---
title: "SRBC Theory Validation Program — Round 03：Adversarial Parsing & Admissibility Stress Test"
author: "Neo.K with Aletheia (GPT-5.6 Sol)"
institution: "EveMissLab / 一言諾科技有限公司"
version: "v0.1"
date: "2026-09-23"
language: "zh-TW"
document_type: "Adversarial Parsing / Admissibility Validation Report"
status: "Round 03 completed"
---

# SRBC Theory Validation Program — Round 03

## Adversarial Parsing & Admissibility Stress Test

**作者：** Neo.K with Aletheia (GPT-5.6 Sol)  
**機構：** EveMissLab / 一言諾科技有限公司  
**日期：** 2026-09-23  
**版本：** v0.1  

---

## Canonical Source Note

本報告以 UTF-8 Markdown 保存；數學 source 僅使用 ` $...$ ` 與 `$$...$$`。本輪重新使用 Round 02 的 10,000 個 ground-truth cases，並新增 8,000 個 adversarial text cases。完整機器結果保存於 `results_round03.json`； adversarial 文本保存於 `adversarial_text_round03.jsonl`；正式修正保存於 `SRBC_Core_Patch_v0.3_2026-09-23.md`。

---

# 0. 本輪問題

Round 02 顯示 parser 漏 commitment 時，SRBC 在 synthetic benchmark 中常偏向保守，而 silent default baseline 容易假 QRC。

Round 03 專門測：

$$
\boxed{
\text{這個安全偏向究竟在哪一層成立？}
}
$$

以及：

$$
\boxed{
\text{哪一類 parsing / admissibility error 最容易造成 dangerous false closure？}
}
$$

---

# 1. 核心新發現：錯誤方向會隨層級反轉

Round 03 最重要的結果不是某一個 parser 分數。

而是：

$$
\boxed{
\text{error direction}
+
\text{pipeline layer}
}
$$

共同決定 false-QRC 風險。

---

# 2. Source commitment layer

對 Round 02 的 10,000 個 source，直接做單一 commitment 擾動。

| mutation | variants | false-QRC | false-QRC rate |
|---|---:|---:|---:|
| source false negative / delete | 15,599 | 0 | 0.00% |
| source false positive / insert | 93,790 | 10,611 | 11.31% |
| explicit value flip | 20,611 | 3,750 | 18.19% |

## 2.1 漏讀 true commitment

刪除一個真 commitment 共：

$$
15,599
$$

個變體。

false-QRC：

$$
\boxed{0}.
$$

這和理論單調性一致。

如果：

$$
\widehat\Gamma
\subset
\Gamma,
$$

則：

$$
\mathfrak I(\Gamma)
\subseteq
\mathfrak I(\widehat\Gamma).
$$

也就是漏 commitment 只會放大 completion family。

若放大後仍 QRC，原本更小的 family 也一定 QRC。

因此：

$$
\boxed{
\text{pure source commitment deletion cannot create false QRC}
}
$$

在固定 query / semantics 的條件下成立。

---

## 2.2 憑空加入 commitment

單一插入共：

$$
93,790
$$

個變體，其中：

$$
\boxed{
10,611
}
$$

個直接把原本非 QRC 的 source 壓成 QRC。

variant-level rate：

$$
\boxed{
11.31\%
}.
$$

更直觀地：

$$
\boxed{
50.00\%
}
$$

的原始 cases 存在「只要多塞一條 commitment，就能製造 false QRC」的單步攻擊。

這直接支持：

$$
\boxed{
\text{invented commitment / silent strengthening 是高風險錯誤。}
}
$$

---

## 2.3 把明示 commitment 讀反

value-flip 共：

$$
20,611
$$

個變體。

其中：

- false-QRC：
  $$
  3,750
  $$
  ，rate：
  $$
  18.19\%;
  $$
- 原本與錯讀後都 QRC，但單一答案被改錯：
  $$
  3,653
  $$
  ，rate：
  $$
  17.72\%.
  $$

有：

$$
\boxed{
59.17\%
}
$$

的 base cases 存在至少一個單-slot flip 會造成 dangerous outcome。

這說明：

$$
\boxed{
\text{resolution label correct}
\neq
\text{answer correct}.
}
$$

---

# 3. Completion / admissibility layer：方向反轉

接著固定 source commitments 為正確，故意破壞 completion reconstruction。

## 3.1 漏掉合法 branches

對 gold QRU cases，隨機保留合法 completion 的一部分。

| keep probability | trials | premature-QRC rate |
|---:|---:|---:|
| 0.10 | 100,000 | 8.73% |
| 0.25 | 100,000 | 0.25% |
| 0.50 | 100,000 | 0.00% |
| 0.75 | 100,000 | 0.00% |

當 completion generator 只保留約 10% branches 時，仍有明顯 premature-QRC。

這和 source parsing false negative 的方向完全相反。

原因：

$$
\widehat{\mathfrak I}
\subset
\mathfrak I
$$

會縮小模型空間。

所以：

$$
\boxed{
\text{completion false negative can create false QRC}.
}
$$

---

## 3.2 加入 inadmissible branches

對 gold QRC cases，注入不符合 source commitments 的 models。

| injected inadmissible branches | trials | false-QRU rate |
|---:|---:|---:|
| 1 | 50,000 | 67.01% |
| 2 | 50,000 | 79.88% |
| 5 | 50,000 | 95.14% |
| 10 | 50,000 | 99.51% |

即使只加入一個 inadmissible model，也常把原本 QRC 打成 QRU。

這主要造成：

$$
\boxed{
\text{false ambiguity / false QRU},
}
$$

而不是 false QRC。

---

# 4. Layer-Specific Error Monotonicity Matrix

因此本輪得到：

| Layer | False Negative | False Positive |
|---|---|---|
| source → commitment | completion family 放大 → 偏 false ambiguity | completion family 縮小 → 偏 false QRC |
| commitment → completion | model family 縮小 → 偏 false QRC | model family 放大 → 偏 false QRU |

這個矩陣是 Round 03 最重要的理論輸出之一。

它表示：

$$
\boxed{
\text{不能只說「FN 比 FP 安全」或反過來。}
}
$$

必須說：

> 哪一層的 FN / FP？

---

# 5. Adversarial text suite

新增 8 種 trap，每種 1,000 例，共：

$$
\boxed{8000}
$$

例。

包括：

1. negation loss；
2. causal negation；
3. role swap；
4. temporal scope；
5. discourse correction；
6. existential-event → general-policy；
7. correlation-only → causation；
8. contradictory source。

比較兩種 parser：

- `unsafe`：故意 flatten negation / role / scope / causality；
- `guarded`：針對本 benchmark 的 typed guard parser。

| trap | n | unsafe signature acc | unsafe false-QRC | unsafe wrong-QRC-answer | guarded signature acc |
|---|---:|---:|---:|---:|---:|
| negation_knows | 1000 | 100.00% | 0.00% | 100.00% | 100.00% |
| causal_negation | 1000 | 100.00% | 0.00% | 100.00% | 100.00% |
| role_swap | 1000 | 100.00% | 0.00% | 100.00% | 100.00% |
| temporal_scope | 1000 | 0.00% | 0.00% | 0.00% | 100.00% |
| discourse_update | 1000 | 100.00% | 0.00% | 100.00% | 100.00% |
| existential_policy | 1000 | 0.00% | 100.00% | 0.00% | 100.00% |
| correlation_only | 1000 | 0.00% | 100.00% | 0.00% | 100.00% |
| contradiction | 1000 | 0.00% | 100.00% | 0.00% | 100.00% |

---

# 6. 一個很重要的新 bug：狀態對了，答案仍可錯

unsafe parser 的整體：

- signature accuracy：
  $$
  50.00\%
  $$
- false-QRC：
  $$
  3000
  $$
  / 8000；
- **QRC 狀態仍正確，但單一答案錯誤**：
  $$
  \boxed{
  4000
  }
  $$
  / 8000。

例如：

> controller **does not know** target，而且 follows matching policy。

gold：

$$
K=0
$$

所以：

$$
Q_{\mathrm{imm}}=\frac12.
$$

unsafe parser 把 negation 丟掉後讀成：

$$
K=1,
\quad
P=\text{match},
$$

仍然得到：

$$
(D_Q,V_Q)
=
(\text{TOTAL},\text{SINGLE}),
$$

但答案變成：

$$
1.
$$

所以：

$$
\boxed{
\mathbf R_Q=(D_Q,V_Q,E_Q)
}
$$

還不夠。

---

# 7. Source Fidelity 軸

因此 v0.3 patch 新增：

$$
F_{\mathrm{src}}
$$

表示 source parsing / grounding fidelity。

建議將 runtime state 擴成：

$$
\boxed{
\mathbf S_Q
=
(
F_{\mathrm{src}},
D_Q,
V_Q,
A_Q,
E_Q
).
}
$$

其中：

$$
A_Q
$$

保存 canonical answer payload / answer set。

因為：

$$
\boxed{
\text{QRC status correct}
\not\Rightarrow
\text{source-grounded answer correct}.
}
$$

---

# 8. Contradiction 不能 last-write-wins

adversarial suite 中加入：

> controller knows target。  
> controller does not know target。

unsafe parser 會選一邊繼續算。

guarded parser 則輸出：

$$
\operatorname{SourceConflict}.
$$

所以 source conflict 不能被塞進普通 QDU。

應獨立保存：

```yaml
source_fidelity:
  contradiction: true
  unresolved_spans:
    - ...
```

---

# 9. Parsing Debt

Round 02 已看到 parser recall 限制 LiftGuard。

Round 03 現在正式把它提升成：

$$
D_{\mathrm{parse}}.
$$

它至少包括：

- negation uncertainty；
- role binding uncertainty；
- time scope；
- quantifier scope；
- discourse update；
- contradiction；
- unparsed spans；
- parser disagreement。

因此：

$$
D_Q
=
(
D_{\mathrm{parse}},
D_{\mathrm{amb},Q}^{+},
D_{\mathrm{inj},Q},
D_{\mathrm{verify},Q},
D_{\mathrm{frontier},Q}
).
$$

---

# 10. 安全錯誤排序

本輪 synthetic evidence 顯示：

最值得先防的不是所有錯誤，而是：

$$
\boxed{
\text{source false positive}
+
\text{completion false negative}.
}
$$

因為二者都會：

$$
\boxed{
\text{縮小合法模型族}
}
$$

從而製造 dangerous false closure。

相較之下：

$$
\text{source false negative}
+
\text{completion false positive}
$$

更常導向 false ambiguity。

它們仍有成本，但危險型態不同。

---

# 11. Mutation 數據摘要

### Commitment deletion

- variants: `15,599`
- false-QRC: `0`

### Commitment insertion

- variants: `93,790`
- false-QRC: `10,611`
- rate: `11.31%`
- cases with at least one dangerous single insertion: `50.00%`

### Commitment value flip

- variants: `20,611`
- false-QRC: `3,750`
- wrong QRC answer: `3,653`
- cases with at least one dangerous flip: `59.17%`

---

# 12. Adversarial parser 摘要

unsafe parser：

- signature accuracy：`50.00%`
- false-QRC rate：`37.50%`
- wrong-QRC-answer rate：`50.00%`

guarded parser 在這個**刻意針對模板設計**的 suite 上為 100%。

這個 100% 不能外推成真實 NLP performance。

它只證明：

$$
\boxed{
\text{typed guard rules 能在已知攻擊族上消除相應錯誤。}
}
$$

---

# 13. 本輪對 SRBC 的支持與修正

## 暫時支持

### H3 延伸

hidden strengthening / invented commitment 的確比純 source omission 更容易形成 false QRC。

### Parsing safety asymmetry

commitment deletion 的安全方向在本有限 benchmark 中完全符合理論單調性。

### Admissibility warning

completion omission 是真正 dangerous FN。

---

## 必須修正

### Patch 1
加入 Layer-Specific Error Monotonicity。

### Patch 2
加入 $D_{\mathrm{parse}}$。

### Patch 3
加入 $F_{\mathrm{src}}$ / source-fidelity。

### Patch 4
QRSRC 必須保存 answer payload $A_Q$，不能只保存 resolution class。

### Patch 5
SourceConflict 獨立於 QDU。

### Patch 6
completion coverage 必須成為 closure gate。

---

# 14. 本輪沒有證明什麼

這一輪仍是 synthetic。

沒有證明：

1. 真實 LLM 的 source FP / FN 比率；
2. 自然語言中 source FP 一定比 FN 常見；
3. 所有 hallucinated commitment 都會造成 false QRC；
4. completion omission 在大型語義空間中的實際分布；
5. guarded parser 在自由文本中能達到這種效果。

所以本輪結論是：

$$
\boxed{
\text{error geometry 已被構造性證明與量化，external frequency 尚未測。}
}
$$

---

# 15. Round 04 建議

下一輪應停止 synthetic-only。

進：

**Real-Model Cross-System Semantic Surgery**

選一組固定 benchmark source，讓多個真實模型／不同 prompting strategy：

1. 抽取 commitments；
2. 生成 completion family；
3. canonicalize query；
4. 判 QRC / QRU / QDU；
5. 做 lift audit；
6. 產生 countermodel；
7. 找 minimal clarification。

然後和 synthetic gold + human-reviewed cases 比。

重點不是比誰「答案比較聰明」，而是測：

$$
\boxed{
\text{source FP},
\quad
\text{source FN},
\quad
\text{branch FN},
\quad
\text{branch FP}
}
$$

在真實模型裡到底多常發生。

---

# 16. Round 03 結論

Round 03 把 SRBC 的下一個核心問題切得很清楚：

$$
\boxed{
\text{SRBC 的危險不只在「有沒有 ambiguity」，而在「哪一層把模型空間縮小或放大」。}
}
$$

最危險的兩個方向：

$$
\boxed{
\Gamma
\rightarrow
\widehat\Gamma\supset\Gamma
}
$$

也就是 source 被過度強化；

以及：

$$
\boxed{
\mathfrak I
\rightarrow
\widehat{\mathfrak I}\subset\mathfrak I
}
$$

也就是合法 completion 被漏掉。

兩者共同特徵是：

$$
\boxed{
\text{model-space contraction}.
}
$$

而 false QRC 正是 contraction 最自然的錯誤產物。

因此 Round 03 可以把一個新原理加入 SRBC：

$$
\boxed{
\text{False Closure Risk tracks unjustified contraction of the admissible model space.}
}
$$

這比單純說「AI 不要亂加假設」更一般。

因為 contraction 可以來自：

- parser invented commitment；
- negation loss；
- scope strengthening；
- role misbinding；
- branch omission；
- admissibility filter 過嚴；
- search budget 太小；
- premature canonicalization。

這些表面錯誤不同，但在模型空間中具有同一方向：

$$
\boxed{
\mathfrak I
\downarrow.
}
$$

這是本輪最值得保留的理論結果。

---

# 附錄 A：主要數據

- base cases: `10000`
- delete false-QRC rate: `0`
- insert false-QRC rate: `0.113136`
- flip false-QRC rate: `0.181942`
- flip wrong-QRC-answer rate: `0.177235`
- adversarial text cases: `8000`
- unsafe false-QRC rate: `0.375000`
- unsafe wrong-QRC-answer rate: `0.500000`

---

# 附錄 B：檔案

本 package 包含：

- `SRBC_Theory_Validation_Round03_Report_v0.1_2026-09-23.md`
- `SRBC_Core_Patch_v0.3_2026-09-23.md`
- `results_round03.json`
- `adversarial_text_round03.jsonl`
- `round02_base_cases.jsonl`
- `round03_replay.py`
- `validation.json`