# ESC-EXP-09：Distance Chamber Geometry

**系列：** Extensional Structural Convergence — Experimental Phase  
**文件編號：** ESC-EXP-09  
**版本：** v0.1  
**日期：** 2026-09-23  
**前置：** ESC-00 ～ ESC-06、ESC-EXP-00 ～ ESC-EXP-08  
**狀態：** Analytic Geometry + Executable Finite-Model Evidence / Canonical UTF-8 Source

**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  

---

## 摘要

ESC-EXP-08 已經證明：

$$
d_{\mathrm{ESC}}
(P,Q\mid\mathcal D,\mathcal J,c)
$$

不是 projection pair 的固定常數，而是一個 target/domain/cost-conditioned field。

本輪不再增加更多散點式 domain samples，而是直接研究 distance ordering 的解析幾何。

令三條 representation 對同一 target kernel 的最低 adaptation cost 為：

$$
\boxed{
\mathbf A
=
(A_F,A_C,A_I)
\in
\mathbb R_{\ge0}^{3}.
}
$$

Star bridge distances：

$$
d_{FC}=A_F+A_C,
$$

$$
d_{FI}=A_F+A_I,
$$

$$
d_{CI}=A_C+A_I.
$$

因此：

$$
d_{FI}-d_{CI}
=
A_F-A_C,
$$

$$
d_{FC}-d_{FI}
=
A_C-A_I,
$$

$$
d_{FC}-d_{CI}
=
A_F-A_I.
$$

所以三個 pairwise distance 的排序完全由：

$$
A_F,A_C,A_I
$$

的相對順序決定。

三個 tie planes：

$$
A_F=A_C,
$$

$$
A_F=A_I,
$$

$$
A_C=A_I
$$

把 adaptation-cost space 切成：

$$
\boxed{
6
}
$$

個 strict chambers。

更進一步，同時平移：

$$
\mathbf A
\mapsto
\mathbf A
+
c(1,1,1)
$$

不改變 adaptation order，也不改變 distance order。

因此真正的 ranking geometry 不在完整三維空間，而在：

$$
\boxed{
\mathbb R^3/\operatorname{span}(1,1,1)
\cong
\mathbb R^2.
}
$$

在二維 quotient 中，三條 tie planes 變成三條穿過原點的直線：

$$
u=0,
$$

$$
v=0,
$$

$$
u+v=0,
$$

形成標準的六扇區 braid arrangement。

---

# 1. Runtime

EXP-09 新增 regression：

```text
5 passed
```

測試內容：

- 六個 strict chambers；
- chamber adjacency；
- common-mode shift invariance；
- $K_4\rightarrow K_4-e\rightarrow C_4\rightarrow P_4$ support trajectory；
- adaptation-order / distance-order 一致性。

本輪沒有重新跑完整 41-test inherited suite；EXP-08 完整 regression 已在上一輪通過。

---

# 2. 六個 Strict Chambers

六個 adaptation order 對應六種 pair-distance strict order：

| Adaptation chamber | Distance chamber |
|---|---|
| $F<C<I$ | $FC<FI<CI$ |
| $F<I<C$ | $FI<FC<CI$ |
| $C<F<I$ | $FC<CI<FI$ |
| $C<I<F$ | $CI<FC<FI$ |
| $I<F<C$ | $FI<CI<FC$ |
| $I<C<F$ | $CI<FI<FC$ |

所以 distance-order chamber 與 adaptation-order chamber 是一一對應的。

---

# 3. 為什麼只有六個 Chamber？

三個 adaptation costs 的 strict ordering 是：

$$
3!
=
6.
$$

每一個 strict permutation：

$$
\pi
\in
S_3
$$

就是一個 open chamber。

chamber adjacency 只允許交換相鄰 adaptation ranks，因此每個 chamber 恰好有：

$$
2
$$

個鄰居。

所以 adjacency graph 是一個：

$$
\boxed{
6\text{-cycle}
}
$$

也就是 $S_3$ permutohedron 的一維邊界圖。

---

# 4. Common-Mode Quotient

若：

$$
A'_F=A_F+c,
$$

$$
A'_C=A_C+c,
$$

$$
A'_I=A_I+c,
$$

則：

$$
d'_{FC}
=
d_{FC}
+
2c,
$$

$$
d'_{FI}
=
d_{FI}
+
2c,
$$

$$
d'_{CI}
=
d_{CI}
+
2c.
$$

所以所有 pairwise distance 同時平移：

$$
2c,
$$

排序完全不變。

因此 chamber geometry 只依賴 centered adaptation：

$$
\widetilde A_P
=
A_P
-
\overline A,
$$

其中：

$$
\overline A
=
\frac{A_F+A_C+A_I}{3}.
$$

---

# 5. 二維 Braid Coordinates

取：

$$
u=A_F-A_C,
$$

$$
v=A_C-A_I.
$$

則：

$$
A_F-A_I
=
u+v.
$$

三個 tie boundaries：

$$
u=0,
$$

$$
v=0,
$$

$$
u+v=0.
$$

它們在二維平面形成六個 wedge chambers。

所以 ESC ranking geometry 的第一個解析模型其實就是：

$$
\boxed{
A_2
\text{ braid arrangement}.
}
$$

這裡的 $A_2$ 指 arrangement type，不是 ESC 的 substrate notation。

---

# 6. Chamber Boundary 就是 Representation Adaptation Tie

例如：

$$
A_F=A_C
$$

等價於：

$$
d_{FI}=d_{CI}.
$$

跨越該平面：

$$
A_F<A_C
\longrightarrow
A_F>A_C
$$

就會使：

$$
d_{FI}<d_{CI}
$$

翻成：

$$
d_{FI}>d_{CI}.
$$

所以 EXP-08 的 FI/CI ranking reversal 現在被解析成：

$$
\boxed{
\text{crossing of the }A_F=A_C\text{ wall}.
}
$$

---

# 7. Chamber Robustness Margin

定義 adaptation ranking margin：

$$
\boxed{
M(\mathbf A)
=
\min
\left\{
|A_F-A_C|,
|A_F-A_I|,
|A_C-A_I|
\right\}.
}
$$

到最近 tie plane 的 Euclidean distance：

$$
\boxed{
R_{\mathrm{chamber}}
=
\frac{M(\mathbf A)}{\sqrt2}.
}
$$

如果：

$$
R_{\mathrm{chamber}}
$$

很小，表示小幅 cost/domain perturbation 就可能改變 ranking。

如果很大，ranking 比較 robust。

---

# 8. 實際 Support-Deletion Trajectory

本輪不只做解析 chamber，而建立一條實際 finite-domain trajectory：

$$
K_4
\rightarrow
K_4-e
\rightarrow
C_4
\rightarrow
P_4.
$$

其它條件固定：

- $n=4$ ；
- 代表性 relation-type patterns；
- 代表性 direction patterns；
- all partitions；
- context 二元；
- probe 二元；
- history $0/1$ ；
- entropy cost model；
- full six-dimensional target kernel。

---

# 9. $K_4$

coverage：

$$
\kappa_R=1.
$$

adaptation：

$$
A_F=1,
$$

$$
A_C=2,
$$

$$
A_I\approx4.058814.
$$

所以：

$$
\boxed{
F<C<I.
}
$$

distance：

$$
\boxed{
FC<FI<CI.
}
$$

chamber margin：

$$
M=1,
$$

Euclidean tie distance：

$$
\frac1{\sqrt2}
\approx0.707107.
$$

這是本 trajectory 中相對 robust 的 baseline chamber。

---

# 10. 只刪一條 Edge： $K_4-e$

coverage：

$$
\kappa_R
=
\frac56.
$$

adaptation：

$$
A_F\approx2.562807,
$$

$$
A_C=2,
$$

$$
A_I\approx3.836592.
$$

因此立刻翻成：

$$
\boxed{
C<F<I.
}
$$

distance：

$$
\boxed{
FC<CI<FI.
}
$$

也就是只從 complete support 移除**一個 unordered pair**，系統便穿越：

$$
\boxed{
A_F=A_C
}
$$

wall。

這正是 EXP-03/04 Partition Recovery Coverage Lemma 在 distance geometry 中的表現。

---

# 11. 為什麼第一條 Missing Pair 就足夠？

complete support 時，F 可從 endpoint same/different observations 恢復任意 partition。

一旦缺一 unordered pair：

$$
\{u,v\},
$$

就存在兩個 partition，只在：

$$
u\sim v
$$

這件事上不同，但 F 沒有直接觀察該 pair。

因此 F 必須補 global distinction observable。

adaptation cost 從：

$$
1
$$

跳到：

$$
\approx2.562807.
$$

而：

$$
A_C=2
$$

保持不變。

所以：

$$
A_F-A_C
$$

由：

$$
-1
$$

翻成：

$$
+0.562807.
$$

chamber crossing 因此不是數值偶然，而是 observation-language completeness 發生離散改變。

---

# 12. $C_4$

coverage：

$$
\kappa_R
=
\frac46
=
\frac23.
$$

adaptation：

$$
A_F\approx2.562807,
$$

$$
A_C=2,
$$

$$
A_I\approx2.918296.
$$

仍為：

$$
\boxed{
C<F<I.
}
$$

distance：

$$
\boxed{
FC<CI<FI.
}
$$

但 chamber margin 降到：

$$
M
\approx0.355489.
$$

到最近 tie plane：

$$
R_{\mathrm{chamber}}
\approx0.251369.
$$

這是 trajectory 中最接近另一條 chamber wall 的 stage。

---

# 13. $P_4$

coverage：

$$
\kappa_R
=
\frac36
=
0.5.
$$

adaptation：

$$
A_F\approx2.562807,
$$

$$
A_C=2,
$$

$$
A_I\approx3.836592.
$$

仍然：

$$
C<F<I.
$$

distance：

$$
FC<CI<FI.
$$

所以在本 trajectory 中真正的 strict chamber transition 只發生一次：

$$
\boxed{
K_4
\rightarrow
K_4-e.
}
$$

---

# 14. Trajectory Table

| Domain | $\kappa_R$ | $A_F$ | $A_C$ | $A_I$ | Chamber | Distance order |
|---|---:|---:|---:|---:|---|---|
| $K_4$ | 1 | 1.000000 | 2.000000 | 4.058814 | $F<C<I$ | $FC<FI<CI$ |
| $K_4-e$ | $5/6$ | 2.562807 | 2.000000 | 3.836592 | $C<F<I$ | $FC<CI<FI$ |
| $C_4$ | $2/3$ | 2.562807 | 2.000000 | 2.918296 | $C<F<I$ | $FC<CI<FI$ |
| $P_4$ | $1/2$ | 2.562807 | 2.000000 | 3.836592 | $C<F<I$ | $FC<CI<FI$ |

---

# 15. 非單調的 $A_I$

值得注意：

$$
A_I
$$

並不隨：

$$
\kappa_R
$$

單調。

trajectory 中：

$$
4.058814
\rightarrow
3.836592
\rightarrow
2.918296
\rightarrow
3.836592.
$$

所以：

$$
\boxed{
\kappa_R
}
$$

不能單獨作為所有 representation adaptation cost 的序參量。

support shape 仍然重要。

這與 EXP-05 的 support-shape result 一致。

---

# 16. $A_F$ 的離散 Plateau

一旦離開 complete support：

$$
K_4-e,
C_4,
P_4
$$

三個 stage 都得到：

$$
A_F\approx2.562807.
$$

在目前 channel menu 中，這三者都需要同一最佳 supplemental channel：

$$
\boxed{
\text{observer frame}
}
$$

來補足：

- probe；
- partition distinction。

因此形成一個 adaptation plateau。

這是 representation repair strategy 的離散性，而不是連續 coverage law。

---

# 17. Linear Surrogate Crossing

如果只在 adaptation space 中把：

$$
K_4
$$

與：

$$
K_4-e
$$

兩個 vectors 做線性插值：

$$
\mathbf A(t)
=
(1-t)\mathbf A_{K_4}
+
t\mathbf A_{K_4-e},
$$

則：

$$
A_F(t)=A_C(t)
$$

發生於：

$$
\boxed{
t\approx0.639874.
}
$$

但這只是 adaptation-space 的幾何 surrogate。

它**不代表**存在一個真實 domain，其 support deletion 可以連續調到 $t=0.639874$。

真正 empirical transition 是離散的：

$$
K_4
\rightarrow
K_4-e.
$$

---

# 18. Chamber Graph

六個 strict chambers 的 adjacency graph：

$$
\boxed{
C_6
}
$$

即六邊形。

每穿過一條 wall，只交換 adaptation ranking 中相鄰的兩個 representation。

所以任何 chamber-to-chamber trajectory 如果不經 tie intersection，一次只能做 adjacent transposition。

---

# 19. Codimension-Two Intersection

三個 tie planes：

$$
A_F=A_C,
$$

$$
A_F=A_I,
$$

$$
A_C=A_I
$$

的共同交集：

$$
A_F=A_C=A_I.
$$

在 quotient geometry 中就是原點。

此時：

$$
d_{FC}=d_{FI}=d_{CI}.
$$

所以：

$$
\boxed{
\text{three-way equal adaptation}
}
$$

是所有 ranking chambers 的共同 apex。

---

# 20. Distance Chamber 不是 Representation Ontology

chamber label：

$$
F<C<I
$$

只表示對指定：

$$
(\mathcal D,\mathcal J,c)
$$

有：

$$
A_F<A_C<A_I.
$$

它不表示：

- F 比 C 本體上更簡單；
- I 比 F 更遠離真實；
- 某 representation 全域更強。

所以 chamber geometry 是：

$$
\boxed{
\text{conditional adaptation geometry}.
}
$$

---

# 21. EXP-08 Ranking Field 的解析化

EXP-08 把：

$$
\rho_{\mathrm{ESC}}(\theta)
$$

視為 piecewise-constant ranking field。

EXP-09 現在說明：

$$
\rho_{\mathrm{ESC}}
$$

其實是映射：

$$
\theta
\mapsto
\mathbf A(\theta)
\mapsto
\operatorname{Chamber}(\mathbf A).
$$

所以完整結構可拆成兩層：

$$
\boxed{
\Theta
\xrightarrow{\mathbf A}
\mathbb R_{\ge0}^{3}
\xrightarrow{\operatorname{Chamber}}
S_3.
}
$$

第一個映射由 domain / target / cost model 決定。

第二個映射則是完全解析的 braid geometry。

---

# 22. 這對 ESC 的意義

前幾輪一直在找：

> 三條 representation 哪個比較近？

現在問題變成：

> **什麼參數會讓 adaptation vector 穿過哪一個 chamber wall？**

這比單純比較 distance 數字更強，因為它直接指出 ranking flip 的機制。

目前第一個已確認的 wall-driving mechanism 是：

$$
\boxed{
\text{loss of pairwise formation coverage}
\Rightarrow
A_F\uparrow
\Rightarrow
A_F=A_C\text{ crossing}.
}
$$

---

# 23. 第一個 Chamber-Control Variable

因此對 full kernel / entropy cost：

$$
\kappa_R=1
$$

與：

$$
\kappa_R<1
$$

在目前 support trajectory 中不是只造成 soft cost drift。

它直接控制 F 是否需要：

$$
\text{global distinction bridge}.
$$

所以：

$$
\boxed{
\text{pairwise support completeness}
}
$$

是第一個被確認可以驅動 chamber transition 的結構變量。

---

# 24. Chamber Margin 作為 Robustness 指標

EXP-08 只記錄 ranking。

EXP-09 建議同時保存：

$$
\boxed{
R_{\mathrm{chamber}}
=
\frac{
\min_{P\neq Q}|A_P-A_Q|
}{
\sqrt2
}.
}
$$

ranking 一樣的兩個 domains，如果 margin 不同，其穩定性也不同。

例如：

$$
C_4
$$

與：

$$
P_4
$$

都在：

$$
C<F<I
$$

chamber，

但：

$$
R(C_4)
\approx0.251369
$$

小於：

$$
R(P_4)
\approx0.397964.
$$

所以 $C_4$ 更容易因 cost reweighting 或 domain perturbation 穿牆。

---

# 25. 一個新的 ESC Robustness 定義

可以定義：

$$
\boxed{
\operatorname{Robust}_{\mathrm{rank}}
(\theta)
=
R_{\mathrm{chamber}}
(\mathbf A(\theta)).
}
$$

它測量：

> 需要多大的 adaptation-cost perturbation，才可能改變 pairwise representation ranking？

這比單純報告：

$$
FC<CI<FI
$$

包含更多資訊。

---

# 26. 系列錨點

$$
\boxed{
\textbf{ESC-EXP-09.A}
\quad
\text{Star bridge distance ordering 完全由 adaptation-cost ordering 決定。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-09.B}
\quad
\text{共同 adaptation 平移方向可商掉，ranking geometry 是二維 }A_2\text{ braid arrangement。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-09.C}
\quad
\text{六個 strict chambers 的 adjacency graph 是六邊形。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-09.D}
\quad
K_4\rightarrow K_4-e
\text{ 已足以穿越 }A_F=A_C\text{ wall。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-09.E}
\quad
\text{chamber margin 可以作為 representation-ranking robustness 指標。}
}
$$

---

# 27. 下一輪：ESC-EXP-10

下一輪最自然的工作是：

$$
\boxed{
\text{Chamber-Control and Repair}.
}
$$

也就是不只觀察 chamber transition，而反過來求：

> 若目前落在不想要的 chamber，最小改動哪個 observation channel / cost weight / support condition，可以把系統推回指定 chamber？

形式上：

$$
\boxed{
\min
\operatorname{InterventionCost}
}
$$

subject to：

$$
\boxed{
\mathbf A'
\in
\mathcal C_{\mathrm{target}}.
}
$$

這會把 EXP-06 的 kernel bridge optimization 與 EXP-09 的 chamber geometry 合併成真正的 **representation control problem**。