# Decimal-Free and Generator-First Real Numbers
## Exact Reals as Constraint-Generated Sequence Objects

**Series:** Constraint-Generated Numerical and Symbolic Computation  
**Paper 03**  
**Status:** Foundational numerical theory  
**Language:** zh-TW  
**Depends on:**  
- Paper 01 — Variablehood by Residual Constraint Domain  
- Paper 02 — Constraint-Generated Sequence Representation  

**Scope:** exact real objects, decimal-free representation, nested constraint cells, wide-word radix blocks, generator-first semantics, finite prefixes, arithmetic by constraint composition

**作者：** Neo.K  
**機構：** EveMissLab／一言諾科技有限公司  
**日期：** 2026-10-08（整理日期；原稿未標註日期）  
**版本：** 原稿未標註（本次整理版）  

---

# 摘要

實數在現代計算中通常透過 floating point、fixed point、decimal expansion、binary expansion 或 arbitrary-precision arithmetic 表示。這些方法非常成功，但它們容易造成一個概念上的混淆：

$$
\boxed{
\text{representation precision}
\text{ 被誤認為 }
\text{real-number ontology}.
}
$$

本文提出一個不同的表示觀。

實數不被定義為「整數部分加無限小數位」，也不被定義為某個有限 mantissa 的極限近似。相反地，一個 exact real object 被視為：

$$
\boxed{
\text{constraints}
+
\text{generator}
+
\text{verification semantics}
+
\text{observation policy}.
}
$$

其 materialized sequence 只是 generator 在特定 observation policy 下逐步產生的資訊。

對任意 radix：

$$
B\ge2,
$$

可以用整數 prefix：

$$
Q_n(x)
=
\lfloor B^n x\rfloor
$$

定義 nested cells：

$$
\boxed{
I_n(x)
=
\left[
\frac{Q_n(x)}{B^n},
\frac{Q_n(x)+1}{B^n}
\right).
}
$$

則：

$$
I_0(x)
\supseteq
I_1(x)
\supseteq
I_2(x)
\supseteq
\cdots,
$$

且：

$$
\boxed{
\bigcap_{n=0}^{\infty}
I_n(x)
=
\{x\}.
}
$$

每一層的新增 block：

$$
d_n
=
Q_n-BQ_{n-1}
$$

滿足：

$$
0\le d_n<B.
$$

若選：

$$
B=2^{256},
$$

則每個 $d_n$ 可直接視為一個 256-bit unsigned information block；若選：

$$
B=2^{512},
$$

則得到 512-bit blocks。

然而本文強調：

$$
\boxed{
B
\text{ 與 block width 並不是實數本體的一部分。}
}
$$

它們只是 observation / encoding policy。真正 exact 的 real object 是能夠對任意要求深度產生經驗證 constraint cell 的 generator。

因此：

$$
\boxed{
\text{finite prefix}
\neq
\text{finite-precision real object}.
}
$$

一個 finite prefix只表示目前 materialized 的 observation depth；只要 generator semantics exact，real object本身仍是 exact。

本文進一步定義：

- Generator-First Real；
- Exact Cell Generator；
- Block Sequence；
- Wide-Word Observation Policy；
- Mixed-Radix Observation；
- Cell Refinement Arithmetic；
- Constraint-First Addition and Multiplication；
- Exact Transcendental Object；
- Prefix Certificate；
- Interval Witness；
- Representation Independence；
- Decimal-Free Real API。

本文亦以 $\pi$ 為核心例子，說明如何將：

$$
3.14159265\ldots
$$

重新理解為某個 exact real object在特定 radix partition 下的 materialized observation sequence，而不是 $\pi$ 的數學本體。

---

# 1. 問題：小數點是表示 convention，不是實數本體

傳統十進制寫法：

$$
3.1415926535\ldots
$$

非常適合人類閱讀。

但其中的小數點只是在告訴讀者：

- 左側使用非負次方；
- 右側使用負次方；
- radix 為 $10$。

若改成二進制，表示變成另一組 digits。

若改成：

$$
B=2^{256},
$$

同一個實數可以被表示成每個元素寬度為 256 bits 的 block sequence。

因此：

$$
\boxed{
\text{decimal point}
\text{ is not a primitive structure of } \mathbf R.
}
\tag{1.1}
$$

它只是某種 positional notation 的 separator。

---

# 2. Real number 與 representation 的分離

本文將 real object與其 materialization分開。

## Real Object

$$
\boxed{
\mathfrak R_x
=
(
\mathcal K_x,
G_x,
V_x,
\mathcal O_x
).
}
\tag{2.1}
$$

其中：

- $\mathcal K_x$：定義 $x$ 的 exact constraints；
- $G_x$：產生 refinement / observation 的 generator；
- $V_x$：驗證 output 的 verifier；
- $\mathcal O_x$：observation policy。

## Materialized Representation

在某個 policy $\mathcal O$ 與 depth $N$ 下：

$$
\boxed{
M_{\mathcal O,N}(x).
}
\tag{2.2}
$$

因此：

$$
\boxed{
x
\neq
M_{\mathcal O,N}(x).
}
\tag{2.3}
$$

後者只是前者的有限 observation。

---

# 3. Exact Real 的最低語義

我們不強制所有 real objects 使用同一種 generator。

只要求 generator與constraints唯一指定一個 real number。

設 stage residual cell：

$$
C_n
\subseteq
\mathbf R.
$$

若：

$$
C_0
\supseteq
C_1
\supseteq
C_2
\supseteq
\cdots
$$

且：

$$
\boxed{
\bigcap_{n=0}^{\infty}
C_n
=
\{x\},
}
\tag{3.1}
$$

則這條 refinement chain exact 地指定 $x$。

若每個 $C_n$ 都可 finite-certify，便得到一個 exact generator-first real representation。

---

# 4. Nested Rational Cell Model

最直接的 model使用 rational intervals。

令：

$$
C_n
=
[a_n,b_n],
$$

其中：

$$
a_n,b_n\in\mathbf Q,
$$

並要求：

$$
C_{n+1}
\subseteq
C_n.
$$

若：

$$
\boxed{
b_n-a_n
\to
0,
}
\tag{4.1}
$$

且所有 cells非空，則 nested interval theorem給出唯一 real：

$$
\boxed{
\bigcap_n C_n
=
\{x\}.
}
\tag{4.2}
$$

這是最簡單的 generator-first exact real model之一。

---

# 5. Cell Generator

## 定義 5.1

Exact Cell Generator：

$$
\boxed{
G_x:
n
\mapsto
(
C_n,
W_n
),
}
\tag{5.1}
$$

其中：

- $C_n$ 是 certified residual cell；
- $W_n$ 是證明：
  $$
  x\in C_n.
  $$

並且 verifier檢查：

$$
C_{n+1}
\subseteq
C_n.
$$

因此 generator可以由 AI、symbolic engine或 numerical algorithm提出，但 exactness由 verifier保障。

---

# 6. Decimal-Free 不等於 Radix-Free

本文的 decimal-free指：

$$
\boxed{
\text{real ontology does not depend on decimal expansion}.
}
$$

這不代表 observation不能使用 radix。

相反地，radix partition是一種很有效的 materialization policy。

重點是：

$$
\boxed{
\text{radix belongs to observation policy, not object identity}.
}
\tag{6.1}
$$

---

# 7. Fixed-Radix Cell Partition

固定：

$$
B\ge2.
$$

對任意 real $x$，定義：

$$
\boxed{
Q_n(x)
=
\lfloor B^n x\rfloor.
}
\tag{7.1}
$$

再定義：

$$
\boxed{
I_n(x)
=
\left[
\frac{Q_n(x)}{B^n},
\frac{Q_n(x)+1}{B^n}
\right).
}
\tag{7.2}
$$

這是 $x$ 所屬的第 $n$ 層 radix cell。

---

# 8. Nested-Cell Theorem

## Theorem 8.1

對任意 real $x$ 與 integer radix $B\ge2$：

$$
I_{n+1}(x)
\subseteq
I_n(x).
$$

且：

$$
\operatorname{diam}
I_n(x)
=
B^{-n}.
$$

因此：

$$
\boxed{
\bigcap_{n=0}^{\infty}
I_n(x)
=
\{x\}.
}
\tag{8.1}
$$

所以：

$$
\boxed{
(Q_0,Q_1,Q_2,\ldots)
}
$$

exact 地唯一指定 $x$。

---

# 9. 不需要小數點

這個表示不需要寫：

$$
x
=
a_0.a_1a_2a_3\ldots.
$$

只需要：

$$
\boxed{
Q_0,Q_1,Q_2,\ldots
}
$$

以及 radix semantics：

$$
Q_n
=
\lfloor B^n x\rfloor.
$$

小數點不再是數學必要結構。

sequence index已經隱含 cell scale。

---

# 10. Incremental Block

完整保存每個 $Q_n$ 會重複資訊。

由：

$$
Q_{n-1}
$$

到：

$$
Q_n
$$

的新增 block定義為：

$$
\boxed{
d_n
=
Q_n
-
B Q_{n-1}.
}
\tag{10.1}
$$

因 floor relation：

$$
0
\le
Q_n
-
BQ_{n-1}
<
B,
$$

所以：

$$
\boxed{
0\le d_n<B.
}
\tag{10.2}
$$

因此：

$$
\boxed{
Q_n
=
BQ_{n-1}+d_n.
}
\tag{10.3}
$$

---

# 11. Block Sequence

給定：

$$
Q_0
=
\lfloor x\rfloor,
$$

以及：

$$
d_1,d_2,\ldots,
$$

即可恢復所有：

$$
Q_n.
$$

所以 fixed-radix materialization可以寫成：

$$
\boxed{
S_B(x)
=
(
Q_0;
d_1,d_2,d_3,\ldots
).
}
\tag{11.1}
$$

這在形式上類似 radix expansion，但 ontology不同：

$$
\boxed{
d_n
\text{ is a certified cell-refinement block}.
}
$$

不是 primitive digit。

---

# 12. Negative Real Numbers

使用：

$$
Q_n(x)
=
\lfloor B^n x\rfloor
$$

即使 $x<0$，仍然有：

$$
0\le d_n<B.
$$

所以不必特別把 fractional digits改成 signed digits。

只需：

$$
Q_0
$$

允許為任意 integer。

因此 representation naturally supports all real numbers。

---

# 13. Uniqueness at Radix Boundaries

傳統 positional notation有：

$$
0.999\ldots
=
1.000\ldots
$$

這類雙重 expansion。

使用 floor-defined half-open cells：

$$
\left[
\frac{Q_n}{B^n},
\frac{Q_n+1}{B^n}
\right)
$$

可以建立 canonical cell sequence。

因為：

$$
Q_n
=
\lfloor B^n x\rfloor
$$

是唯一 integer。

因此：

$$
\boxed{
\text{canonical cell sequence avoids dual radix expansion ambiguity}.
}
\tag{13.1}
$$

---

# 14. Wide-Word Radix

若選：

$$
B
=
2^W,
$$

則：

$$
d_n
\in
\{
0,\ldots,2^W-1
\}.
$$

因此每個 block可以直接存入 $W$ -bit unsigned word。

例如：

$$
W=256,
$$

則：

$$
B=2^{256}.
$$

每個：

$$
d_n
$$

都是一個完整 256-bit block。

同理：

$$
W=512
$$

給出 512-bit blocks。

---

# 15. Wide-Word Block 不是更精確的 Real 本體

增加：

$$
W
$$

不會改變 $x$ 本身。

它只改變：

$$
\boxed{
\text{how much refinement information each materialized node carries}.
}
$$

若：

$$
W=256,
$$

depth $N$ 提供約：

$$
256N
$$

radix-bit scale information。

若：

$$
W=512,
$$

同樣 depth提供更粗粒度但更寬的 block。

因此：

$$
\boxed{
W
\text{ is a block-granularity parameter}.
}
\tag{15.1}
$$

不是 exactness parameter。

---

# 16. Finite Prefix 是什麼

materialized prefix：

$$
S_B^{[N]}(x)
=
(
Q_0;
d_1,\ldots,d_N
)
$$

對應 cell：

$$
I_N(x).
$$

所以 prefix語義是：

$$
\boxed{
x
\in
I_N(x).
}
\tag{16.1}
$$

且：

$$
\operatorname{diam}
I_N
=
B^{-N}.
$$

因此 finite prefix是一個 certified enclosure。

不是 real object本身。

---

# 17. Exact Object 與 Finite Observation

若 $x$ 的 generator exact，則：

$$
\mathfrak R_x
$$

可以是 exact。

同時目前只 materialize：

$$
N=2
$$

blocks。

所以：

$$
\boxed{
\text{exact object}
+
\text{finite observation}
}
$$

完全不矛盾。

這正是 generator-first representation與 ordinary finite floating point的重要差異。

---

# 18. Generator-First Real

## 定義 18.1

Generator-First Real 為：

$$
\boxed{
\mathfrak R_x
=
(
\mathcal K_x,
G_x,
V_x,
\mathcal O
)
}
\tag{18.1}
$$

滿足：

1. $\mathcal K_x$ 唯一指定一個 real $x$ ；
2. $G_x$ 可對任意 requested depth產生 cell / block；
3. $V_x$ 可驗證 cell containment / refinement；
4. materialization policy $\mathcal O$ 不改變 object semantics。

---

# 19. Generator 可以完全不依賴 Digits

例如 $x$ 可以由 equation唯一指定：

$$
x^2=2,
$$

$$
x>0.
$$

那：

$$
x
=
\sqrt2.
$$

generator可以使用 interval Newton、continued fractions、binary splitting或其他 exact algorithm。

只有最後 observation時才把 result轉成：

$$
B=2^{256}
$$

的 cells。

所以：

$$
\boxed{
\text{generator semantics}
\text{ and }
\text{radix observation}
}
$$

可以完全分離。

---

# 20. $\sqrt2$ Example

定義 constraints：

$$
\mathcal K_{\sqrt2}
=
\{
x^2=2,
x>0
\}.
$$

這組 constraints在：

$$
\mathbf R
$$

唯一指定：

$$
\sqrt2.
$$

generator可產生 rational intervals：

$$
C_n
=
[a_n,b_n],
$$

使：

$$
a_n^2<2<b_n^2,
$$

且：

$$
b_n-a_n\to0.
$$

若要求 wide-word observation，再計算：

$$
Q_n
=
\lfloor B^n\sqrt2\rfloor.
$$

所以 radix block只是 downstream projection。

---

# 21. $e$ Example

 $e$ 可以由多種 exact semantics定義，例如：

$$
e
=
\sum_{k=0}^{\infty}
\frac{1}{k!}.
$$

generator可利用 tail bound產生 certified interval：

$$
C_n
=
[a_n,b_n].
$$

再根據 observation policy產生：

$$
Q_n,
d_n.
$$

因此：

$$
\boxed{
e
\text{ is not identified with its decimal expansion}.
}
$$

decimal expansion只是某種 observation trace。

---

# 22. $\pi$ Example: Object Semantics

 $\pi$ 同樣可以由多種 exact semantics指定。

例如可把 $\pi$ 定義成某個幾何、積分、三角函數或其他 exact characterization的唯一 real。

本文不要求唯一 generator algorithm。

只要求：

$$
\boxed{
\mathcal K_\pi
\text{ uniquely identifies }\pi.
}
$$

以及 generator：

$$
G_\pi
$$

對任意 depth產生可驗證 enclosure。

---

# 23. $\pi$ Example: Radix-Cell Observation

固定：

$$
B=2^{256}.
$$

定義：

$$
Q_n^\pi
=
\lfloor B^n\pi\rfloor.
$$

則：

$$
\boxed{
I_n^\pi
=
\left[
\frac{Q_n^\pi}{B^n},
\frac{Q_n^\pi+1}{B^n}
\right).
}
\tag{23.1}
$$

並有：

$$
\boxed{
\bigcap_n
I_n^\pi
=
\{\pi\}.
}
\tag{23.2}
$$

block：

$$
\boxed{
d_n^\pi
=
Q_n^\pi
-
BQ_{n-1}^\pi.
}
\tag{23.3}
$$

滿足：

$$
0\le d_n^\pi<2^{256}.
$$

所以：

$$
\boxed{
S_{2^{256}}(\pi)
=
(
Q_0^\pi;
d_1^\pi,d_2^\pi,\ldots
)
}
$$

是一條 256-bit-block observation sequence。

---

# 24. $\pi$ Example: 512-bit Policy

改成：

$$
B'=2^{512},
$$

得到另一條 sequence：

$$
S_{2^{512}}(\pi).
$$

兩條 sequence長得完全不同。

但：

$$
\boxed{
\operatorname{Semantics}
(
S_{2^{256}}(\pi)
)
=
\operatorname{Semantics}
(
S_{2^{512}}(\pi)
)
=
\pi.
}
\tag{24.1}
$$

所以 exact object identity不依賴 block width。

---

# 25. Radix Sequence 只是 Observation View

因此不能把：

$$
S_{2^{256}}(\pi)
$$

本身誤認為 $\pi$ 的唯一數學本體。

更準確是：

$$
\boxed{
S_B(\pi)
=
\operatorname{Observe}_B(
\mathfrak R_\pi
).
}
\tag{25.1}
$$

object：

$$
\mathfrak R_\pi
$$

比任何單一 radix sequence更高層。

---

# 26. Mixed-Radix Observation

甚至不需要固定 $B$。

令：

$$
B_1,B_2,\ldots
$$

為一串 radices。

定義 cumulative scale：

$$
M_n
=
\prod_{k=1}^{n}
B_k.
$$

再定義：

$$
\boxed{
Q_n
=
\lfloor M_nx\rfloor.
}
\tag{26.1}
$$

block：

$$
\boxed{
d_n
=
Q_n
-
B_nQ_{n-1}.
}
\tag{26.2}
$$

則：

$$
0\le d_n<B_n.
$$

這得到 mixed-radix constraint-generated sequence。

---

# 27. Adaptive Radix

 $B_n$ 甚至可以依 residual state動態決定。

例如：

- 前期使用小 block便於 verification；
- 中期使用 256-bit；
- 後期改 512-bit；
- 對高 uncertainty區域使用不同 granularity。

只要 policy可驗證並且 scale semantics明確。

因此：

$$
\boxed{
\text{radix can be adaptive}.
}
$$

---

# 28. Radix 改變與 Object 不變

若兩種 policies：

$$
\mathcal O_1,
\qquad
\mathcal O_2
$$

都 sound 且 complete 地觀測同一 generator-first real：

$$
\mathfrak R_x,
$$

則：

$$
\boxed{
M_{\mathcal O_1}(x)
\equiv_{\mathrm{obj}}
M_{\mathcal O_2}(x).
}
\tag{28.1}
$$

所以 radix conversion是 observation conversion。

不是 real conversion。

---

# 29. Constraint-First Arithmetic

傳統 arithmetic：

1. materialize $x$ ；
2. materialize $y$ ；
3. approximate operation；
4. round。

本文可改成 constraint-first。

若：

$$
z=x+y,
$$

定義：

$$
\boxed{
\mathcal K_z
=
\mathcal K_x
\cup
\mathcal K_y
\cup
\{
z=x+y
\}.
}
\tag{29.1}
$$

然後直接生成：

$$
C_n(z).
$$

不要求先把 $x$ 、 $y$ 展開到固定 decimal digits。

---

# 30. Addition by Cell Propagation

若：

$$
x\in[a,b],
$$

$$
y\in[c,d],
$$

則：

$$
\boxed{
x+y
\in
[a+c,b+d].
}
\tag{30.1}
$$

因此 addition generator可以從 operands的 current cells直接產生 output cell。

若 output cell不足以決定 requested block，就要求 operands再 refinement。

這形成 demand-driven arithmetic。

---

# 31. Multiplication by Cell Propagation

若 intervals不跨複雜 sign情況，可直接使用 endpoint products。

一般情況：

$$
xy
\in
[
\min(ac,ad,bc,bd),
\max(ac,ad,bc,bd)
].
$$

因此 multiplication同樣可以：

$$
\boxed{
\text{refine only when output block remains ambiguous}.
}
$$

這與固定 precision arithmetic不同。

---

# 32. Requested-Block Computation

假設只要求 $z$ 的第 $N$ 個 wide-word block。

runtime不需要盲目把所有 operands展開到同樣 bit count。

它只需 refine到足以唯一決定：

$$
Q_N(z).
$$

所以 computation target是：

$$
\boxed{
\text{constraint sufficiency for the requested observation}.
}
$$

不是：

$$
\boxed{
\text{global fixed precision}.
}
$$

---

# 33. Carry 不再必須是逐 Digit 操作

傳統 positional arithmetic常處理 digit carry。

在 cell-based arithmetic中，可以直接先決定：

$$
Q_N(z)
=
\lfloor B^Nz\rfloor.
$$

只要 constraints已足以固定這個 integer。

所以 carry可以是 generator內部問題。

外部 API只看到 certified block。

這可能對 wide-word computation更自然。

---

# 34. Block Certification

一個 block：

$$
d_N
$$

被接受前，必須證：

$$
Q_N
=
BQ_{N-1}+d_N
$$

以及：

$$
x\in I_N.
$$

verification可使用：

- interval enclosure；
- integer inequalities；
- modular identities；
- exact symbolic bounds；
- proof assistant certificate。

所以 block不是純 payload。

它可以是 proof-carrying block。

---

# 35. Exact Addition Object

若：

$$
\mathfrak R_x,
\qquad
\mathfrak R_y
$$

是 exact generator-first reals，

定義：

$$
\boxed{
\mathfrak R_z
=
\operatorname{Add}
(
\mathfrak R_x,
\mathfrak R_y
).
}
\tag{35.1}
$$

其中：

$$
\mathcal K_z
=
\mathcal K_x
\cup
\mathcal K_y
\cup
\{
z=x+y
\}.
$$

只要 resulting constraints唯一指定 $z$，則：

$$
\mathfrak R_z
$$

本身 exact。

即使目前沒有 materialize任何 output blocks。

---

# 36. Exact Multiplication Object

同理：

$$
\boxed{
\mathfrak R_z
=
\operatorname{Mul}
(
\mathfrak R_x,
\mathfrak R_y
)
}
\tag{36.1}
$$

由：

$$
z=xy
$$

constraint定義。

因此 arithmetic operation可首先建立 semantic object，再按需 materialize。

---

# 37. Exact Function Application

對 function：

$$
f:
D\to\mathbf R,
$$

若有 exact function semantics與 continuity / enclosure mechanism，可定義：

$$
\boxed{
\mathfrak R_y
=
f(
\mathfrak R_x
).
}
\tag{37.1}
$$

例如：

$$
y=\sqrt{x},
$$

加入：

$$
y^2=x,
$$

以及 branch constraint：

$$
y\ge0.
$$

generator再按需 refine $y$。

---

# 38. Function Branch Constraint

多值 relation必須明確加入 branch。

例如：

$$
y^2=x
$$

本身有：

$$
y=\pm\sqrt{x}.
$$

若要 principal root：

$$
\boxed{
y\ge0.
}
$$

這就是 Variablehood theory中的 separating constraint。

所以 real computation自然接回 Paper 01。

---

# 39. Exact Constant Object

一個 exact constant $c$ 可以被定義成：

$$
\boxed{
\mathfrak R_c
=
(
\mathcal K_c,
G_c,
V_c,
\mathcal O
).
}
\tag{39.1}
$$

它不需要內建 decimal digits。

library可以保存：

- definition；
- generator；
- verifier；
- cached blocks。

---

# 40. Cached Prefix

為提高速度，可以保存：

$$
S_B^{[N]}(c).
$$

但 cache不是 source of truth。

若 cache損壞，可由 generator重新產生。

因此：

$$
\boxed{
\text{generator is authoritative;}
\qquad
\text{prefix is cache}.
}
\tag{40.1}
$$

---

# 41. Versioned Generator

generator algorithm可能改良。

因此 exact object需區分：

- mathematical semantics；
- generator implementation。

若兩個 versions都生成同一 exact object，可視為 implementation-equivalent。

所以 object identity不應直接綁定 algorithm binary。

---

# 42. Generator Verification Contract

對 exact constant，generator contract可以寫：

$$
\boxed{
G_c(n)
\to
(C_n,W_n)
}
$$

並要求 verifier證：

$$
c\in C_n,
$$

$$
C_{n+1}\subseteq C_n,
$$

以及：

$$
\operatorname{diam}(C_n)\to0.
$$

這樣 generator可以替換。

---

# 43. Information Sequence for $\pi$

對 $\pi$，一個 node可以包含：

$$
s_n^\pi
=
(
Q_n^\pi,
d_n^\pi,
I_n^\pi,
W_n^\pi
).
$$

其中：

- $Q_n^\pi$：prefix integer；
- $d_n^\pi$：new wide-word block；
- $I_n^\pi$：certified residual cell；
- $W_n^\pi$：proof certificate。

這比只保存 digits更可驗證。

---

# 44. 為什麼不是把浮點改名

floating point通常是一個 finite object：

$$
\tilde x
=
mB^e.
$$

它與 exact $x$ 之間存在 rounding relation。

generator-first exact real則是：

$$
\boxed{
\mathfrak R_x
}
$$

本身 exact。

某個 finite cell：

$$
I_N
$$

只是 observation。

所以 ontology不同。

---

# 45. Floating Point 可以成為 Observation Backend

這不表示 floating point不能使用。

它可以作為：

$$
\boxed{
\text{fast proposal / enclosure backend}.
}
$$

但 exact verifier必須確認：

$$
x\in C_n.
$$

因此：

$$
\boxed{
\text{floating point}
\text{ becomes a tool, not the source of truth}.
}
$$

---

# 46. Arbitrary Precision 可以成為 Generator Backend

同理，MPFR、big integers、symbolic algebra等都可以作為 generator implementation。

本方法不是要拒絕既有 numerical technology。

而是重新安排層級：

$$
\boxed{
\text{semantics}
>
\text{generator}
>
\text{numerical backend}
>
\text{encoding}.
}
$$

---

# 47. Computational Opportunity

若 constraints能直接確定某個 wide block：

$$
d_n,
$$

就可能不需要 materialize中間大量 low-level digits。

例如 generator可能直接計算：

$$
Q_n
=
\lfloor 2^{256n}x\rfloor
$$

或使用 divide-and-conquer / binary splitting / modular technique。

所以 wide-word observation可配合現代大整數運算。

---

# 48. 但不能保證所有數都更快

本文不主張：

$$
\boxed{
\text{generator-first representation universally outperforms arbitrary precision arithmetic}.
}
$$

是否更快依賴：

- constant；
- operation；
- generator；
- requested blocks；
- proof cost；
- cache；
- parallelism；
- hardware。

本文主張的是 representation與 computation architecture的可行性，而不是普遍速度優勢。

---

# 49. Constraint-Aware Skipping

真正可能產生性能優勢的是：

$$
\boxed{
\text{some output information may be constrained without computing all lower-level representational details}.
}
$$

例如 theorem-derived bounds可能直接固定一整個 high-level block。

這時 runtime可跳過不必要 materialization。

這與單純提高 word size不同。

---

# 50. Mixed Symbolic-Numeric Real

有些 real object同時帶 symbolic structure。

例如：

$$
x
=
\sqrt{2}
+
\pi.
$$

runtime可以保存 DAG：

$$
\boxed{
x
=
\operatorname{Add}
(
\sqrt2,
\pi
).
}
$$

直到需要 block時才執行。

因此 real representation可以自然保持 symbolic DAG。

---

# 51. Shared Subexpression

若多個 numbers共享：

$$
\pi,
$$

generator DAG可共享 same exact constant object。

這避免重複 materialization。

因此 generator-first semantics與 graph-based computation相容。

---

# 52. Exact Comparison of Reals

比較：

$$
x<y
$$

可作為 constraint problem。

若 current cells：

$$
C_x=[a,b],
$$

$$
C_y=[c,d]
$$

滿足：

$$
b<c,
$$

則立即證：

$$
x<y.
$$

若 intervals重疊，就繼續 refine。

所以比較同樣是 demand-driven。

---

# 53. Equality Problem

對 arbitrary computable reals，exact equality一般可能很難，甚至某些 representations下不可判定。

因此 generator-first framework不應承諾 universal equality decision。

它只提供：

$$
\boxed{
\text{refinement + witness interface}.
}
$$

若 semantics有 decidable equality certificate，則使用。

否則可能永遠 refinement。

---

# 54. Computable Real 邊界

本文的 operational runtime主要面向可由有效 generator產生的 exact reals。

這是：

$$
\boxed{
\text{computable or otherwise effectively representable reals}.
}
$$

並非每個 set-theoretic real都能由 finite program exact生成。

所以：

$$
\boxed{
\text{generator-first exact real}
\subsetneq
\mathbf R
}
$$

若從 effective representation角度理解。

這不是缺陷，而是計算本身的基本邊界。

---

# 55. Description Length

某些 reals可由非常短 generator描述。

例如：

$$
\pi
$$

的 mathematical description遠短於一百萬 digits。

所以：

$$
\boxed{
\text{object description length}
\ll
\text{materialized expansion length}.
}
$$

generator-first storage直接利用這個差距。

---

# 56. Algorithmic Compression 不是全部

短 generator只是其中一部分。

本文還要求：

- constraints；
- verification；
- residual cells；
- provenance；
- exact semantics。

所以 framework不等於單純 Kolmogorov compression。

它是一個可計算與可驗證的 representation architecture。

---

# 57. Observation Policy

定義 observation policy：

$$
\mathcal O
=
(
B,
W,
\text{cell rule},
\text{block rule},
\text{canonicalization}
).
$$

同一 real object可以掛多個 policies。

例如：

$$
\mathcal O_{64},
\mathcal O_{256},
\mathcal O_{512}.
$$

runtime可依 hardware / task選擇。

---

# 58. Hardware Alignment

若 processor / accelerator擅長：

$$
256
$$

bit integer operations，選：

$$
B=2^{256}
$$

可以讓每個 sequence block對齊 machine word。

未來若：

$$
512
$$

bit或更寬 arithmetic成為 commodity，policy可直接替換。

因此表示法可以和 hardware width協同演進。

---

# 59. Software Compatibility

即使 host system只有 64-bit native word，也可以將 256-bit block表示成：

$$
4
$$

個 64-bit limbs。

所以 wide-word policy不要求 CPU本身是 256-bit architecture。

差別只在：

$$
\boxed{
\text{one logical block may occupy multiple physical machine words}.
}
$$

這與大整數 arithmetic一致。

---

# 60. Block Independence 不等於 Arithmetic Independence

雖然每個 $d_n$ 是獨立 encoding block，但其數值通常依賴前序 state與 carry semantics。

所以不能假設 blocks可全部 independent parallel compute。

parallelism必須由 generator algorithm與 dependency graph判定。

---

# 61. Random Access Block Generator

若某 constant有直接 formula可以算：

$$
Q_n
$$

而不需逐 stage replay，則可支援 random access。

否則使用 checkpoints。

因此 random access是 generator capability，不是 sequence semantics的必備條件。

---

# 62. Verification Independence

一個 block generator可以很複雜。

但 verifier可能簡單得多。

例如 generator提出：

$$
Q_n,
$$

verifier只需證：

$$
Q_n
\le
B^n x
<
Q_n+1
$$

透過 certified bounds。

這是 proof-carrying computation的優勢。

---

# 63. Exact Cell as Contract

對每個 block，可將：

$$
I_n
$$

視為 contract。

任何未來 generator只要能提供 proof：

$$
x\in I_n
$$

就可產生同一 semantic block。

因此 generator implementation可更換而不影響 representation。

---

# 64. Radix Cell 的限制

固定 radix cell有明確好處，但它不一定是最佳 constraint partition。

對某些問題，其他 partitions可能更自然：

- continued fraction cylinders；
- algebraic isolating intervals；
- Chebyshev coefficient bounds；
- symbolic region partitions；
- logarithmic bins；
- adaptive rational cells。

所以 fixed radix只是 special case。

---

# 65. General Observation Partition

定義一組 partitions：

$$
\mathcal P_n
=
\{
C_{n,j}
\}_j
$$

滿足：

$$
\mathbf R
=
\bigcup_j
C_{n,j}.
$$

若 partitions逐層 refinement，則 exact real可由 cell index sequence：

$$
j_0,j_1,\ldots
$$

表示。

這把 radix expansion推廣成 general constraint partition sequence。

---

# 66. Partition Sequence

若：

$$
x\in C_{n,j_n},
$$

則：

$$
\boxed{
S_{\mathcal P}(x)
=
(j_0,j_1,j_2,\ldots).
}
\tag{66.1}
$$

每個 $j_n$ 是 cell selection witness。

若 partitions diameters趨近 $0$，則 sequence唯一指定 $x$。

所以 radix digit其實就是 cell index的一種。

---

# 67. Decimal Expansion 的重新解釋

十進制小數：

$$
0.d_1d_2d_3\ldots
$$

可重新理解成：

$$
\boxed{
\text{base-10 nested cell selection sequence}.
}
$$

所以 decimal不是被否定。

它被降級成：

$$
\boxed{
\text{one observation policy among many}.
}
$$

這正是 decimal-free ontology 的意思。

---

# 68. Binary Expansion 的重新解釋

binary expansion同樣只是：

$$
B=2
$$

的 radix cell policy。

wide-word representation則是：

$$
B=2^W.
$$

所以：

$$
\boxed{
\text{bit-by-bit sequence}
}
$$

和：

$$
\boxed{
\text{256-bit block sequence}
}
$$

只是不同 granularity 的同一 family。

---

# 69. Constraint-Based Partition

更一般地，partition cells可以由 constraints定義：

$$
C_{n,j}
=
\{
x:
K_{n,j}(x)
\}.
$$

那 sequence node直接就是 constraint selector。

這與 Paper 02完全一致。

---

# 70. Real Number as Constraint Limit

因此本文最一般的 real representation不是：

$$
x
=
\sum d_nB^{-n}.
$$

而是：

$$
\boxed{
x
=
\text{the unique point in a verified nested constraint chain}.
}
\tag{70.1}
$$

radix sum只是可選 decode formula。

---

# 71. Generated Sequence 與 Symbolic Identity

若一個 exact symbolic identity直接決定某些 future blocks，generator可利用它。

所以 symbolic theorem與 numerical sequence不是分離世界。

theorem可以成為 block-generation constraint。

這正是 constraint-aware computation的潛力。

---

# 72. Precision 的重新定義

傳統 precision常用：

$$
p
=
\text{number of bits}.
$$

本文可定義 observation precision：

$$
\boxed{
P(C_n)
=
-\log_2
\operatorname{diam}(C_n).
}
\tag{72.1}
$$

若是 radix cells：

$$
P(I_n)
=
n\log_2B.
$$

但這仍是 observation精度。

object exactness由 generator semantics決定。

---

# 73. Structural Precision

還可以另外定義 structural precision：

$$
\boxed{
P_{\mathrm{struct}}
=
\text{amount of residual variablehood eliminated}.
}
$$

例如一個 symbolic object即使沒有高 numerical precision，也可能有極高 structural closure。

這對 theorem-numerical hybrid問題特別重要。

---

# 74. Sequence Width 與 Closure Gain

一個 512-bit payload不保證真的消除 512 bits residual freedom。

若 constraints已預先決定其中大部分，actual gain可能遠低於 block width。

反之，一個短 symbolic node可能消除巨大 domain。

所以：

$$
\boxed{
\text{payload size}
\neq
\text{constraint gain}.
}
\tag{74.1}
$$

---

# 75. Real Arithmetic as Constraint DAG

若有：

$$
z
=
f(x,y),
$$

可以建 graph：

$$
x
\to
z,
$$

$$
y
\to
z.
$$

每個 node是 generator-first real。

每條 edge是 semantic constraint。

runtime按 requested observation往上游 demand refinement。

這形成：

$$
\boxed{
\text{exact real computation DAG}.
}
$$

---

# 76. Backward Constraint Propagation

不只 forward propagation。

若：

$$
z=x+y
$$

且 $z$ 、 $x$ constraints很強，也可反向縮小 $y$。

所以 arithmetic DAG可以做 bidirectional constraint propagation。

這比單向 floating-point evaluation更一般。

---

# 77. Constraint Solving 與 Numeric Solving 的融合

因此 real runtime可以混合：

- interval arithmetic；
- symbolic algebra；
- integer arithmetic；
- SAT / SMT；
- theorem prover；
- numerical approximation；
- certified root isolation。

只要最終輸出是 verified cells。

所以：

$$
\boxed{
\text{real computation}
=
\text{multi-method constraint refinement}.
}
$$

---

# 78. $\pi$ 不必保存成大量 digits

對 $\pi$ library object，可以保存：

$$
\boxed{
\mathcal K_\pi,
G_\pi,
V_\pi,
\text{cached checkpoints}.
}
$$

需要 $N$ blocks時才 materialize。

這不表示永遠不保存 digits。

而是 digits變成 cache，不再是 ontology。

---

# 79. Constant Interchange Format

未來可設計 exact constant interchange packet：

$$
\boxed{
(
\text{semantic id},
\text{generator id},
\text{observation policy},
\text{prefix},
\text{witnesses}
).
}
$$

不同系統可驗證同一 constant。

這比單純傳送 decimal string更可驗證。

---

# 80. Security and Trust

不可信 generator可以提交 candidate blocks。

trusted verifier驗證：

$$
Q_n
\le
B^nx
<
Q_n+1.
$$

因此 generator與 verifier分離。

這對 AI-generated constants與 distributed computation有意義。

---

# 81. 可證明性與可計算性的邊界

某些 real的某些 properties可能很難 decidable。

generator-first framework不消除 computability theory限制。

它只是讓限制被明確表示成：

$$
\boxed{
\text{which refinement obligation cannot yet be certified}.
}
$$

而不是用 silent approximation掩蓋。

---

# 82. Failure Mode: False Exactness

最危險錯誤是：

$$
\tilde x
$$

只是高 precision approximation，

卻被包裝成 exact generator-first real。

因此 exact object必須有：

$$
\boxed{
\text{semantic uniqueness proof}
+
\text{verified refinement contract}.
}
$$

沒有這兩者，只能標記 approximate。

---

# 83. Failure Mode: Hidden Radix Ontology

另一錯誤是宣稱 decimal-free，但實際上把：

$$
B=2^{256}
$$

當成 object identity。

這仍然只是換 radix。

真正 generator-first framework要求：

$$
\boxed{
\mathfrak R_x
\text{ remains the same under observation-policy change}.
}
$$

---

# 84. Failure Mode: Unverified Infinite Stream

一條無限-looking bitstream不等於 exact real。

若沒有：

- generator semantics；
- verification；
- limit uniqueness；

它只是 data stream。

所以 exactness不是 stream length。

---

# 85. Failure Mode: Sequence Without Constraints

若：

$$
d_1,d_2,\ldots
$$

只是被列出，但沒有對應 residual-cell semantics，那仍然只是 digit list。

constraint-generated sequence必須知道：

$$
\boxed{
\text{what each node rules out}.
}
$$

---

# 86. Main Theorem Package

本文建立以下核心結果。

## Theorem A

任意 real $x$ 與 radix $B\ge2$ 可由 unique floor-cell sequence：

$$
Q_n
=
\lfloor B^nx\rfloor
$$

exact 表示。

## Theorem B

increment blocks：

$$
d_n
=
Q_n-BQ_{n-1}
$$

滿足：

$$
0\le d_n<B.
$$

## Theorem C

若：

$$
B=2^W,
$$

則每個 $d_n$ 可直接編碼為 $W$ -bit block。

## Theorem D

不同 radices / block widths可表示同一 exact real object。

## Theorem E

finite materialized prefix只是 certified residual cell，不是 finite object ontology。

## Theorem F

arithmetic operations可先形成 exact semantic constraints，再按需 materialize blocks。

---

# 87. 最重要的五個原則

## Principle 1: Decimal-Free Ontology

$$
\boxed{
\text{decimal point is representation metadata}.
}
$$

## Principle 2: Generator-First Exactness

$$
\boxed{
\text{exact object}
=
\text{semantic constraints + generator + verifier}.
}
$$

## Principle 3: Sequence as Observation

$$
\boxed{
\text{block sequence}
=
\text{materialized observation of an exact object}.
}
$$

## Principle 4: Wide Word as Policy

$$
\boxed{
256\text{-bit / }512\text{-bit}
\text{ are payload widths, not mathematical precision ontologies}.
}
$$

## Principle 5: Constraint-First Arithmetic

$$
\boxed{
\text{define result semantics first, materialize only requested information later}.
}
$$

---

# 88. 與本系列前兩篇的整合

Paper 01：

$$
\boxed{
\text{variable}
=
\text{residual non-uniqueness}.
}
$$

Paper 02：

$$
\boxed{
\text{sequence}
=
\text{certified residual-domain reduction trace}.
}
$$

Paper 03：

$$
\boxed{
\text{exact real}
=
\text{unique constraint limit with generated observation sequence}.
}
$$

三篇形成：

$$
\boxed{
\text{Variable Ontology}
\to
\text{Constraint Sequence}
\to
\text{Generator-First Real}.
}
$$

---

# 89. 結論

實數不需要被本體化成無限小數字串。

一個 exact real可以被表示成：

$$
\boxed{
\mathfrak R_x
=
(
\mathcal K_x,
G_x,
V_x,
\mathcal O
).
}
$$

其 observable sequence只是：

$$
\boxed{
\operatorname{Observe}_{\mathcal O}(x).
}
$$

對 fixed radix：

$$
B=2^W,
$$

可以產生：

$$
\boxed{
Q_n
=
\lfloor B^nx\rfloor,
}
$$

以及：

$$
\boxed{
d_n
=
Q_n-BQ_{n-1}.
}
$$

若：

$$
W=256
$$

或：

$$
W=512,
$$

便得到 wide-word blocks。

但數本身不等於這些 blocks。

真正 exact 的本體是：

$$
\boxed{
\text{the unique object specified by constraints and reproduced by a verified generator}.
}
$$

因此：

$$
\boxed{
\text{digits become observations;}
}
$$

$$
\boxed{
\text{precision becomes refinement depth;}
}
$$

$$
\boxed{
\text{encoding becomes downstream;}
}
$$

$$
\boxed{
\text{calculation becomes constraint generation and closure}.
}
$$

這為下一篇的 constraint-aware information encoding建立了數學基礎。

---

# Next Paper

## Paper 04
### Constraint-Aware Information Encoding and Residual Bits

下一篇將從：

$$
\boxed{
\text{semantic exact real}
}
$$

轉到：

$$
\boxed{
\text{physical information representation}.
}
$$

重點包括：

1. raw block width 與 actual residual information freedom 的分離；
2. constrained bits 與 free bits；
3. 256-bit / 512-bit logical blocks；
4. block metadata與 witness；
5. variable-length residual encoding；
6. constraint-derived compression；
7. sequence packets；
8. hardware limbs；
9. proof-carrying numeric storage；
10. 為何「先生成再編碼」不同於單純壓縮 digits。