier 集中。** 但這個命題只有在排除： $$ \boxed{ \text{Task-Selection Shift} } $$ 與： $$ \boxed{ \text{Detection Shift} } $$ 後，才有資格被稱為真正 model morphology shift。 所以本文的最終方法論是： $$ \boxed{ \text{Same Task} + \text{Frontier-Normalized Task} + \text{Verifier Ablation} + \text{Trajectory Root Cause} + \text{Repair Analysis}. } $$ 而 reliability 的目標也應從： $$ \boxed{ \text{Never Make a Mistake} } $$ 轉成更現實的： $$ \boxed{ \text{Make Fewer Errors} + \text{Detect Earlier} + \text{Repair Reliably} + \text{Prevent Propagation} + \text{Expose Residual Boundaries}. } $$ CFATC 至此形成： $$ \boxed{ \text{Latent} \rightarrow \text{Activated} \rightarrow \text{Visible} \rightarrow \text{Residual Error Morphology}. } $$ 下一篇 CFATC-B05 將正式處理本系列最具爭議性的猜想之一： $$ \boxed{ \text{Tail-Domain Contraction Hypothesis}. } $$ 也就是： > **AI 越強，雖然能使用 AI 的人越多，但真正能反覆把它推入最高能力尾端的人類比例，是否反而可能下降？** --- # Canonical Source Note 本文件的正式原稿為此 UTF-8 Markdown source。聊天介面的渲染版本不應被視為 canonical source。 數學公式 canonical delimiter 僅使用： - inline math：` $...$ ` - display math：`$$...$$` 不得以 Unicode 數學字元替換 LaTeX source，不進行 `unicode_escape` 類 round-trip，不自行改寫反斜線、delimiter 或公式原始碼。