# ESC-EXP-23：Open-Support Recoverability / Unknown-Unknown Backing

**系列：** Extensional Structural Convergence — Experimental Phase  
**文件編號：** ESC-EXP-23  
**版本：** v0.1  
**日期：** 2026-09-23  
**前置：** ESC-00 ～ ESC-06、ESC-EXP-00 ～ ESC-EXP-22  
**狀態：** Open-Support / Unknown-Unknown Recoverability Experiment

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

---

## 摘要

ESC-EXP-22 已經把：

$$
\mu
$$

提升成：

$$
\mu\in\mathcal U_\tau,
$$

因此 future probability model本身可以錯。

但是 EXP-22 仍保留一個很強的前提：

$$
\boxed{
\operatorname{supp}\mu
\text{ 已知且固定。}
}
$$

也就是：

> 我們可能不知道四個已知 future requirements 各自有多大機率，但仍假設未來一定只會落在這四種 requirement types 裡。

本輪把這最後一個封閉世界假設拿掉。

未來允許：

$$
\boxed{
Q_{\mathrm{new}}
\notin
\operatorname{supp}\widehat\mu.
}
$$

也就是：

> **未來可能要求一個 nominal model 今天根本沒有列出的 partition distinction。**

為了真正讓 open-support effect 顯現，本輪刻意做一個 support-ablation：

EXP-21/22 已知的 atomic 8-class future 被暫時從 nominal support 移除。

nominal known support只保留：

$$
\boxed{
\mathcal K
=
\{
Q_{\mathrm{stable4}},
Q_{\mathrm{relaxed2}},
Q_{\mathrm{horizon2}}
\}.
}
$$

並重新正規化 known probabilities：

$$
\boxed{
\widehat\mu_{\mathcal K}
=
\left(
\frac49,
\frac39,
\frac29
\right).
}
$$

在這個 nominal model 下：

$$
\boxed{
M_{\mathcal K}^{\mathrm{rob}}
=
6\text{-class backing}.
}
$$

如果只看已知 support，似乎有兩組 latent distinctions 可以永久丟掉。

但本輪得到一個非常強的 open-support result：

$$
\boxed{
r_{\mathrm{nov}}
=
\frac1{28}
}
$$

也就是只允許距離 known support **一個 pairwise coassignment edit** 的新 partition，

robust backing 就直接：

$$
\boxed{
6\rightarrow8.
}
$$

更驚人的是：

atomic 8-class requirement本身距離 known support：

$$
\boxed{
\frac4{28}
=
\frac17.
}
$$

所以 full backing 並不是因為「最極端的 atomic future 已經被放進 support」。

實際上：

> **幾個非常局部、各自只差一個 pair relation 的新 future requirements，就能共同把所有殘餘 distinctions 逼回來。**

本輪在最小 novelty radius：

$$
1/28
$$

找到：

$$
4
$$

個 unseen partitions。

其中只需要：

$$
\boxed{
2
}
$$

個互補的新 requirements，就足以把 known-support 6-class backing 推到 universal 8-class backing。

所以：

$$
\boxed{
\text{local novelty}
\Longrightarrow
\text{global backing closure}
}
$$

在本 finite domain 中確實發生。

本輪也建立第二種 open-support model：

$$
\boxed{
\mu_{\nu,\xi}
=
(1-\nu)
\widehat\mu_{\mathcal K}
+
\nu\xi,
}
$$

其中：

$$
\operatorname{supp}\xi
\subseteq
\mathcal U\setminus\mathcal K.
$$

也就是：

> 有 $\nu$ 比例的 future probability mass 可以落到任何 nominal model 未見過的新 partition。

在這個 contamination model 下，expected-cost backing形成：

$$
\boxed{
4\rightarrow5\rightarrow6\rightarrow8
}
$$

phase family，

而 full-backing threshold具有非常乾淨的閉式：

$$
\boxed{
\left(\frac{\rho}{\eta}\right)_{6\rightarrow8}
=
\frac1\nu.
}
$$

所以：

$$
\nu=0.01
\Rightarrow100,
$$

$$
\nu=0.05
\Rightarrow20,
$$

$$
\nu=0.10
\Rightarrow10,
$$

$$
\nu=0.20
\Rightarrow5,
$$

$$
\nu=0.30
\Rightarrow3.3333.
$$

即：

$$
\boxed{
\text{unknown-support mass 越高，
full backing 的經濟門檻越低。}
}
$$

---

# 1. Runtime

EXP-23 regression：

```text
6 passed
```

測試包含：

- truncated known support robust backing 為 6 classes；
- novelty radius $1/28$ 已足以逼出 8-class backing；
- atomic8 自己距離 known support 是 $4/28$ ；
- 兩個最近 novel requirements 可共同強迫 full backing；
- $\nu=0.10$ 可校準回 EXP-21 nominal loss geometry；
- full-backing threshold 精確滿足：
  $$
  1/\nu.
  $$

---

# 2. 為什麼要暫時移除 Atomic8？

如果 nominal support本身已經包含：

$$
Q_{\mathrm{atomic8}},
$$

那 worst-case known-support robust backing早已是：

$$
8.
$$

在同一個 8-state universe 裡，再加入任何 unseen partition都不能比 atomic partition要求更細。

因此：

$$
\boxed{
\text{open-support robustness 會被已知 universal requirement 遮蔽。}
}
$$

所以本輪不是否定 EXP-21/22 的 atomic tail。

而是做一個：

$$
\boxed{
\text{support-completeness ablation}.
}
$$

故意問：

> **如果模型漏掉了 universal future requirement，open support 會如何暴露這個錯誤？**

---

# 3. Truncated Known Support

known support：

$$
\mathcal K
=
\{
Q_4,
Q_{2a},
Q_{2b}
\}.
$$

known probabilities：

$$
\frac49,
\frac39,
\frac29.
$$

目前 active partition：

$$
\mathcal P_0
$$

仍是 strict 4-class state。

---

# 4. Known-Support Robust Backing

只要求：

$$
M
\preceq
\mathcal P_0
$$

且：

$$
M
\preceq
Q
\quad
\forall
Q\in\mathcal K,
$$

則：

$$
\boxed{
M_{\mathcal K}^{\mathrm{rob}}
=
\mathcal P_0
\wedge
\bigwedge_{Q\in\mathcal K}
Q.
}
$$

實驗：

$$
\boxed{
|M_{\mathcal K}^{\mathrm{rob}}|
=
6.
}
$$

其 blocks：

$$
\{
\varnothing,G
\},
$$

$$
\{TD,TDG\},
$$

加上：

$$
D,
T,
DG,
TG
$$

四個 singleton。

所以 nominal model認為仍可安全 merge 的只剩兩組：

$$
\boxed{
\varnothing\sim G
}
$$

以及：

$$
\boxed{
TD\sim TDG.
}
$$

---

# 5. Open Requirement Universe

8 個 mechanism states 的所有 set partitions總數：

$$
\boxed{
B_8
=
4140.
}
$$

known support只有：

$$
3.
$$

所以 unseen future requirement partitions：

$$
\boxed{
4137.
}
$$

本輪因此真的把：

$$
Q_{\mathrm{new}}
$$

放進一個完整 finite open-support universe。

---

# 6. Partition Novelty Distance

沿用 EXP-18 的 pairwise coassignment churn：

$$
d_{\mathrm{part}}(P,Q)
=
\frac{
\#\text{pairwise same/different assignment changes}
}{
\binom82
}.
$$

因：

$$
\binom82=28,
$$

最小非零 distance：

$$
\boxed{
\frac1{28}
\approx
0.0357143.
}
$$

---

# 7. Distance to Known Support

對 novel requirement：

$$
Q,
$$

定義：

$$
\boxed{
d_{\mathcal K}(Q)
=
\min_{K\in\mathcal K}
d_{\mathrm{part}}(Q,K).
}
$$

所以：

> 一個 requirement 即使 nominal model沒見過，只要與某個 known requirement只差很小的 partition edit，就屬於 local novelty。

---

# 8. Support-Radius Expansion

定義：

$$
\boxed{
\mathcal K_r
=
\mathcal K
\cup
\{
Q\notin\mathcal K:
d_{\mathcal K}(Q)\le r
\}.
}
$$

robust backing：

$$
\boxed{
M^{\mathrm{rob}}(r)
=
\mathcal P_0
\wedge
\bigwedge_{Q\in\mathcal K_r}
Q.
}
$$

---

# 9. Radius Zero

$$
r=0.
$$

沒有 novel partitions。

所以：

$$
\boxed{
|M^{\mathrm{rob}}(0)|
=
6.
}
$$

hidden cost相對 active4：

$$
2.
$$

---

# 10. 第一個非零 Radius

只增加：

$$
\boxed{
r=\frac1{28}
}
$$

就有：

$$
4
$$

個 unseen requirements進入 support。

結果：

$$
\boxed{
|M^{\mathrm{rob}}(1/28)|
=
8.
}
$$

hidden cost：

$$
4.
$$

也就是：

$$
\boxed{
6\rightarrow8
}
$$

沒有經過 7-class robust phase。

---

# 11. Full-Backing Trigger Radius

因此定義：

$$
\boxed{
r_{\mathrm{full}}
=
\inf
\{
r:
M^{\mathrm{rob}}(r)
=
\bot
\},
}
$$

其中：

$$
\bot
$$

是 discrete atomic partition。

本 finite benchmark：

$$
\boxed{
r_{\mathrm{full}}
=
\frac1{28}.
}
$$

這可以視為：

$$
\boxed{
\text{Novelty Fragility Radius}.
}
$$

越小表示 nominal support對局部 support expansion越脆弱。

---

# 12. Atomic8 其實還沒進 Support

atomic unknown requirement與 known support距離：

$$
\boxed{
d_{\mathcal K}
(
Q_{\mathrm{atomic8}}
)
=
\frac4{28}
=
\frac17
\approx0.142857.
}
$$

但 full backing早在：

$$
1/28
$$

就被強迫出現。

所以：

$$
\boxed{
r_{\mathrm{full}}
<
d_{\mathcal K}
(
Q_{\mathrm{atomic8}}
).
}
$$

這非常重要。

---

# 13. Full Backing 不需要單一 Extreme Future

一般直覺可能是：

> 要逼系統保存全部 distinctions，必須先出現一個要求全部 distinctions 的 future。

本輪反例：

$$
\boxed{
\text{不需要。}
}
$$

多個局部 requirements可以在不同 directions 上各自要求一部分 distinctions。

它們的共同 refinement就可以變成 atomic backing。

---

# 14. 四個 Nearest Novel Requirements

距離：

$$
1/28
$$

共有：

$$
4
$$

個 unseen partitions。

它們都只是對 stable4 做一個 local pair split。

其中有兩個對 known robust meet沒有新增 distinction，因為該 distinction已被其它 known requirements逼出。

另外兩個則分別拆開 known robust backing剩下的兩組 latent merge。

---

# 15. Novel Requirement $Q_A$

第一個關鍵 local novelty：

把：

$$
\{\varnothing,G\}
$$

拆開。

單獨加入後：

$$
\boxed{
6\rightarrow7.
}
$$

---

# 16. Novel Requirement $Q_B$

另一個關鍵 local novelty：

把：

$$
\{TD,TDG\}
$$

拆開。

單獨加入後同樣：

$$
\boxed{
6\rightarrow7.
}
$$

---

# 17. Complementary Novelty Closure

同時加入：

$$
Q_A,
Q_B,
$$

則：

$$
\boxed{
7+7
\text{ 的互補需求}
\Longrightarrow
8\text{-class common refinement}.
}
$$

更精確：

$$
\boxed{
\mathcal P_0
\wedge
\mathcal K
\wedge
Q_A
\wedge
Q_B
=
\bot.
}
$$

本輪 exhaustive search確認：

$$
\boxed{
\text{minimum forcing set size}=2.
}
$$

---

# 18. Local Novelty → Global Closure

因此可以提出：

$$
\boxed{
\text{Local-Novelty Global-Closure Phenomenon}.
}
$$

多個：

$$
d_{\mathcal K}(Q_i)
$$

都很小的新 requirement，

如果它們沿不同 latent distinction axes互補，

共同 meet仍可能快速收斂到：

$$
\boxed{
\text{universal backing}.
}
$$

---

# 19. Support Coverage 不能只看最大 Distance

本輪也說明：

只看：

$$
\max
d_{\mathcal K}(Q)
$$

不夠。

因為即使每一個 novel requirement都只：

$$
1/28,
$$

它們的 direction diversity仍可能把 backing逼到最細。

所以 open-support robustness還需要考慮：

$$
\boxed{
\text{novelty direction / complementarity}.
}
$$

---

# 20. Novelty Contamination

第二個模型不要求所有 unseen requirements robustly安全。

而是假設：

$$
\nu
$$

比例 future mass屬於 unknown support。

$$
\boxed{
\mu_{\nu,\xi}
=
(1-\nu)
\widehat\mu_{\mathcal K}
+
\nu\xi,
}
$$

其中：

$$
\xi
$$

可任意分布在 unseen partitions。

---

# 21. Known Expected Reacquisition

對四個 canonical backing levels：

### 4-Class

$$
\boxed{
E_{\mathcal K}[R_4]
=
\frac89.
}
$$

### 5-Class

$$
\boxed{
E_{\mathcal K}[R_5]
=
\frac13.
}
$$

### 6-Class

因為 6-class backing已覆蓋全部 known support：

$$
\boxed{
E_{\mathcal K}[R_6]
=
0.
}
$$

### 8-Class

$$
0.
$$

---

# 22. Worst Unseen Severity

因 atomic8 已被移出 nominal known support，所以它屬於 unseen universe。

因此對 $k$ -class canonical backing：

$$
\boxed{
N_k
=
8-k.
}
$$

實測：

$$
N_4=4,
$$

$$
N_5=3,
$$

$$
N_6=2,
$$

$$
N_7=1,
$$

$$
N_8=0.
$$

---

# 23. Open-Support Worst-Case Expected Reacquisition

所以：

$$
\boxed{
\overline R_\nu(M)
=
(1-\nu)
E_{\mathcal K}[R(M,Q)]
+
\nu
N(M).
}
$$

canonical levels：

$$
\boxed{
\overline R_4
=
\frac89
+
\frac{28}{9}\nu,
}
$$

$$
\boxed{
\overline R_5
=
\frac13
+
\frac83\nu,
}
$$

$$
\boxed{
\overline R_6
=
2\nu,
}
$$

$$
\boxed{
\overline R_7
=
\nu,
}
$$

$$
\boxed{
\overline R_8
=
0.
}
$$

---

# 24. Novelty Mass 為零

$$
\nu=0.
$$

這退回 truncated closed-support model。

expected-cost：

$$
C_k
=
(k-4)
+
r\overline R_k.
$$

此時 6-class backing已完全 cover known future。

所以 8-class full backing永遠沒有必要：

$$
\boxed{
r_{6\to8}
=
\infty.
}
$$

---

# 25. 任何正 Novelty Mass 都重新引入 Full-Backing Regime

若：

$$
\nu>0,
$$

6-class仍有：

$$
2\nu
$$

worst-case expected reacquisition。

full 8-class：

$$
0.
$$

所以：

$$
2
+
2\nu r
=
4
$$

得到：

$$
\boxed{
r_{6\to8}
=
\frac1\nu.
}
$$

這是本輪最乾淨的 open-support law。

---

# 26. Full-Backing Threshold Table

$$
\nu=0.01
\Rightarrow
r_{\mathrm{full}}=100,
$$

$$
\nu=0.02
\Rightarrow50,
$$

$$
\nu=0.05
\Rightarrow20,
$$

$$
\nu=0.10
\Rightarrow10,
$$

$$
\nu=0.20
\Rightarrow5,
$$

$$
\nu=0.30
\Rightarrow
3.3333.
$$

因此：

$$
\boxed{
r_{\mathrm{full}}
\propto
\nu^{-1}.
}
$$

---

# 27. 4-Class → 5-Class Boundary

解：

$$
r\overline R_4
=
1+r\overline R_5.
$$

得到：

$$
\boxed{
r_{4\to5}
=
\frac9{
5+4\nu
}.
}
$$

例如：

$$
\nu=0:
1.8,
$$

$$
\nu=0.10:
1.6667,
$$

$$
\nu=0.20:
1.5517,
$$

$$
\nu=0.30:
1.4516.
$$

---

# 28. 5-Class → 6-Class Boundary

$$
1+r\overline R_5
=
2+r\overline R_6.
$$

得到：

$$
\boxed{
r_{5\to6}
=
\frac3{
1+2\nu
}.
}
$$

例如：

$$
\nu=0:
3,
$$

$$
\nu=0.10:
2.5,
$$

$$
\nu=0.20:
2.1429,
$$

$$
\nu=0.30:
1.875.
$$

---

# 29. Open-Support Expected-Cost Phase Family

因此：

$$
\nu>0
$$

時形成：

$$
\boxed{
4
\rightarrow
5
\rightarrow
6
\rightarrow
8.
}
$$

所有 major transition thresholds都隨：

$$
\nu\uparrow
$$

下降。

所以：

$$
\boxed{
\text{unknown-support uncertainty}
}
$$

與 EXP-22 的 distributional uncertainty一樣，都會把 policy推向更細 backing。

但機制不同。

---

# 30. $\nu=0.10$ Calibration

這是一個很漂亮的連接點。

known probabilities：

$$
\left(
\frac49,
\frac39,
\frac29
\right).
$$

乘：

$$
1-\nu
=
0.9
$$

得到：

$$
0.4,
0.3,
0.2.
$$

再把：

$$
\nu=0.1
$$

adversarial novelty集中到 atomic8，

得到：

$$
\boxed{
(0.4,0.3,0.2,0.1).
}
$$

這正好就是 EXP-21 的 nominal distribution。

因此：

$$
\boxed{
\nu=0.10
}
$$

把「已知 10% atomic tail」重新解讀成：

> **nominal model漏掉了一個 10% unknown-support tail，而且最壞的新 requirement恰好是 atomic8。**

所以 EXP-21 與 EXP-23 在這個 calibration point 精確接上。

---

# 31. Known Tail vs Unknown Tail

這兩種情況數值可以一致：

### Known Tail

模型知道：

$$
Q_{\mathrm{atomic}}
$$

存在，且 probability：

$$
0.10.
$$

### Unknown Tail

模型只知道：

$$
\nu=0.10
$$

future mass可能落到未知 requirement，

而 adversary選 atomic8。

兩者 loss envelope可以相同。

但 epistemic status完全不同。

所以：

$$
\boxed{
\text{same risk number}
\neq
\text{same knowledge state}.
}
$$

---

# 32. Open-Support Chance Coverage

對非-atomic backing，

adversary總能把 novelty mass：

$$
\nu
$$

放到一個 backing無法直接實現的 unseen partition。

所以：

$$
\boxed{
C_\nu(M)
=
(1-\nu)
C_{\mathcal K}(M)
}
$$

對所有非-universal backing。

8-class backing則：

$$
\boxed{
C_\nu(M_8)=1.
}
$$

---

# 33. Known Coverage Levels

known support下：

$$
C_{\mathcal K}(M_4)
=
\frac49,
$$

$$
C_{\mathcal K}(M_5)
=
\frac69
=
\frac23,
$$

$$
C_{\mathcal K}(M_6)
=
1.
$$

---

# 34. Open Chance Levels

因此：

$$
\boxed{
C_\nu(M_4)
=
\frac49(1-\nu),
}
$$

$$
\boxed{
C_\nu(M_5)
=
\frac23(1-\nu),
}
$$

$$
\boxed{
C_\nu(M_6)
=
1-\nu,
}
$$

$$
\boxed{
C_\nu(M_8)
=
1.
}
$$

7-class與6-class coverage相同，所以 chance minimization不會偏好更貴的 7-class。

---

# 35. Open Chance Staircase

要求：

$$
C_\nu(M)
\ge
1-\delta.
$$

得到：

$$
\boxed{
|M_{\nu,\delta}|
=
\begin{cases}
8,
&
\delta<\nu,
\\
6,
&
\nu
\le
\delta
<
\frac13
+
\frac23\nu,
\\
5,
&
\frac13
+
\frac23\nu
\le
\delta
<
\frac59
+
\frac49\nu,
\\
4,
&
\delta
\ge
\frac59
+
\frac49\nu.
\end{cases}
}
$$

這是：

$$
\boxed{
\text{novelty mass}
\times
\text{failure budget}
}
$$

的二維 chance phase diagram。

---

# 36. Unknown-Support Mass 直接吃掉 Failure Budget

最上層 boundary：

$$
\delta<\nu
\Rightarrow
8.
$$

意思非常直接：

> 如果你允許的 failure probability比 unknown-support mass還小，那你不能假設未知 future會剛好落在可恢復區。

因此只能 universal backing。

所以：

$$
\boxed{
\delta_{\mathrm{novelty}}
\ge
\nu
}
$$

是使用非-universal backing的必要條件。

---

# 37. 例： $\nu=0.05$

6-class worst-case coverage：

$$
0.95.
$$

所以：

$$
\delta=0.05
$$

仍可用 6-class。

若：

$$
\delta<0.05,
$$

則必須：

$$
8.
$$

---

# 38. 例： $\nu=0.10$

$$
M_6
$$

coverage：

$$
0.90.
$$

所以：

$$
\delta=0.10
$$

剛好合法。

$$
\delta=0.05
$$

則：

$$
\boxed{
8.
}
$$

這也與 EXP-21 nominal atomic 10% tail形成自然對應。

---

# 39. 例： $\nu=0.20$

6-class coverage：

$$
0.80.
$$

因此：

$$
\delta=0.20
$$

剛好合法。

但：

$$
\delta=0.10
$$

必須：

$$
\boxed{
8.
}
$$

---

# 40. Open-Support Uncertainty 比 Closed-Support Probability Error 更強在哪？

如果 closed support 已經包含：

$$
Q_{\mathrm{atomic8}},
$$

那 probability ambiguity只能重新調整已知 risk mass。

而 open support允許：

$$
Q_{\mathrm{new}}
$$

沿新的 partition directions出現。

本輪 support-radius實驗證明：

> 即使新 requirements都比 atomic8更接近已知 support，它們仍可從不同 directions聯手強迫 full backing。

這個現象不是單一「atomic tail probability上升」能完整描述的。

---

# 41. Support Geometry 本身成為 Risk Object

所以 open-world recoverability不能只保存：

$$
p(Q).
$$

還要保存：

$$
\boxed{
\text{support geometry}.
}
$$

包括：

- 已知 requirements之間怎麼交；
- 哪些 latent distinctions仍未被任何 known requirement probe；
- 哪些 local support expansions會拆掉那些 merge；
- 多個 novelty directions如何共同 closure。

---

# 42. Distinction Exposure Map

對 known robust backing中的每個非trivial block：

$$
B,
$$

可以問：

> 最小需要多遠的 novel requirement，才能要求拆開 $B$？

本輪：

$$
\{\varnothing,G\}
$$

與：

$$
\{TD,TDG\}
$$

都只需要：

$$
\boxed{
1/28
}
$$

的 local novelty。

所以這兩個 nominally merged distinctions其實是：

$$
\boxed{
\text{fragile merges}.
}
$$

---

# 43. Robust Merge Margin

因此可定義某個 merge：

$$
x\sim y
$$

的 support robustness margin：

$$
\boxed{
m_{\mathcal K}(x,y)
=
\inf
\{
d_{\mathcal K}(Q):
Q\text{ separates }x,y
\}.
}
$$

margin越小，

表示這個 merge越不適合 destructive deletion。

本輪兩個殘餘 merges：

$$
\boxed{
m_{\mathcal K}
=
1/28.
}
$$

---

# 44. Unknown-Unknown Backing 不等於永遠 Full Backup

需要避免極端結論。

若要求：

$$
\boxed{
\text{robust against every possible novel requirement},
}
$$

那在 finite partition universe確實只能：

$$
8.
$$

但若採：

- novelty mass budget $\nu$ ；
- novelty radius $r$ ；
- chance risk $\delta$ ；
- reacquisition economics $r=\rho/\eta$ ；

就會得到中間：

$$
4,5,6
$$

等 backing policies。

所以 open-world不代表：

> 永遠保存一切。

而是：

$$
\boxed{
\text{要明確聲明你對未知未來承諾到哪裡。}
}
$$

---

# 45. Universal Backing

如果 requirement space本身完全開放，

對固定 finite atomic state universe：

$$
S,
$$

能實現所有 partitions的唯一最粗 backing就是：

$$
\boxed{
\bot_S
}
$$

discrete partition。

因為任意兩個不同 atomic states：

$$
x\neq y
$$

都存在某個 future partition要求把它們分開。

所以 universal recoverability要求：

$$
\boxed{
\text{保留所有 atomic distinctions}.
}
$$

---

# 46. 但 Physical Universal Backing 不一定是 Full Active State

這與 EXP-20 一樣：

universal backing：

$$
M=\bot
$$

不代表 active representation也要：

$$
\mathcal P=\bot.
$$

active仍可以很粗：

$$
4,
2,
1,
$$

只要底層：

- raw data；
- provenance；
- reversible residual；
- external source；

足以恢復 atomic distinctions。

因此：

$$
\boxed{
\text{universal backing}
\neq
\text{universal active representation}.
}
$$

---

# 47. Unknown-Unknown Insurance

這提示一個新的 representation primitive：

$$
\boxed{
\text{Novelty Reserve}.
}
$$

不是把所有 distinctions永遠放在 active layer。

而是保留一個：

> 當 model遇到 support外 requirement 時，可以重新展開未預期 distinctions 的 fallback substrate。

這可以是：

- raw observation archive；
- provenance DAG；
- reversible encoding；
- external world pointer；
- generative reconstruction state。

---

# 48. Distinction Insurance

更一般地，可以把 backing理解成：

$$
\boxed{
\text{Distinction Insurance}.
}
$$

平常 active representation不支付完整 complexity。

但對未知 future保留某種 insurance reserve。

insurance premium：

$$
\text{retention cost}.
$$

claim cost：

$$
\text{reconstruction cost}.
$$

coverage：

$$
\text{recoverable requirement family}.
$$

---

# 49. Support Completeness 變成可測量性質

以前可能只說：

> model support可能不完整。

本輪可以開始定量：

- known support robust backing size；
- novelty fragility radius；
- nearest distinction-breaking requirements；
- minimum forcing set size；
- universal backing gap。

所以：

$$
\boxed{
\text{support incompleteness}
}
$$

開始成為可實驗對象。

---

# 50. Known-Support Gap

本輪 known robust：

$$
6.
$$

universal backing：

$$
8.
$$

所以：

$$
\boxed{
G_{\mathrm{support}}
=
8-6
=
2.
}
$$

可以解讀成：

> nominal future model仍然允許兩個 latent merge，但 open requirement universe中存在 futures會要求恢復它們。

---

# 51. Gap 不等於 Fragility Radius

這兩個量不同。

Support gap：

$$
2
$$

說明：

> 還缺幾個 backing distinctions。

Fragility radius：

$$
1/28
$$

說明：

> 多小的 local novelty就足以暴露 gap。

所以完整 open-support diagnosis至少需要：

$$
\boxed{
(
G_{\mathrm{support}},
r_{\mathrm{fragile}}
).
}
$$

---

# 52. 本輪錨點

$$
\boxed{
\textbf{ESC-EXP-23.A}
\quad
\text{known-support robust backing 可以因極小 support expansion 從 6 直接跳到 8。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-23.B}
\quad
r_{\mathrm{full}}
=
1/28
<
d_{\mathcal K}(Q_{\mathrm{atomic8}})
=
4/28.
}
$$

$$
\boxed{
\textbf{ESC-EXP-23.C}
\quad
\text{兩個互補的 nearest novel requirements 已足以共同強迫 universal backing。}
}
$$

$$
\boxed{
\textbf{ESC-EXP-23.D}
\quad
\left(
\frac{\rho}{\eta}
\right)_{6\to8}
=
1/\nu.
}
$$

$$
\boxed{
\textbf{ESC-EXP-23.E}
\quad
\text{open-support recoverability 必須同時描述 novelty mass、support geometry 與 future risk contract。}
}
$$

---

# 53. EXP-22 與 EXP-23 的差異

EXP-22：

$$
\boxed{
\text{known support,
unknown weights}.
}
$$

EXP-23：

$$
\boxed{
\text{support itself can expand}.
}
$$

前者問：

> 已知 futures 的 probability估錯多少？

後者問：

> **我們是不是連 future requirement types 都沒列完整？**

---

# 54. 更深的結論

這一路其實又回到 ESC 最原始的 Anti-Collapse Principle。

如果一個 distinction目前：

- 沒有 known target需要；
- 沒有 nominal future需要；
- current probability model給它零 mass；

仍不能自動推出：

$$
\boxed{
\text{它可以永久刪除。}
}
$$

因為：

$$
\boxed{
\text{zero modeled future demand}
\neq
\text{zero open-world future value}.
}
$$

---

# 55. 下一輪：ESC-EXP-24

EXP-23 如果採完全 open-world robust semantics，答案很快會走向：

$$
\boxed{
\text{保存 atomic backing}.
}
$$

這在理論上正確，但工程上太昂貴。

所以下一輪真正自然的問題不是再加更多 worst-case。

而是：

$$
\boxed{
\text{Unknown-Unknown Insurance / Fallback Provenance}.
}
$$

也就是允許系統不在主 backing中永久保存全部 distinctions，而保留一個低頻、較昂貴的 fallback substrate。

可以正式比較：

### Hot Backing

高頻、便宜、快速：

$$
M_{\mathrm{hot}}.
$$

### Cold Provenance Reserve

低頻、較慢，但可以恢復更細 distinction：

$$
M_{\mathrm{cold}}.
$$

### External Re-observation / Oracle

最昂貴：

$$
O.
$$

真正問題變成：

> **要怎麼把 recoverability 分層，才能不付 universal hot backing 的成本，又不把 unknown-unknown future 永久鎖死？**

這會把 ESC 從：

$$
\boxed{
\text{Should we preserve distinctions?}
}
$$

推進到：

$$
\boxed{
\text{Where and at what temperature should distinctions be preserved?}
}
$$

也就是開始形成真正的：

$$
\boxed{
\text{multi-tier recoverability architecture}.
}
$$