--- title: "從論文集合到可治理研究空間：Global Scholarly Closure、Corpus Governance 與 AI 原生研究基礎設施" english_title: "From a Collection of Papers to a Governable Research Space: Global Scholarly Closure, Corpus Governance, and AI-Native Research Infrastructure" series: "AI 原生研究物迭代與可驗證升版方法論系列" series_en: "AI-Native Research Object Revision and Verifiable Evolution Series" paper: "08" author: "Neo.K" institution: "EveMissLab／一言諾科技有限公司" research_assistance: "AI-assisted theoretical development" version: "v0.1" date: "2026-09-16" language: "zh-TW" status: "Canonical UTF-8 Source / Working Paper" research_class: "METHODOLOGY / CORPUS GOVERNANCE / SCHOLARLY INFRASTRUCTURE" claim_state: "SYSTEM FRAMEWORK / GOVERNANCE ARCHITECTURE / IMPLEMENTATION BLUEPRINT" evidence_state: "CONCEPTUAL / PRACTICE-DERIVED" --- # 從論文集合到可治理研究空間：Global Scholarly Closure、Corpus Governance 與 AI 原生研究基礎設施 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-09-16 **版本：** v0.1 ## 摘要 當研究物數量從數十篇增加到數百篇、數千篇，單篇改稿方法會逐漸失效。真正的問題不再只是「這篇論文要怎麼改」，而是「整個研究群是否仍然保持可導航、可追蹤、可升版、可驗證與可修正」。如果每篇研究物都具有良好內容，但彼此之間缺乏身份、版本、譜系、證據、能力、時間與評估關係，整個研究庫仍可能累積巨大的隱性整合債。 本文提出「Global Scholarly Closure」作為 AI 原生研究群治理的總體方法，將研究治理表示為： $$ \boxed{ \text{Global Mapping} \rightarrow \text{Local Revision} \rightarrow \text{Global Reconciliation} \rightarrow \text{Closure}. } $$ 其中 Closure 並不表示研究已永久完成，而是表示在某一時間點，研究系統已完成足以支持下一輪工作的有限一致性閉合。 本文整合前七篇提出的： $$ \text{Identity}, \text{Version}, \text{Edition}, \text{Lineage}, \text{Claim}, \text{Evidence}, \text{Capability}, \text{Temporal Provenance}, \text{Epistemic Provenance} $$ 形成 Versioned Scholarly Object Graph，並建立 corpus-level triage、priority scheduling、batch revision、contradiction detection、supersession、capability extraction、artifact linkage、assessment invalidation 與 periodic reassessment 等治理機制。 本文主張： $$ \boxed{ \text{A large research corpus} \neq \text{a large folder of papers}. } $$ 真正成熟的 AI 原生研究庫應成為： $$ \boxed{ \text{Governed, Versioned, Lineage-Aware Scholarly Object Graph}. } $$ **關鍵詞：** Global Scholarly Closure、Corpus Governance、Research Graph、Batch Revision、AI-native scholarship、研究物治理、版本圖、研究譜系、Logic Matrix --- # 0. 問題起點：四千篇論文到底是一個研究系統，還是一個很大的資料夾？ 當研究量很少時，可以依靠： - 人的記憶； - 資料夾； - 檔名； - 日期； - 搜尋； - 簡單索引。 但當： $$ N\gg1, $$ 這些方法逐漸失效。 研究者可能知道： > 我寫過類似的東西。 卻不知道： - 哪一篇是最早版本； - 哪一篇已經被後來吸收； - 哪些使用相同概念但定義不同； - 哪些理論已有實作； - 哪些 claim 已被新證據修正； - 哪些 evaluation 已經 stale； - 哪些論文只是不同 edition； - 哪些真正形成了新 lineage。 所以： $$ \boxed{ \text{Large Corpus} \neq \text{Governed Research System}. } $$ --- # 1. Corpus Governance 本文定義： $$ \boxed{ \mathcal G_C = \text{Corpus Governance}. } $$ 它不是單篇 editing。 而是對： $$ \mathcal P = \{P_1,P_2,\ldots,P_n\} $$ 進行： - identity management； - version management； - lineage management； - claim management； - evidence reconciliation； - capability linkage； - temporal reconstruction； - assessment governance； - lifecycle control。 --- # 2. Global Scholarly Closure 本文定義： $$ \boxed{ \operatorname{GSC}(\mathcal P,t) = \text{Global Scholarly Closure at time }t. } $$ Closure 不表示： $$ \text{All Questions Solved}. $$ 而表示： $$ \boxed{ \text{Known Research State} \text{ has been sufficiently reconciled for current operation}. } $$ 也就是有限閉包。 --- # 3. Closure 不是完備性 即使完成： $$ \operatorname{GSC}(\mathcal P,t), $$ 也不能推出： $$ \boxed{ \mathcal P = \text{Complete Knowledge}. } $$ 新的 evidence、新理論、新實作與新反例都可能出現。 所以： $$ \boxed{ \text{Closure} \neq \text{Completeness}. } $$ Global Scholarly Closure 是： $$ \boxed{ \text{Operationally Sufficient Finite Closure}. } $$ --- # 4. 四階段閉合循環 本文提出： $$ \boxed{ \text{Global Mapping} \rightarrow \text{Local Revision} \rightarrow \text{Global Reconciliation} \rightarrow \text{Closure}. } $$ 四階段可以不斷循環： $$ G_0 \rightarrow L_1 \rightarrow G_1 \rightarrow C_1 \rightarrow G_2 \rightarrow \cdots. $$ --- # 5. Global Mapping 第一步不是立刻改稿。 而是先建立全域研究圖。 至少包含： ```text Research Object Nodes Claim Nodes Evidence Nodes Citation Nodes Capability Nodes Artifact Nodes Assessment Nodes Temporal Events Lineage Edges Version Edges Support Edges Contradiction Edges Implementation Edges ``` 因此： $$ \boxed{ \text{Corpus} \rightarrow \text{Graph}. } $$ --- # 6. Versioned Scholarly Object Graph 本文將完整研究空間表示為： $$ \boxed{ G_S = (V,E). } $$ 其中 $V$ 包含： $$ V= V_P \cup V_C \cup V_E \cup V_K \cup V_A \cup V_R, $$ 分別表示： - research objects； - claims； - evidence； - capabilities； - artifacts； - assessments。 而 $E$ 包含： - version； - lineage； - support； - contradiction； - implementation； - assessment； - temporal； - projection。 --- # 7. Paper Node 不再是唯一中心 傳統 scholarly database 以 paper 為中心。 未來更合理的是： $$ \boxed{ \text{Paper} = \text{One Node Type}. } $$ 因為一個重要 claim 可能跨多篇論文。 一個 capability 也可能由多篇理論共同導出。 一個 artifact 可能實作多個研究物。 所以： $$ \boxed{ \text{Research Graph} \neq \text{Paper List}. } $$ --- # 8. Identity Layer 每個研究物都有： $$ \operatorname{ID}(P_i). $$ Identity Layer 必須穩定。 否則： - citation； - version； - lineage； - artifact； - assessment； 都無法可靠掛接。 因此 Persistent ID 是整個圖的地址層。 --- # 9. Version Layer 每個 $P_i$ 可以有： $$ V_0,V_1,\ldots,V_n. $$ 版本邊記： ```yaml from: v1.2 to: v2.0 trigger: - new_evidence - scope_change ``` 版本圖回答： > 同一研究物如何演化？ --- # 10. Edition Layer Edition 不建立新 research identity。 它只是： $$ E_k = \Pi_k(P,V_n). $$ 因此全域圖中應將 edition 放在 projection layer，而不是當作新 paper node。 --- # 11. Lineage Layer 不同研究物之間可以： ```text extends derives_from splits_from absorbs supersedes contradicts tests implements operationalizes ``` Lineage Layer 回答： > 研究群是怎麼長出來的？ --- # 12. Claim Layer 每篇研究物應拆出： $$ \mathcal C(P_i). $$ Claim Layer 使系統可以： - 比對重複主張； - 找衝突； - 找證據缺口； - 找後來修正版； - 建立跨論文 claim genealogy。 --- # 13. Evidence Layer 每個 evidence： $$ E_j $$ 不只是附件。 而是透過： $$ E_j \xrightarrow{\sigma} C_i $$ 連到 claim。 因此 Evidence Layer 直接支援： - support； - counterevidence； - refutation； - scope mismatch； - evidence debt。 --- # 14. Capability Layer 第 05 篇建立： $$ P \rightarrow K \rightarrow A \rightarrow B. $$ 在 corpus 層可以進一步找到： > 哪些理論其實正在生成相同 capability？ 甚至： $$ P_1,P_2,P_3 \rightarrow K_*. $$ 這有助於理論合併與產品化。 --- # 15. Artifact Layer Artifact 不應只存在 GitHub。 它應被綁定： $$ A_k \leftrightarrow K_j \leftrightarrow P_i. $$ 這使： - repo； - runtime； - protocol； - benchmark； - product； 都能回到理論來源。 --- # 16. Temporal Layer 第 06 篇的： $$ \mathcal T(P) $$ 讓研究圖能分辨： - conceptual order； - draft order； - validation order； - publication order； - deployment order。 因此 corpus timeline 不再只是網站發布流水帳。 --- # 17. Epistemic Layer 第 07 篇的： $$ \mathcal E_P(u,P) $$ 使研究圖可以保存： - assessment scope； - interpretation； - correction； - stale review； - multi-observer disagreement。 因此平台可以管理： $$ \boxed{ \text{Understanding History}. } $$ --- # 18. 全域治理的真正難題：不是資料太多，而是關係太多 若有： $$ N $$ 個節點， 潛在關係可達： $$ O(N^2). $$ 因此研究治理的主要困難不是： > 存不下。 而是： > 關係爆炸。 所以必須使用： - typed edge； - sparse graph； - priority relation； - local dependency cone； - hierarchical summary； - semantic indexing。 --- # 19. Local Dependency Cone 本文提出： $$ \boxed{ \mathcal D(P_i) = \text{Local Dependency Cone}. } $$ 它包含： - directly cited predecessors； - direct extensions； - conflicting claims； - implementing artifacts； - dependent assessments； - linked evidence。 升版單篇時，不需要每次掃整個 corpus。 先掃： $$ \mathcal D(P_i). $$ --- # 20. Global First 不等於每次全掃 「Global First」不是： > 每改一個字就重跑四千篇。 而是： $$ \boxed{ \text{Global Map First} + \text{Local Dependency Processing} + \text{Boundary Closure}. } $$ 這與大型軟體系統中的 dependency-aware repair 類似。 --- # 21. Boundary Closure 局部修改： $$ P_i \rightarrow P_i' $$ 後，需要檢查其邊界： $$ \partial \mathcal D(P_i). $$ 例如： - dependent paper； - citation relation； - capability； - artifact； - assessment。 這稱為： $$ \boxed{ \text{Boundary Closure}. } $$ --- # 22. Global Closure Condition 可以將有限閉合條件粗略表示為： $$ \boxed{ C_G= C_I \land C_V \land C_L \land C_E \land C_K \land C_T \land C_A. } $$ 分別代表： - Identity consistency； - Version consistency； - Lineage consistency； - Evidence consistency； - Capability consistency； - Temporal consistency； - Assessment consistency。 不要求所有研究為真。 只要求 known relations 沒有未處理的重大結構斷裂。 --- # 23. Closure Status Corpus 可以有： ```text OPEN PARTIAL_CLOSURE LOCAL_CLOSED GLOBAL_CLOSED_AT_T REOPENED ``` 因此： $$ \boxed{ \text{Closure State} \text{ is temporal}. } $$ --- # 24. Corpus Triage 數千篇研究物不能一次精修。 需要： $$ \boxed{ \text{Corpus Triage}. } $$ 它不是品質排名。 而是治理優先級判定。 --- # 25. Priority 不是 Value Ranking 本文特別區分： $$ \boxed{ \text{Revision Priority} \neq \text{Research Value}. } $$ 一篇理論很重要，不代表它現在最需要改。 另一篇可能價值普通，但因 metadata 嚴重缺失，需要先修。 --- # 26. Priority Factors Priority 可以考慮： - current usage； - dependency count； - contradiction severity； - stale evidence； - missing lineage； - artifact linkage； - public visibility； - assessment debt； - lifecycle ambiguity。 例如： $$ P_R(P_i) = f( D_i, C_i, E_i, A_i, V_i ). $$ 但不必壓成單一分數。 可以用 typed priority。 --- # 27. Priority Classes 例如： ```text P0 CRITICAL STRUCTURAL P1 HIGH DEPENDENCY P2 ACTIVE RESEARCH P3 STANDARD REVISION P4 HISTORICAL MAINTENANCE P5 ARCHIVAL ONLY ``` 這不是研究價值排名。 只是治理順序。 --- # 28. Batch Revision 具有共同結構問題的研究物可以批次處理。 例如： - 缺失 metadata； - 舊 claim type； - publication date ambiguity； - citation role 未標； - artifact link 缺失。 因此： $$ \boxed{ \text{Batch Revision} } $$ 可以處理 schema-level 問題。 --- # 29. Batch Revision 不應改寫理論內容 批次工具適合： - metadata； - ID； - lineage； - date field； - schema migration； - edition generation。 不應未經檢查就批次修改： - 核心 claim； - conclusion； - theorem； - evidence interpretation。 因此： $$ \boxed{ \text{Schema Migration} \neq \text{Theory Revision}. } $$ --- # 30. Automated Triage AI 可以先做： - duplicate candidate detection； - claim extraction； - lineage suggestion； - evidence candidate mapping； - artifact detection； - temporal anomaly detection； - stale assessment detection。 但輸出應是： $$ \boxed{ \text{Proposal} } $$ 不是： $$ \boxed{ \text{Automatic Truth Judgment}. } $$ --- # 31. Human–AI Governance 理想模式不是： $$ \text{AI decides all}. $$ 也不是： $$ \text{Human manually checks all}. $$ 而是： $$ \boxed{ \text{AI proposes} \rightarrow \text{validation} \rightarrow \text{commit}. } $$ 尤其對： - merge； - supersede； - refute； - split； 等高影響操作，應要求更高審查門檻。 --- # 32. Revision Transaction 一次升版可以表示成 transaction： ```yaml revision_transaction: target: lm-000501 from: v1.2 to: v2.0 changes: - claim_scope - evidence_link - artifact_link affected: papers: - lm-000703 artifacts: - repo-17 assessments: - A31 closure: local: pass boundary: pass ``` --- # 33. Transactional Revision 如果 closure fail，系統可以： - rollback； - keep draft； - mark unresolved。 因此： $$ \boxed{ \text{Research Revision} \approx \text{Transactional State Change}. } $$ 這比直接覆蓋 Markdown 更安全。 --- # 34. Contradiction Detection Corpus level 可以建立： $$ \boxed{ G_C = \text{Contradiction Graph}. } $$ 例如： $$ C_1 \xleftrightarrow{\text{contradicts}} C_2. $$ 但 contradiction detector 不能只靠語義相反。 還必須比較： - scope； - time； - definition； - frame； - semantics。 --- # 35. Surface Contradiction 不等於 Real Contradiction 若： $$ C_1(D_1) $$ 與： $$ C_2(D_2) $$ 表面相反，但： $$ D_1\neq D_2, $$ 則可能沒有真正衝突。 所以： $$ \boxed{ \text{Textual Opposition} \neq \text{Logical Contradiction}. } $$ --- # 36. Duplicate Detection 同樣，兩篇文字不同也可能： $$ \text{Semantically Duplicate}. $$ 反過來，格式相同不代表內容相同。 因此： $$ \boxed{ \text{Template Similarity} \neq \text{Theory Identity}. } $$ Duplicate detection 應比較： - definitions； - claims； - transformations； - dependencies； - capabilities。 --- # 37. Merge Candidate 如果： $$ P_1,P_2,P_3 $$ 高度重疊，可標： ```yaml merge_candidate: members: - P1 - P2 - P3 reason: - overlapping_claims - shared_definitions ``` 但不能自動 merge。 --- # 38. Split Candidate 若一篇論文內其實包含兩個獨立研究方向，可標： $$ \boxed{ \text{Split Candidate}. } $$ 這使過度寬廣的早期 paper 可以在後續治理中分化。 --- # 39. Supersession Superseded 不代表舊研究消失。 因此： $$ \boxed{ \text{Supersede} \neq \text{Delete}. } $$ 舊版仍保留： - historical value； - citation； - reasoning history； - concept evolution。 --- # 40. Refutation 若某核心 claim 被強 evidence 推翻，研究物可以： ```text REFUTED ``` 但仍不應被刪除。 因為 refuted object 仍然是： $$ \boxed{ \text{Research History}. } $$ --- # 41. Historical State 很多早期研究不需要持續升版。 可以進入： ```text HISTORICAL ``` 表示： > 保留作為思想與研究演化節點，但不代表 current canonical view。 --- # 42. Active State Active 表示： > 仍在現行研究 program 中具有直接作用。 Active 不等於： $$ \text{True}. $$ 它只是 lifecycle 狀態。 --- # 43. Website Schema 未來網站首頁不應只顯示： ```text Title Author Date ``` 而應至少顯示： ```text Research Class Authorship Mode Claim State Evidence State Lifecycle Version ``` --- # 44. Advanced Filters 研究平台可以切： ```text Theory Formal Empirical Computational Engineering Methodology Review Scenario Essay ``` 再疊： ```text Human Human–AI AI-led AI-autonomous ``` 再疊： ```text Certified Partial Uncertified ``` 再疊： ```text Active Revised Superseded Historical ``` 這會把時間流轉成研究空間。 --- # 45. Operational Filters 還可以新增： ```text Architectural Algorithmic Governance Representational Diagnostic Heuristic Productized Implemented Tested ``` 這直接回答： > 哪些理論已經能做事？ --- # 46. AI-facing Metadata 對 AI / MCP 可以暴露： ```yaml research_object: id: ... version: ... edition: ... classification: research_class: ... operational_role: ... claims: ... evidence: ... capabilities: ... artifacts: ... lineage: ... temporal_provenance: ... assessment_state: ... ``` 這比把整篇 Markdown 一次丟給模型更穩定。 --- # 47. MCP Navigation MCP 不應只是： > 搜尋全文。 還應支援： ```text get_object(id) get_current_version(id) get_lineage(id) get_claims(id) get_evidence(claim_id) get_capabilities(id) get_artifacts(id) get_assessments(id) get_dependency_cone(id) ``` 這使 AI 可以進入結構，而不是重新從首頁猜。 --- # 48. AI 不應每次重新發明研究庫 如果沒有 structured entry，AI 每次都會： $$ \text{Documents} \rightarrow \text{Ad Hoc Reconstruction}. $$ 這浪費 context，也容易錯。 因此： $$ \boxed{ \text{Persistent Research Structure} \rightarrow \text{Lower Reinterpretation Cost}. } $$ --- # 49. Summary 不應替代 Canonical Source AI-facing summary 可以存在。 但： $$ \boxed{ \text{Summary} \neq \text{Canonical Source}. } $$ Summary 只是 projection。 任何正式 revision 最後仍要回到 canonical source 驗證。 --- # 50. Canonical Source Principle 正式研究物必須保留： $$ \boxed{ \text{Canonical UTF-8 Source}. } $$ rendering、PDF、網頁、AI summary 都是投影。 因此： $$ \boxed{ \text{Canonical Source} \neq \text{Rendered View}. } $$ --- # 51. Validate Before Commit 每次正式 revision： $$ V_n \rightarrow V_{n+1} $$ 都應經過： $$ \boxed{ \text{Edit} \rightarrow \text{Validate} \rightarrow \text{Commit}. } $$ 最低可包括： - UTF-8； - delimiter； - metadata； - internal links； - artifact hashes； - schema； - claim references。 --- # 52. Hash 與 Artifact Binding 重要 artifact 可以保存： $$ H(A_k). $$ 這能知道： > assessment 對應的是哪個 exact artifact？ 避免 repo 後來更新後，舊證書仍被錯套。 --- # 53. Periodic Reassessment Corpus Governance 不應只在出錯時運作。 可以週期性做： $$ \boxed{ \text{Periodic Reassessment}. } $$ 例如： - 每月 active papers； - 每季重要系列； - 每年 historical corpus； - 每次 major release 後 dependent objects。 --- # 54. Reassessment Trigger 除了時間，也可由事件觸發： ```text NEW_EVIDENCE NEW_ARTIFACT MAJOR_VERSION COUNTEREXAMPLE EXTERNAL_REPLICATION SCHEMA_MIGRATION NEW_LINEAGE_LINK ``` --- # 55. Reassessment 不代表每次重寫 很多 reassessment 結果可能是： ```text NO CHANGE ``` 這本身也是資訊。 所以： $$ \boxed{ \text{Reassessment} \neq \text{Revision}. } $$ --- # 56. Corpus-Level Debt 第 01 篇提出 Hidden Integration Debt。 現在可以重新表示： $$ \boxed{ D_C = D_I + D_V + D_L + D_E + D_K + D_A + D_T + D_{EP}. } $$ 分別包含： - identity debt； - version debt； - lineage debt； - evidence debt； - capability debt； - artifact debt； - temporal debt； - epistemic provenance debt。 --- # 57. Debt Dashboard 平台可以建立： ```yaml corpus_debt: identity: low version: medium lineage: high evidence: medium artifact_linkage: high temporal: high epistemic_provenance: high ``` 它不是品質分數。 而是： $$ \boxed{ \text{Maintenance State}. } $$ --- # 58. Closure Queue 可以建立： ```text Needs Identity Repair Needs Version Repair Needs Evidence Mapping Needs Artifact Linkage Needs Temporal Reconstruction Needs Assessment Refresh Needs Merge Review Needs Split Review ``` 這直接形成維護 queue。 --- # 59. Corpus Governance Agent 未來 Agent 可以專責： $$ \boxed{ \text{Scholarly Stewardship Agent}. } $$ 它不以產新論文為主。 而是： - 找 debt； - 建議 linkage； - 追蹤 stale state； - 提出 reassessment； - 生成 diff； - 準備 revision package。 --- # 60. Stewardship Agent 不應自動成為裁決者 Agent 可以： $$ \text{Detect} \rightarrow \text{Suggest}. $$ 但不應直接： $$ \text{Suggest} = \text{Canonical Commit}. $$ 除非在明確授權與驗證流程下。 --- # 61. Research Program Layer 數千篇研究物還需要更高層： $$ \boxed{ \text{Research Program}. } $$ 例如某系列可以包含： $$ P_1,\ldots,P_n. $$ Program node 可以保存： - goals； - active questions； - milestones； - canonical terminology； - shared artifacts； - dependency map。 --- # 62. Program 不等於 Folder Folder 只是存放位置。 Program 是： $$ \boxed{ \text{Semantic Governance Unit}. } $$ 同一研究 program 的研究物甚至可以分散在不同 repository 與網站。 --- # 63. Cross-Program Link 不同 research program 也可以有： ```text shares_definition depends_on uses_method implements contradicts extends ``` 因此整個 corpus 可以形成多層圖。 --- # 64. Hierarchical Closure 可以有： $$ \boxed{ \text{Local Closure} } $$ $$ \boxed{ \text{Program Closure} } $$ $$ \boxed{ \text{Corpus Closure}. } $$ 不必一次做全域最終閉包。 --- # 65. Incremental Closure 每次只完成： $$ C_{t+1} = C_t + \Delta C. $$ 因此： $$ \boxed{ \text{Global Scholarly Closure} \text{ can be incremental}. } $$ --- # 66. Closure Certificate 某個 program 完成一輪治理後，可以生成： ```yaml closure_certificate: scope: research-program-X date: 2026-09-16 checks: identity: pass version: pass lineage: partial evidence: partial artifact: pass unresolved: - ... ``` 這不代表真理證書。 只是： $$ \boxed{ \text{Governance Closure Certificate}. } $$ --- # 67. Closure Certificate 不等於 Truth Certificate 因此： $$ \boxed{ \text{Corpus Governance Pass} \neq \text{Claims Are True}. } $$ 它只表示： > 已知研究狀態被結構化處理到某個程度。 --- # 68. Research Object Dashboard 單篇頁面可以呈現： ```text Identity Current Version Edition Lifecycle Research Class Authorship Claim State Evidence State Operational Roles Artifacts Lineage Timeline Assessment Status ``` 這使人與 AI 第一眼知道自己讀到什麼。 --- # 69. Corpus Dashboard 全域首頁則可以顯示： ```text Active Research Objects Historical Objects Superseded Objects Open Claims Certified Claims Evidence Debt Artifact Debt Stale Assessments Merge Candidates Split Candidates ``` 研究庫因此成為可治理系統。 --- # 70. Global First Completion 的學術版 本文最終把整套方法壓成： $$ \boxed{ \text{Global Map} \rightarrow \text{Local Precision} \rightarrow \text{Boundary Reconciliation} \rightarrow \text{Global Closure}. } $$ 這就是研究物版本的 Global First Completion。 --- # 71. 不要重新寫全部 面對數千篇研究物，最錯的策略是： > 全部重寫。 因為： - 成本巨大； - 會抹掉歷史； - 可能破壞原核心； - 會產生新版本混亂。 更好的方法是： $$ \boxed{ \text{Classify} \rightarrow \text{Prioritize} \rightarrow \text{Repair} \rightarrow \text{Reconcile}. } $$ --- # 72. Repair 最小化 升版應追求： $$ \boxed{ \text{Maximum Local Precision} + \text{Minimum Global Disturbance}. } $$ 如果問題只是： > publication date semantics 不清楚， 就修 metadata。 不必重寫整篇。 --- # 73. Preserve Historical Research State 原始版本應保留。 因此： $$ \boxed{ \text{Revision} \neq \text{Historical Rewrite}. } $$ 未來讀者可以看到： - 原本怎麼想； - 後來怎麼改； - 為什麼改。 --- # 74. Current Canonical View 同時平台要清楚告訴： $$ \boxed{ \text{Current Canonical View}. } $$ 否則保留所有版本會讓讀者不知道現在應讀哪個。 --- # 75. Historical Fidelity × Current Clarity 完整治理需要同時最大化： $$ \boxed{ \text{Historical Fidelity} \times \text{Current Clarity}. } $$ 不能只選一邊。 --- # 76. AI-Native Scholarly Stewardship 第 01 篇提出： $$ \text{Stewardship}. $$ 現在可以完整定義： $$ \boxed{ \text{AI-Native Scholarly Stewardship} = \text{Generation Governance} + \text{Version Governance} + \text{Evidence Governance} + \text{Capability Governance} + \text{Provenance Governance} + \text{Global Closure}. } $$ --- # 77. 不是限制生成，而是讓生成可持續 本文再次強調： $$ \boxed{ \text{Do not suppress generation;} \quad \text{scale stewardship}. } $$ AI 讓想法快速形成研究物，是優勢。 真正要補的是： > 研究物形成後，怎麼被長期維護？ --- # 78. 從內容工廠到研究系統 外部觀察者看到大量輸出，可能直覺理解為： $$ \text{Content Production}. $$ 但研究系統真正要證明自己不是單純 content flow，不能靠宣稱。 它需要顯示： - lineage； - revision； - evidence； - artifact； - contradiction； - reassessment； - closure。 所以： $$ \boxed{ \text{Research System Identity} \text{ should emerge from structure, not rhetoric}. } $$ --- # 79. Corpus Self-Description 成熟研究庫應能回答： > 我現在有什麼？ > 哪些是 active？ > 哪些是 historical？ > 哪些 claim open？ > 哪些 artifact implemented？ > 哪些 assessment stale？ > 哪些 debt 未清？ 這是： $$ \boxed{ \text{Corpus Self-Description}. } $$ --- # 80. 從 Markdown 集合到 Research Runtime 當上述結構全部存在時，研究庫不再只是： $$ \boxed{ \text{Markdown Collection}. } $$ 它開始接近： $$ \boxed{ \text{Research Runtime}. } $$ 因為 AI 可以： - query； - traverse； - compare； - revise； - validate； - generate closure tasks。 --- # 81. Research Runtime 仍以 Canonical Source 為錨 即使平台高度動態，正式 source 仍應保持： $$ \boxed{ \text{Canonical UTF-8 Artifact}. } $$ runtime 可以動。 canonical source 必須可驗證。 --- # 82. 系列總結 本系列八篇依次建立： ## 01 — Scholarly Stewardship $$ \text{Generation Capacity} \gg \text{Stewardship Capacity}. $$ ## 02 — Research Object Identity $$ \text{Identity} \neq \text{Version} \neq \text{Edition} \neq \text{Lineage}. $$ ## 03 — Epistemic Type System $$ \text{Claim} \neq \text{Evidence} \neq \text{Validation} \neq \text{Truth} \neq \text{Confidence}. $$ ## 04 — Evidence Graph $$ \text{Presence} \neq \text{Relevance} \neq \text{Support} \neq \text{Sufficiency}. $$ ## 05 — Capability Extraction $$ \text{Theory} \rightarrow \text{Capability} \rightarrow \text{Artifact} \rightarrow \text{Behavior}. $$ ## 06 — Temporal Provenance $$ t_{\mathrm{publish}} \neq t_{\mathrm{create}}. $$ ## 07 — Epistemic Provenance $$ \text{Paper Revision} \neq \text{Assessment Revision}. $$ ## 08 — Global Scholarly Closure $$ \boxed{ \text{Global Map} \rightarrow \text{Local Revision} \rightarrow \text{Boundary Closure} \rightarrow \text{Global Closure}. } $$ --- # 83. 系列最終研究物模型 綜合八篇後，一個完整研究物可表示為： $$ \boxed{ P= ( ID, V, E_d, L, C, E_v, V_f, K, A, T, E_p, S_L ). } $$ 其中： - $ID$：Identity； - $V$：Version； - $E_d$：Edition； - $L$：Lineage； - $C$：Claims； - $E_v$：Evidence； - $V_f$：Validation； - $K$：Capabilities； - $A$：Artifacts； - $T$：Temporal Provenance； - $E_p$：Epistemic Provenance； - $S_L$：Lifecycle。 --- # 84. 最終研究圖 整個研究庫則表示為： $$ \boxed{ \mathbb G_R = ( \mathbb P, \mathbb C, \mathbb E, \mathbb K, \mathbb A, \mathbb M, \mathbb T, \mathbb L ). } $$ 它不再只是文件集合。 而是： $$ \boxed{ \text{Versioned Scholarly Object Graph}. } $$ --- # 85. 最終方法論 因此 AI 原生研究的完整方法，不應只寫成： $$ \text{Idea} \rightarrow \text{Paper}. $$ 而應寫成： $$ \boxed{ \text{Idea} \rightarrow \text{Research Object} \rightarrow \text{Validation} \rightarrow \text{Capability} \rightarrow \text{Artifact} \rightarrow \text{Revision} \rightarrow \text{Global Closure}. } $$ 然後再次循環。 --- # 結論 大量論文不是問題。 快速生成也不是問題。 真正的問題是： $$ \boxed{ \text{研究系統有沒有能力對自己已經生成的知識負責？} } $$ 如果沒有： $$ G(t)\gg S(t) $$ 就會逐步轉化為： - identity debt； - version debt； - lineage debt； - evidence debt； - artifact debt； - temporal debt； - epistemic provenance debt。 因此 AI 原生研究真正需要的第二半不是「更慢」。 而是： $$ \boxed{ \text{更強的全域治理能力}. } $$ 成熟的研究庫應從： $$ \text{Collection of Papers} $$ 進化為： $$ \boxed{ \text{Governed Research Space}. } $$ 再進一步成為： $$ \boxed{ \text{Research Runtime}. } $$ 其中每個研究物都具有： - 持久身份； - 可追溯版本； - 可區分投影； - 清楚譜系； - claim–evidence 結構； - capability–artifact 關係； - temporal provenance； - epistemic provenance； - lifecycle state。 而整個研究群則透過： $$ \boxed{ \text{Global Mapping} \rightarrow \text{Local Precision} \rightarrow \text{Boundary Reconciliation} \rightarrow \text{Global Scholarly Closure} } $$ 持續保持可導航、可修正、可驗證與可演化。 這就是本系列所提出的 AI 原生研究物升版與治理方法論的完整閉合。