--- title: "逆問題與類無限生成空間：多重 Ancestry、反向可達域與奇點模空間" english_title: "Inverse Problems and Class-Infinity Generation Spaces: Multiple Ancestries, Backward Reachability, and Singularity Moduli" series: "條件化無限與閉合決定論系列" series_english: "Constraint-Conditioned Infinity & Closure Determination Series" paper: "CCI-CD Paper 06" version: "v0.1" date: "2026-09-11" author: "Neo.K / EveMissLab" language: "zh-TW" status: "Core methodological paper" canonical_source: "UTF-8 Markdown; mathematics uses only $...$ and $$...$$ delimiters" epistemic_status: "This paper develops a general inverse framework for outcome ancestry, backward reachable sets, non-unique formation histories, class-infinity generation spaces, and singularity moduli. It is methodological and does not claim uniqueness or completeness for any named PDE or open conjecture." --- # 逆問題與類無限生成空間：多重 Ancestry、反向可達域與奇點模空間 **作者：** Neo.K / EveMissLab **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-09-11 **版本：** v0.1 ## 摘要 本論文延續前五篇對有限約束、類無限、連續累積、無限階修正與 Completion–Determination Gap 的研究，正式進入逆問題。 若正向問題寫成： $$ d \overset{\mathfrak S}{\longmapsto} Y, $$ 其中 $d$ 為初始資料、控制、forcing、幾何配置或其他合法輸入，而 $Y$ 為終局、奇點類、極限態或判定結果，則逆問題不是單純尋找一個反函數： $$ \mathfrak S^{-1}(Y), $$ 而是研究集合值映射： $$ \boxed{ \mathfrak A(Y) = \{ d: \mathfrak S(d)=Y \}. } $$ 本文稱： $$ \mathfrak A(Y) $$ 為 $Y$ 的 **Ancestry Space**。 若： $$ |\mathfrak A(Y)|>1, $$ 則同一終局具有多重形成歷史；若不同 ancestry 只在表示層不同，應再取適當等價關係： $$ \sim_{\rm anc}. $$ 真正需要研究的是： $$ \boxed{ \mathfrak M(Y) = \mathfrak A(Y)/\sim_{\rm anc}, } $$ 即 outcome 的 ancestry moduli space。 本文進一步指出，對條件化無限而言，不只同一終局可以有多個 ancestry；相同有限約束： $$ \mathcal C $$ 也可以對應一個類無限生成空間： $$ \boxed{ \mathfrak G_\infty(\mathcal C) = \{ [I]: I\text{ is a legal infinity class under }\mathcal C \}. } $$ 因此真正的逆問題不是： $$ \text{「這個奇點怎麼來？」} $$ 而是： $$ \boxed{ \text{「有哪些不等價合法形成歷史都可以抵達這一類奇點？」} } $$ 以及： $$ \boxed{ \text{「同一組有限合法條件究竟允許多少類無限終局？」} } $$ 本篇建立 backward reachable set、ancestry equivalence、inverse non-uniqueness、target preimage geometry、singularity moduli、fine-tuned ancestry、robust ancestry、inverse instability 與 path-programmability 等概念，並為後續大猜想壓力測試提供一套逆向審查工具。 --- # 1. 從 Completion–Determination Gap 進入逆問題 Paper 05 建立： $$ \boxed{ \text{Realizable} \neq \text{Selected} \neq \text{Necessary} \neq \text{Unique}. } $$ 本篇將問題反過來。 若： $$ Y $$ 已知可實現， 我們不再先問： $$ \text{是不是唯一結果？} $$ 而是問： $$ \boxed{ \text{有多少不同合法形成歷史能抵達 }Y? } $$ 這個逆向問題會直接暴露： - outcome 非唯一來源； - path 非唯一性； - source-to-state 多對一； - representation-to-object 混淆； - fine-tuned 與 robust ancestry； - completion machinery 的可編程性。 --- # 2. 正向映射與逆向纖維 令： $$ \mathcal D $$ 為合法資料空間。 定義正向 outcome map： $$ \boxed{ \mathfrak S: \mathcal D \rightarrow \mathcal O, } $$ 其中： $$ \mathcal O $$ 為 outcome space。 對： $$ Y\in\mathcal O, $$ 定義逆向纖維： $$ \boxed{ \mathfrak A(Y) = \mathfrak S^{-1}(\{Y\}). } $$ 也就是： $$ \boxed{ \mathfrak A(Y) = \{ d\in\mathcal D: \mathfrak S(d)=Y \}. } $$ 若： $$ \mathfrak A(Y)=\varnothing, $$ 則 $Y$ 不可達。 若： $$ |\mathfrak A(Y)|=1, $$ 則 ancestry 在資料層唯一。 若： $$ |\mathfrak A(Y)|>1, $$ 則存在多重 ancestry。 --- # 3. 逆問題通常不是函數問題 若： $$ \mathfrak S $$ 不是 injective， 則： $$ \mathfrak S^{-1} $$ 不能作為 ordinary function。 應寫成： $$ \boxed{ \mathfrak S^{-1}: Y \mapsto \mathcal P(\mathcal D). } $$ 因此： $$ \boxed{ \text{inverse problem} } $$ 在一般情況下天然是： $$ \boxed{ \text{set-valued reconstruction problem}. } $$ 這點在奇點、PDE、控制與 inverse design 中尤其重要。 --- # 4. Outcome Ancestry 若資料： $$ d $$ 包含： $$ d=(x_0,f,g,\theta,\ldots), $$ 則 ancestry 不只是「初始值」。 它可以同時包含： - 初始狀態； - 外力； - 邊界條件； - 幾何結構； - 控制策略； - 時間排程； - phase selection； - correction history； - hidden auxiliary variables。 因此本文定義完整 ancestry state： $$ \boxed{ a = ( d, \gamma, \mathcal T, \mathcal K, \mathcal P ), } $$ 其中： - $d$：資料； - $\gamma$：形成路徑； - $\mathcal T$：transition history； - $\mathcal K$：correction history； - $\mathcal P$：provenance information。 --- # 5. 同一資料也可能有多條形成路徑 若正向 dynamics 非唯一， 則即使固定： $$ d, $$ 也可能存在： $$ \gamma_1,\gamma_2 $$ 使： $$ \gamma_1(0)=\gamma_2(0)=d $$ 但： $$ \gamma_1\neq\gamma_2. $$ 因此 ancestry space 不能只看： $$ d. $$ 更完整應寫： $$ \boxed{ \mathfrak A_{\rm path}(Y) = \{ (d,\gamma): \gamma\text{ legal}, \ \gamma(0)=d, \ \operatorname{Out}(\gamma)=Y \}. } $$ --- # 6. Ancestry Equivalence 不同形成歷史可能只是在表示層不同。 例如： - reparameterization； - gauge transformation； - coordinate change； - equivalent forcing representation； - same physical path under different charts。 因此應定義： $$ \sim_{\rm anc}. $$ 若： $$ a_1\sim_{\rm anc}a_2, $$ 表示兩者在所研究的形成語義下等價。 真正的 ancestry moduli： $$ \boxed{ \mathfrak M(Y) = \mathfrak A_{\rm path}(Y)/\sim_{\rm anc}. } $$ --- # 7. Ancestry Uniqueness 只有當： $$ \boxed{ |\mathfrak M(Y)|=1 } $$ 時，才可以說： $$ Y $$ 具有唯一形成機制。 注意： $$ Y $$ 唯一， 不代表： $$ \mathfrak M(Y) $$ 唯一。 因此： $$ \boxed{ \text{Outcome uniqueness} \not\Rightarrow \text{Ancestry uniqueness}. } $$ --- # 8. Backward Reachable Set 對 target： $$ Y, $$ 定義 backward reachable set： $$ \boxed{ \operatorname{BR}(Y) = \{ d: \exists T>0, \ \mathfrak S_T(d)\in Y \}. } $$ 若 target 是一個集合： $$ \Sigma, $$ 則： $$ \boxed{ \operatorname{BR}(\Sigma) = \{ d: \exists T, \ \mathfrak S_T(d)\in\Sigma \}. } $$ 這是 singularity reachability 的逆向版本。 --- # 9. Singular Set 與 Backward Basin 若： $$ \Sigma $$ 為 singular set， 則可定義： $$ \boxed{ \mathcal B^{-}(\Sigma) = \operatorname{BR}(\Sigma). } $$ 若： $$ \mathcal B^{-}(\Sigma) $$ 包含 open set， 則 singularity 具有某種 robust backward basin。 若： $$ \mathcal B^{-}(\Sigma) $$ 極小、低維、measure-zero 或高 codimension， 則 singularity 可能只是 fine-tuned reachable。 因此： $$ \boxed{ \Sigma\neq\varnothing } $$ 與： $$ \boxed{ \operatorname{int}\mathcal B^{-}(\Sigma)\neq\varnothing } $$ 是完全不同的命題。 --- # 10. Fine-Tuned Ancestry 若： $$ d^\ast\in\mathcal B^{-}(\Sigma), $$ 但對任意： $$ \varepsilon>0 $$ 都存在： $$ d_\varepsilon $$ 使： $$ \|d_\varepsilon-d^\ast\|<\varepsilon $$ 且： $$ d_\varepsilon\notin\mathcal B^{-}(\Sigma), $$ 則： $$ d^\ast $$ 可能是 fine-tuned ancestry。 本文定義： $$ \boxed{ \textbf{Fine-Tuned Ancestry} } $$ 為對微小擾動缺乏 reachability stability 的形成歷史。 --- # 11. Robust Ancestry 若存在： $$ \varepsilon>0 $$ 使： $$ B_\varepsilon(d^\ast) \subseteq \mathcal B^{-}(\Sigma), $$ 則： $$ d^\ast $$ 具有 robust ancestry。 因此： $$ \boxed{ \text{reachable} \neq \text{robustly reachable}. } $$ 這與 Paper 05 的 Realizable / Robustly Selected 分層一致。 --- # 12. Inverse Stability 逆問題還需要考慮： $$ Y+\delta Y $$ 是否導致 ancestry 大幅變化。 若： $$ Y_n\rightarrow Y $$ 但任意選擇： $$ d_n\in\mathfrak A(Y_n) $$ 都可能： $$ \|d_n\|\rightarrow\infty $$ 或失去 compactness， 則逆問題 ill-conditioned。 因此定義： $$ \boxed{ \textbf{Inverse Stability} } $$ 研究： $$ Y \mapsto \mathfrak A(Y) $$ 是否對 target perturbation 穩定。 --- # 13. Inverse Non-Uniqueness 若： $$ |\mathfrak M(Y)|>1, $$ 則同一 target 有多個本質形成路徑。 這可能來自： - 不同初始資料； - 不同 forcing； - 不同 geometry； - 不同 scale cascade； - 不同 cancellation architecture； - 不同 timing； - 不同 phase path。 因此： $$ \boxed{ \text{same outcome} \not\Rightarrow \text{same mechanism}. } $$ --- # 14. Outcome-to-Mechanism Fallacy 若只觀察到： $$ Y, $$ 便反推出： $$ M^\ast $$ 是唯一形成機制， 則需要： $$ |\mathfrak M(Y)|=1. $$ 若沒有這個 theorem， 則： $$ \boxed{ Y \Rightarrow M^\ast } $$ 是一個過強推論。 本文稱其為： $$ \boxed{ \textbf{Outcome-to-Mechanism Fallacy}. } $$ --- # 15. 類無限生成空間 Paper 02 定義： $$ \mathfrak I(\mathcal C) $$ 為有限條件： $$ \mathcal C $$ 下所有可實現 infinity classes。 本篇將其升級為： $$ \boxed{ \mathfrak G_\infty(\mathcal C) = \{ [I]_{\sim_\infty}: I\text{ legal under }\mathcal C \}. } $$ 其中： $$ \sim_\infty $$ 是類無限等價關係。 它可以依： - growth exponent； - support dimension； - concentration geometry； - moment profile； - derivative hierarchy； - frequency trajectory； - ancestry type； 定義。 --- # 16. Infinity Class 不是單一數值 一個 infinity class： $$ [I] $$ 可以帶有 signature： $$ \boxed{ \Sigma_I = ( \alpha, \beta, p_c, d_s, r_d, \chi_{\rm anc}, \ldots ). } $$ 例如： - $\alpha$：振幅 growth exponent； - $\beta$：support shrink exponent； - $p_c$：critical moment； - $d_s$：support dimension； - $r_d$：derivative escape order； - $\chi_{\rm anc}$：ancestry type。 因此： $$ \boxed{ \infty } $$ 不是單一類型。 更合理的是： $$ \boxed{ \text{typed infinity}. } $$ --- # 17. Target-Conditioned Infinity 若 completion architecture： $$ \mathfrak C(\mathcal C,T) $$ 可以生成不同 target： $$ T_1,T_2,\ldots, $$ 則每個： $$ T_i $$ 可能對應不同： $$ [I_i]. $$ 因此： $$ \boxed{ T \mapsto [I_T] } $$ 是一個 target-to-infinity map。 若其像集很大，表示這套方法更接近： $$ \boxed{ \text{infinity synthesizer}. } $$ 而不是唯一 infinity detector。 --- # 18. 奇點模空間 對 singularity class： $$ \Sigma, $$ 定義： $$ \boxed{ \mathfrak S_{\rm sing} = \{ [\Sigma_i]_{\sim_{\rm sing}} \}. } $$ 這裡不同奇點可以依： - blow-up quantity； - rate； - support geometry； - energy profile； - ancestry； - robustness； - physical cutoff behavior； 區分。 若： $$ |\mathfrak S_{\rm sing}|>1, $$ 則「奇點存在」只是分類問題的第一層。 --- # 19. Singularity Realization Space 定義： $$ \boxed{ \mathfrak R_{\rm sing}(\mathcal C) = \{ [\Sigma]: \exists X\in\mathcal A_{\mathcal C} \text{ realizing }\Sigma \}. } $$ 這是所有可構造 singularity classes。 若自然 dynamics 實際只能選到其中一部分： $$ \boxed{ \mathfrak S_{\rm sing}^{\rm nat} \subseteq \mathfrak R_{\rm sing}. } $$ 兩者差異就是： $$ \boxed{ \text{singularity realization} \neq \text{singularity selection}. } $$ --- # 20. Backward Singularity Map 定義： $$ \boxed{ \mathfrak B_{\rm sing}: [\Sigma] \mapsto \mathfrak M(\Sigma). } $$ 它把一個 singularity class 映射到所有不等價 ancestry classes。 如果： $$ |\mathfrak M(\Sigma)|\gg1, $$ 則同一類奇點可能由多種機制形成。 如果： $$ |\mathfrak M(\Sigma)|=1, $$ 才接近唯一機制。 --- # 21. Ancestry Dimension 若： $$ \mathfrak M(Y) $$ 具有流形或層化結構， 可研究： $$ \dim\mathfrak M(Y). $$ 直觀上： - dimension $0$：孤立 ancestry； - finite positive dimension：有限自由度 family； - infinite dimension：高度非唯一形成空間。 因此 outcome 的「生成自由度」可以成為獨立研究量。 --- # 22. Codimension of Fine Tuning 若 target： $$ Y $$ 只在資料空間中的： $$ \mathcal F_Y $$ 可達， 則可以研究： $$ \operatorname{codim}\mathcal F_Y. $$ 高 codimension 表示需要大量精調條件。 因此： $$ \boxed{ \text{existence} } $$ 可以和： $$ \boxed{ \text{high-codimension fine tuning} } $$ 同時成立。 --- # 23. Ancestry Entropy 若： $$ \mathfrak M(Y) $$ 非常大， 可引入一個抽象的 ancestry complexity： $$ \boxed{ H_{\rm anc}(Y). } $$ 它不必一開始就定義為 Shannon entropy。 第一版只需表示： $$ \boxed{ \text{抵達同一 outcome 的不等價形成歷史有多豐富。} } $$ 高： $$ H_{\rm anc} $$ 意味 outcome 對 ancestry 不敏感。 低： $$ H_{\rm anc} $$ 可能意味高度特定形成機制。 --- # 24. Outcome Rigidity 與 Ancestry Flexibility 可能出現： $$ \boxed{ \text{Outcome rigid} + \text{Ancestry flexible}. } $$ 也就是所有路徑最後都到相同 outcome， 但形成歷史很多。 反之也可能： $$ \boxed{ \text{Outcome flexible} + \text{Ancestry rigid}. } $$ 例如每個 target 只有一條形成歷史，但 target 本身不唯一。 所以： $$ \boxed{ \text{outcome geometry} } $$ 和： $$ \boxed{ \text{ancestry geometry} } $$ 是兩個獨立層。 --- # 25. Reverse Path Synthesis 若給定： $$ Y_{\rm target}, $$ 設計： $$ d $$ 使： $$ \mathfrak S(d)=Y_{\rm target}, $$ 則稱： $$ \boxed{ \textbf{Reverse Path Synthesis}. } $$ 這與普通逆推不同。 它不是要求： $$ d $$ 唯一。 它只要求： $$ d\in\mathfrak A(Y_{\rm target}). $$ 因此本質上是一個： $$ \boxed{ \text{inverse design problem}. } $$ --- # 26. Reverse Path Synthesis 與 Proof Semantics 若 theorem 本來是： $$ \exists d: \mathfrak S(d)=Y, $$ 則 reverse path synthesis 可以直接完成 existence proof。 但若 theorem 是： $$ \forall d: \mathfrak S(d)=Y, $$ 則設計一個： $$ d^\ast $$ 完全不夠。 所以： $$ \boxed{ \text{inverse synthesis} } $$ 天然與 existential theorem 高度匹配， 但與 universal theorem 的 proof obligation 不對稱。 --- # 27. Path Programmability 若對一大類 target： $$ Y\in\mathcal Y $$ 都能找到： $$ d_Y $$ 使： $$ \mathfrak S(d_Y)=Y, $$ 則系統具有： $$ \boxed{ \textbf{Path Programmability}. } $$ 形式上： $$ \boxed{ \forall Y\in\mathcal Y, \quad \mathfrak A(Y)\neq\varnothing. } $$ 這代表系統不是只允許一個 outcome，而具有廣泛可編程可達性。 --- # 28. Path Programmability 與 Determination 的張力 若： $$ \mathcal Y $$ 包含互斥 target： $$ Y_1,Y_2, $$ 且： $$ \mathfrak A(Y_1),\mathfrak A(Y_2)\neq\varnothing, $$ 則原 admissibility class： $$ \mathcal C $$ 本身不能唯一決定： $$ Y_1 $$ 或： $$ Y_2. $$ 因此： $$ \boxed{ \text{high programmability} } $$ 通常意味： $$ \boxed{ \text{low intrinsic determination} } $$ 除非額外指定： $$ d. $$ --- # 29. Inverse Problem 的合法性層級 逆向 reasoning 必須區分： ### L1 — Inferential Backtracking 由後果推測可能原因。 ### L2 — Necessary-Ancestor Proof 證明某種先前結構必須存在。 ### L3 — Realization Reconstruction 構造一條可抵達 target 的合法 ancestry。 ### L4 — Unique-Ancestor Proof 證明 ancestry 唯一。 ### L5 — Natural-Mechanism Identification 證明自然 dynamics 實際選擇該 ancestry class。 這五層不能混用。 --- # 30. Backward Inference 不等於 Backward Causation 若： $$ Y $$ 在： $$ t=T $$ 出現， 並由此推導： $$ X $$ 在： $$ t 不同有限條件會留下哪些類無限？ 若增加： $$ C_{m+1}, $$ 可能有： $$ \mathfrak G_\infty(\mathcal C\cup\{C_{m+1}\}) \subseteq \mathfrak G_\infty(\mathcal C). $$ 但也可能只是讓 infinity class 重新分裂、重標記或遷移。 因此新增 constraint 不必然單調「消滅」無限。 --- # 37. Inverse Constraint Design 反過來，給定希望保留的 infinity class： $$ [I^\ast], $$ 可問： $$ \boxed{ \text{哪些有限約束 }\mathcal C \text{ 能保留 }[I^\ast] \text{ 同時排除其他 class？} } $$ 這是一個： $$ \boxed{ \textbf{Inverse Constraint Design} } $$ 問題。 它把 proof design、control design 與 singularity synthesis 連接起來。 --- # 38. Singularity Synthesis 與 Singularity Discovery 兩者必須區分。 Singularity discovery： $$ \boxed{ \text{given system} \rightarrow \text{find what singularity naturally arises}. } $$ Singularity synthesis： $$ \boxed{ \text{choose target singularity} \rightarrow \text{design data/path to realize it}. } $$ 若一個方法高度 target-conditioned， 它更接近： $$ \boxed{ \text{singularity synthesis}. } $$ 這本身可以是重要數學， 但不應被自動描述為： $$ \boxed{ \text{unique intrinsic singularity discovery}. } $$ --- # 39. 逆問題與計算路徑 同樣框架可抽象至計算。 正向： $$ x \rightarrow \pi \rightarrow y. $$ 逆向： $$ y_{\rm target} \rightarrow \{ \pi: \pi(x)=y_{\rm target} \}. $$ 因此可定義： $$ \boxed{ \mathfrak P(y) = \{\text{all legal computational paths producing }y\}. } $$ 真正的最優化不是： $$ \exists\pi, $$ 而是： $$ \boxed{ \pi^\ast = \arg\min_{\pi\in\mathfrak P(y)} C(\pi). } $$ 這與能源路由、資料路由與 inverse control 具有共同結構。 --- # 40. Proof-Ancestry Space 一個 theorem： $$ P $$ 本身也可以有多個證明 ancestry： $$ \Pi_1,\Pi_2,\ldots $$ 定義： $$ \boxed{ \mathfrak P_{\rm proof}(P) = \{ [\Pi]: \Pi\vdash P \}. } $$ 所以： $$ \exists\Pi:\Pi\vdash P $$ 不代表： $$ \exists !\Pi:\Pi\vdash P. $$ 不同 proof ancestry 可以帶來不同： - mechanism； - abstraction； - transferability； - computational cost； - explanatory value。 --- # 41. 逆問題的 Proof-Audit Checklist 對任何由 target 反推 source 的論證，檢查： 1. 逆映射是否其實是 set-valued？ 2. 是否偷設 inverse uniqueness？ 3. outcome 是否真的識別 mechanism？ 4. source 是否唯一？ 5. path 是否唯一？ 6. ancestry equivalence 如何定義？ 7. target perturbation 下 inverse 是否穩定？ 8. 是否只有 fine-tuned ancestry？ 9. backward inference 是否被誤寫成 backward causation？ 10. 是否存在同 outcome 的其他合法 source？ --- # 42. 類無限生成空間的 Proof-Audit Checklist 對任何「找到一個無限類」的結果，進一步問： 1. 還有哪些其他 infinity classes？ 2. 不同 class 是否由相同有限條件允許？ 3. class 間是否可透過 constraint change 互相轉換？ 4. 是否存在 robust class？ 5. 是否存在 fine-tuned class？ 6. 哪些 class 是自然 dynamics selected？ 7. 哪些只可由 target-conditioned synthesis 實現？ 8. class space 是否有 moduli / strata / boundary？ --- # 43. 與 Paper 07 的接口 前六篇已得到： $$ \boxed{ \text{finite constraint} \rightarrow \text{conditioned infinity} \rightarrow \text{phase accumulation} \rightarrow \text{infinite correction} \rightarrow \text{completion/determination gap} \rightarrow \text{ancestry moduli}. } $$ 下一步必須做一次真正壓力測試： > 把同一套 proof semantics 拿去看不同類型的大猜想，哪些步驟合法、哪些步驟會因 quantifier、referent、category 或 target-conditioned completion 而失效？ Paper 07 將處理： $$ \boxed{ \text{NS、RH、BSD、Hodge 的跨問題 Proof-Architecture Stress Test}. } $$ --- # 44. 結論 本篇正式把「一個 outcome」展開成「一個 ancestry space」。 核心不是： $$ \boxed{ Y\text{ 是否存在？} } $$ 而是： $$ \boxed{ \mathfrak M(Y) = \mathfrak A(Y)/\sim_{\rm anc} \text{ 到底長什麼樣？} } $$ 因此： $$ \boxed{ \text{Outcome existence} \not\Rightarrow \text{ancestry uniqueness}. } $$ 同樣地，有限條件： $$ \mathcal C $$ 也不只對應「有沒有無限」，而可能對應： $$ \boxed{ \mathfrak G_\infty(\mathcal C), } $$ 即一整個 class-infinity generation space。 所以真正完整的無限研究不應只問： $$ \exists[I]. $$ 還應問： $$ \boxed{ \text{有多少 }[I]\text{， 如何生成， 哪些穩健， 哪些精調， 哪些自然可達， 哪些只是逆向合成？}} $$ 本篇最終得到三句母命題： $$ \boxed{ \text{Same outcome does not imply same ancestry.} } $$ $$ \boxed{ \text{One legal ancestry does not imply ancestry uniqueness.} } $$ 以及： $$ \boxed{ \text{One infinity witness does not exhaust the infinity-generation space.} } $$ 這使後續大猜想壓力測試不再只檢查「證明是否完成」，而能檢查： $$ \boxed{ \text{它到底證明了一個 witness、 一個 mechanism、 一個 class， 還是一整個 determination structure。} } $$