# Paper 05｜精確性按需升級：ISQL、PSSA 與 Exact Cognitive Resolution

## Precision on Demand: ISQL, Pre-Symbolic Semantic Addressing, and Exact Cognitive Resolution

**系列：** 反身多表示認知記憶架構系列（Reflexive Multi-Representation Cognitive Memory Architecture Series）  
**篇次：** Paper 05 / 14  
**作者：** Neo.K with Aletheia  
**機構：** EveMissLab／一言諾科技有限公司  
**版本：** v0.1 Canonical Draft  
**日期：** 2026-09-11  
**文件性質：** 精確語義／定址／跨表示解析／認知精度升級  
**前篇：** Paper 04｜受控失真認知：為什麼未來 AI 記憶不應永遠追求無損  
**Canonical Source：** UTF-8 Markdown  
**數學原始碼規範：** inline math 僅使用 ` $...$ `；display math 僅使用 `$$...$$`

---

## 摘要

Paper 04 已建立一條核心原則：未來 AI 的中間 cognition 不應被迫在所有時刻維持無損表示。探索、類比、跨域耦合、反身觀察與 X 階認知都需要可控的 approximation 與 representation freedom。然而，只允許受控失真仍不足以形成可用的長期認知架構。當 AI 從探索進入正式推論、跨代理交接、工具執行、外部世界作用、canonical memory write、科學論證、版本治理或高風險決策時，系統必須能從低解析度與模糊耦合中重新升級到可定址、可版本化、可驗證、可追溯與可解碼的精確狀態。

本文提出 **Exact Cognitive Resolution（精確認知解析）** 作為反身多表示認知記憶架構的 precision escalation layer。它不是要求所有 cognition 永遠使用高精度表示，而是建立一套：

$$
\boxed{
\text{Approximate Cognition}
\rightarrow
\text{Semantic Address Resolution}
\rightarrow
\text{Identity / Version Binding}
\rightarrow
\text{ISQL Precision Representation}
\rightarrow
\text{Source / Evidence Verification}
\rightarrow
\text{Commit}
}
$$

的按需升級路徑。

本文將既有兩條研究線重新整合。第一條是 **PSSA（Pre-Symbolic Semantic Addressing，前符號語義定址）**：在概念尚未完全命名、定義、形式化以前，AI 仍可以先建立穩定、版本化、可重建的 semantic address。其核心鏈為：

$$
\boxed{
I_t
\rightarrow
\mathcal P_t
\rightarrow
r_t
\rightarrow
a_t
\rightarrow
Z_t
\rightarrow
\Pi_\lambda(Z_t)
\rightarrow
\sigma_\lambda
}
$$

其中 $r_t$ 是尚未完全對象化的被指候選， $a_t$ 是前符號語義地址， $Z_t$ 是由地址與約束 materialize 的結構化語義狀態。由此：

$$
\boxed{
\text{Address}(r)
\prec
\text{Definition}(r)
}
$$

可在生成論意義上成立。

第二條是 **ISQL（Infinite Spectral Quantization Language）** 的現代精確表示線。本文不將 ISQL 視為所有 cognition 的唯一語言，而將其定位為：

$$
\boxed{
\text{High-Precision Semantic Resolution Domain}
}
$$

用於穩定 identity、registry、version / binding、canonical machine representation、decoder contract、typed relation、context、history、projection 與 verification requirement。ISQL 因此不是鬆耦合認知場的替代物，而是當系統需要精確提交、正式交接與可驗證操作時可被調用的 precision layer。

本文進一步提出 Address Resolution Ladder、Precision Escalation Trigger、Semantic Binding Contract、Exactness Boundary、Resolution Receipt、Source Re-anchoring、Ambiguity Retention、Negative Constraint Addressing、Commit Gate、Re-resolution、Cross-AI Cognitive IR、Machine Canonical / Human Projection Separation 等概念。核心主張是：

$$
\boxed{
\text{Cognition may begin before exact definition,}
}
$$

但：

$$
\boxed{
\text{Commit must not occur before exact resolution of critical invariants.}
}
$$

這使未來 AI 能同時保有創造性與治理能力：概念可以先被發現、定位與耦合，再逐步提高語義解析度；而真正要進入 canonical state、外部 action 或跨 AI 高責任交接時，才要求 identity、version、authority、source、constraint 與 decoder contract 進入精確域。

**關鍵詞：** ISQL、PSSA、Semantic Addressing、Exact Cognitive Resolution、Precision Escalation、Canonical Binding、Identity、Version、Decoder Contract、Cross-AI IR、Semantic Resolution Ladder

---

# 0. 本篇定位：允許模糊之後，必須回答如何重新變精確

Paper 04 建立：

$$
\boxed{
\text{Loose Coupling for Cognition}
}
$$

以及：

$$
\boxed{
\text{Exactness for Commitment}.
}
$$

前者允許：

- approximate relation；
- lossy projection；
- fuzzy analogy；
- task-conditioned abstraction；
- crystal；
- X-order compression。

後者則要求：

- exact target；
- exact identity；
- exact version；
- exact authority；
- exact constraint；
- exact provenance。

真正缺少的是兩者中間的橋：

$$
\boxed{
\text{How does cognition become exact again?}
}
$$

本文即處理這個問題。

---

# 1. 精確不是永遠存在，而是可以被升級

傳統資訊系統常假設：

$$
\text{Input}
\rightarrow
\text{ExactRepresentation}.
$$

但未來 AI cognition 更可能是：

$$
\text{Input}
\rightarrow
\text{ApproximateState}
\rightarrow
\text{Refinement}
\rightarrow
\text{ExactState}.
$$

因此：

$$
\boxed{
\text{Exactness}
=
\text{a runtime-resolvable property}
}
$$

而不是 representation 出生時必須一次完成的固定屬性。

---

# 2. Precision Escalation

本文定義：

$$
\mathcal E_p
:
R_{\epsilon_1}
\rightarrow
R_{\epsilon_2}
$$

其中：

$$
\epsilon_2
<
\epsilon_1.
$$

多階：

$$
R_{\epsilon_0}
\rightarrow
R_{\epsilon_1}
\rightarrow
\cdots
\rightarrow
R_{\epsilon_n}.
$$

最終：

$$
\epsilon_n
\approx0
$$

至少對 critical invariants。

這就是：

$$
\boxed{
\text{Precision Escalation}.
}
$$

---

# 3. 精確升級不是單純加更多文字

更多 token：

$$
\not\Rightarrow
\text{higher semantic precision}.
$$

真正升級應包括：

- identity disambiguation；
- source binding；
- version resolution；
- relation typing；
- uncertainty reduction；
- constraint formalization；
- authority check；
- decoder selection；
- scope clarification。

所以：

$$
\boxed{
\text{Resolution}
\neq
\text{Verbose Expansion}.
}
$$

---

# 4. PSSA：精確性的起點不是 Definition，而是 Address

高階 cognition 常遇到：

> 我知道自己指向某個東西，但它還沒有名字。

如果系統要求：

$$
\text{Definition}
\rightarrow
\text{Address}
$$

就會逼 AI 過早封閉概念。

本文改採：

$$
\boxed{
\text{Address}
\prec
\text{Definition}.
}
$$

也就是先定址，再定義。

---

# 5. Pre-Symbolic Target Candidate

令：

$$
r_t
$$

表示前符號被指候選。

它不是：

$$
\text{word}.
$$

也不是：

$$
\text{stable concept}.
$$

它更接近：

$$
\boxed{
\text{a partially individuated semantic target}
}
$$

具有：

- 可切分性；
- 相鄰結構；
- 排除邊界；
- 尚未閉合的維度；
- 可進一步 materialize 的方向。

---

# 6. 概念底空間

令：

$$
\mathcal P_t
$$

為概念底空間。

它可包含：

- known concepts；
- relations；
- constraints；
- examples；
- counterexamples；
- latent directions；
- world-state features；
- task pressure；
- previous semantic anchors。

因此：

$$
r_t
\in
\mathcal P_t
$$

不是說 $r_t$ 已是一個完成 node。

它可能只是：

$$
\boxed{
\text{a local attractor or candidate region}.
}
$$

---

# 7. 前符號地址

本文採：

$$
\boxed{
a_t
=
(
\alpha_t,
\Gamma_t,
\mathcal C_t,
\mathcal N_t,
\mathcal O_t,
v_t,
H_t,
U_t
)
}
$$

其中：

- $\alpha_t$：relative semantic anchor coordinate；
- $\Gamma_t$：local relational neighborhood；
- $\mathcal C_t$：positive constraints；
- $\mathcal N_t$：negative constraints；
- $\mathcal O_t$：allowed operators；
- $v_t$：version；
- $H_t$：history / provenance；
- $U_t$：unknown / unresolved parts。

---

# 8. Address 不等於 Meaning

本文明確拒絕：

$$
a_t
=
\text{Meaning}(r_t).
$$

也拒絕：

$$
a_t
=
Z_t.
$$

Address 是：

$$
\boxed{
\text{stable reconstruction interface}
}
$$

而不是完整 semantic state。

---

# 9. Relative Semantic Address

裸 latent vector：

$$
z^{(A)}
$$

與：

$$
z^{(B)}
$$

跨模型通常不共享 canonical coordinates。

因此 PSSA 優先採：

$$
\alpha_t
=
(
s(r_t,a_1),
\ldots,
s(r_t,a_m)
)
$$

相對於 anchor bank：

$$
\mathcal A
=
\{a_1,\ldots,a_m\}.
$$

這提供：

$$
\boxed{
\text{relative semantic localization}.
}
$$

---

# 10. Negative Constraints

新概念常不是：

> 我知道它是 X。

而是：

> 它不是 A、不是 B、不是 C，但與它們相鄰。

所以：

$$
\mathcal N_t
$$

非常重要。

例如：

$$
r_t
\sim
\{A,B,C\}
$$

但：

$$
r_t
\not\equiv
A,
B,
C.
$$

這能防止 premature collapse。

---

# 11. Unknown 必須是地址的一部分

如果：

$$
U_t
\neq
\varnothing,
$$

系統不應強迫補值。

所以：

$$
\boxed{
\text{Addressable}
\not\Rightarrow
\text{Fully Defined}.
}
$$

這對探索與概念發現非常重要。

---

# 12. Address Resolution Ladder

本文提出：

$$
A_0
\rightarrow
A_1
\rightarrow
A_2
\rightarrow
A_3
\rightarrow
A_4.
$$

其中：

## $A_0$：Rough Region

只知道大概在哪個 semantic region。

## $A_1$：Relative Anchor Set

有鄰近與排除。

## $A_2$：Typed Address

知道 object kind、relation neighborhood。

## $A_3$：Version-Bound Address

知道 stable identity 與 version。

## $A_4$：Canonical Address

具 registry、decoder、authority、source binding。

這形成：

$$
\boxed{
\text{Address Resolution Ladder}.
}
$$

---

# 13. 不是所有 Cognition 都需要到 $A_4$

Explore：

$$
A_0-A_2
$$

可能已足夠。

Formal handoff：

$$
A_3.
$$

Canonical commit：

$$
A_4.
$$

所以：

$$
\boxed{
\text{Address Precision}
=
\text{Task-Dependent}.
}
$$

---

# 14. Materialization

由 address：

$$
a_t
$$

生成：

$$
Z_t.
$$

即：

$$
\boxed{
Materialize(a_t,C_t)
\rightarrow
Z_t.
}
$$

 $Z_t$ 是可操作 semantic state。

它可以再投影成：

- natural language；
- graph；
- tensor；
- symbol；
- ISQL；
- program structure。

---

# 15. Materialization 不應被當成唯一真實展開

同一 address：

$$
a_t
$$

在不同 task 下可 materialize：

$$
Z_t^{(1)}
\neq
Z_t^{(2)}.
$$

只要 critical invariants 保持。

因此：

$$
\boxed{
\text{Address}
\text{ anchors a family of valid projections}.
}
$$

---

# 16. ISQL 的現代位置

本文採用 ISQL 的現代定位：

$$
\boxed{
\text{a versioned structured code space for addressable and recoverable information}
}
$$

其最低 meta-core 可表示為：

$$
\mathcal M_{min}
=
(
I,
R,
V,
C,
D
)
$$

其中：

- $I$：Identity；
- $R$：Registry / Namespace；
- $V$：Version / Binding；
- $C$：Canonical Machine Representation；
- $D$：Decoder / Interpretation Contract。

---

# 17. ISQL 不等於 INSL

INSL lineage 強調：

- structured sequence；
- addressing；
- potentially unbounded expansion；
- spectral payload。

現代 ISQL 則已擴展為：

- versioned code space；
- typed state；
- graph；
- projection；
- history；
- machine representation。

因此：

$$
\boxed{
\text{INSL}
\subset
\text{ISQL lineage}
}
$$

但兩者不應簡化成同一物件。

---

# 18. ISQL 也不等於 PSSA

PSSA 問：

> 概念還沒定義完成時，如何先定位？

ISQL 問：

> 一個已進入可操作精確域的 object 如何被穩定定址、版本化與解碼？

所以：

$$
\boxed{
PSSA
\rightarrow
ISQL
}
$$

是一個可能的 refinement path。

---

# 19. PSSA → ISQL

若前符號候選：

$$
r_t
$$

逐步穩定，

地址：

$$
a_t
$$

可升級：

$$
a_t
\rightarrow
ID_t.
$$

再建立：

$$
\text{RegistryBinding}.
$$

最後：

$$
\text{CanonicalMachineObject}.
$$

所以：

$$
\boxed{
\text{Pre-Symbolic Address}
\rightarrow
\text{Canonical Semantic Identity}.
}
$$

---

# 20. 但不是所有 PSSA 候選都應升格

許多探索候選可能：

- 消失；
- merge；
- split；
- 被否定；
- 被另一概念吸收。

所以升格需要 gate。

---

# 21. Concept Promotion Gate

本文暫定：

$$
G_{concept}
=
G_{stability}
\land
G_{distinctness}
\land
G_{utility}
\land
G_{provenance}
\land
G_{reconstructability}.
$$

只有通過才：

$$
\text{PSSA Candidate}
\rightarrow
\text{Stable Object}.
$$

---

# 22. Identity 與 Representation 分離

一旦有 stable identity：

$$
ID(x),
$$

不同表示：

$$
R_i(x)
$$

都綁定同一：

$$
ID(x).
$$

因此：

$$
\boxed{
\text{Identity}
\neq
\text{Representation}.
}
$$

這是 Exact Cognitive Resolution 的第一個硬約束。

---

# 23. Identity 與 State 也分離

同一 object：

$$
x
$$

可有：

$$
State_t(x)
$$

不斷改變。

但：

$$
ID(x)
$$

不應每次變。

所以：

$$
\boxed{
\text{AddressIdentity}
\neq
\text{StateRepresentation}.
}
$$

---

# 24. Version Binding

若：

$$
State_t
$$

改變，

必須知道：

$$
Version(x)=v_t.
$$

因此：

$$
Bind(
ID,
\text{Version},
\text{Representation}
).
$$

這防止：

$$
\text{old state}
$$

被誤認成：

$$
\text{current state}.
$$

---

# 25. Stable Identity 不等於 Eternal Meaning

Identity 可穩定。

Meaning 可演化。

所以：

$$
\boxed{
ID(x)
\text{ stable}
\quad\land\quad
Meaning_t(x)
\text{ evolves}.
}
$$

這允許長期 semantic evolution。

---

# 26. Registry

Registry 的作用不是：

> 決定 truth。

而是：

> 決定 object / namespace / binding。

因此：

$$
\boxed{
\text{Registry}
\neq
\text{Truth Authority}.
}
$$

---

# 27. Registry Entry

最小可包含：

```text
object_id
namespace
kind
version
binding
decoder_ref
source_refs
status
```

這建立穩定 machine addressability。

---

# 28. Decoder Contract

若只有 canonical bytes：

$$
C
$$

但沒有 decoder：

$$
D,
$$

未來系統仍可能讀錯。

所以：

$$
\boxed{
(C,D)
}
$$

應被視為一個完整 machine semantic contract。

---

# 29. Decoder Version

如果：

$$
D_{v1}
\neq
D_{v2},
$$

同一 payload 可能被不同解釋。

因此：

$$
\boxed{
Version(payload)
+
Version(decoder)
}
$$

都需要。

---

# 30. Canonical Machine Representation

本文使用：

$$
C_{machine}
$$

表示 machine canonical form。

它不需要 human readable。

但應：

- typed；
- versioned；
- deterministic or constrained；
- decoder-bound；
- validator-friendly。

---

# 31. Human Projection

由：

$$
C_{machine}
$$

可生成：

$$
P_{human}.
$$

但：

$$
\boxed{
P_{human}
\neq
C_{machine}.
}
$$

所以 human-friendly text 不應反向成為 canonical source。

---

# 32. Cross-AI Cognitive IR

ISQL 可作為候選：

$$
ISQL_{COG}
$$

支援：

$$
\text{MotherAI}
\rightarrow
\text{Specialist}
$$

的 structured handoff。

其抽象 state：

$$
X_{cog}
=
\langle
ID,
\text{State},
\text{Goal},
\text{Constraint},
\text{Relation},
\text{Budget},
\text{Unknown},
\text{ActionSpace},
\text{Provenance}
\rangle.
$$

---

# 33. Cognitive IR 的價值

如果每個 specialist 都要重新理解：

- natural language；
- style；
- pragmatics；
- paraphrase；

會浪費 capacity。

structured IR 可以降低：

$$
\text{Language Interface Tax}.
$$

---

# 34. 但 IR 不應取代所有探索

Explore 階段 Natural Language / Vector / Graph 可能更靈活。

所以：

$$
\boxed{
\text{IR is a precision interface, not a universal imagination space}.
}
$$

---

# 35. Precision Escalation Trigger

什麼時候從 fuzzy state 升級？

本文提出：

$$
T_p
=
F(
\text{risk},
\text{ambiguity},
\text{conflict},
\text{authority},
\text{actionability},
\text{uncertainty},
\text{externality}
).
$$

當：

$$
T_p
>
\theta_p
$$

觸發：

$$
\text{PrecisionEscalate}().
$$

---

# 36. Risk Trigger

若：

$$
\text{Risk}
\uparrow,
$$

則：

$$
\text{Precision}
\uparrow.
$$

例如高風險 action 要求更精確 target。

---

# 37. Ambiguity Trigger

若同一 label 對應：

$$
x_1,x_2,\ldots
$$

則需要：

$$
\text{ResolveIdentity}.
$$

---

# 38. Conflict Trigger

若：

$$
R_A
\not\equiv
R_B,
$$

需要：

$$
\text{Re-resolve}.
$$

---

# 39. Authority Trigger

若 action 需要權限，

必須：

$$
\text{ResolveAuthority}.
$$

不能依 summary 猜。

---

# 40. Actionability Trigger

當 cognition 即將：

$$
\text{WorldAction}
$$

時，precision 必須升級。

---

# 41. External Handoff Trigger

跨 agent / system handoff 也應提高 precision。

因為 shared context 下降。

---

# 42. Semantic Distance from Source

如果 representation 已經經過多次：

$$
\text{Transform},
$$

則：

$$
\text{DistanceToSource}
\uparrow.
$$

也可觸發 re-resolution。

---

# 43. Exactness Boundary

本文定義：

$$
\boxed{
\partial E
}
$$

為 exactness boundary。

在 boundary 之前：

- cognition 可 fuzzy；
- representation 可 lossy；
- route 可 exploratory。

穿越 boundary 之後：

- critical identity 必須 resolved；
- version 必須 bound；
- authority 必須 checked；
- provenance 必須 available；
- required constraints 必須 explicit。

---

# 44. Exactness Boundary 不等於單一位置

不同系統有不同 boundary。

例如：

- tool call；
- database mutation；
- scientific publication；
- code merge；
- payment；
- canonical memory write。

---

# 45. Multiple Exactness Boundaries

甚至同一 task：

$$
\text{Explore}
\rightarrow
\text{Plan}
\rightarrow
\text{Tool}
\rightarrow
\text{Commit}
$$

可有多個 boundary。

每次都重新檢查 critical invariants。

---

# 46. Exactness Boundary 的核心條件

本文提出：

$$
\boxed{
G_E
=
G_I
\land
G_V
\land
G_A
\land
G_P
\land
G_C
}
$$

其中：

- $G_I$：identity gate；
- $G_V$：version gate；
- $G_A$：authority gate；
- $G_P$：provenance gate；
- $G_C$：constraint gate。

---

# 47. Identity Gate

確認：

$$
\text{Target}
=
\text{CorrectObject}.
$$

禁止：

$$
\text{similarity}
\rightarrow
\text{identity}.
$$

---

# 48. Version Gate

確認：

$$
\text{Version}
=
\text{CurrentRequiredVersion}.
$$

避免 stale state。

---

# 49. Authority Gate

確認：

$$
\text{Action}
\subseteq
\text{GrantedScope}.
$$

---

# 50. Provenance Gate

確認 critical claim 可回：

$$
\text{Source/Evidence}.
$$

---

# 51. Constraint Gate

確認：

$$
\text{Preconditions}
$$

明確。

不能只靠 implicit context。

---

# 52. Unknown Gate

若 critical unknown：

$$
U_{\text{critical}}\neq\varnothing,
$$

則：

$$
\text{Commit}=\text{Blocked}
$$

或明示降級。

---

# 53. Commit 不等於 Certainty 100%

有些現實 decision 無法完全確定。

但 Commit 至少要：

- 知道 uncertainty；
- 知道 evidence；
- 知道 authority；
- 知道 scope；
- 知道 consequence。

所以：

$$
\boxed{
\text{Exact Resolution}
\neq
\text{Perfect Knowledge}.
}
$$

---

# 54. 精確解析的是「已知狀態」，不是把未知消滅

若：

$$
P=0.63,
$$

精確表示可以是：

$$
P=0.63
$$

而不是硬轉：

$$
\text{True}.
$$

所以 uncertainty 本身可精確。

---

# 55. Exact Unknown

甚至：

$$
\text{Unknown}(x)
$$

也可以被 exact 表示。

這比假裝知道更高品質。

---

# 56. Ambiguity Retention

如果：

$$
\text{Meaning}\in\{M_1,M_2\},
$$

而尚不能 resolve，

精確狀態可以是：

$$
\boxed{
\text{Ambiguous}(M_1,M_2)
}
$$

不是強迫選一個。

---

# 57. Precision 不等於 Collapse

因此：

$$
\boxed{
\text{Exactness}
\neq
\text{premature single-state collapse}.
}
$$

它可以精確地保存多候選。

---

# 58. PSSA 的重要性再次出現

因為 unresolved concept：

$$
r_t
$$

可以有 exact address：

$$
a_t
$$

即使 definition 尚未 closure。

所以：

$$
\boxed{
\text{Precision of address}
\neq
\text{completeness of concept}.
}
$$

---

# 59. Semantic Address vs Ontology Node

PSSA address：

$$
a_t
$$

可以是 temporary。

Ontology node：

$$
v
$$

通常要求較高 stability。

所以：

$$
a_t
\not\Rightarrow
v.
$$

---

# 60. Temporary Address

Temporary address 可有 lifecycle：

$$
\text{OPEN}
\rightarrow
\text{REFINED}
\rightarrow
\text{MERGED}
\rightarrow
\text{PROMOTED}
\rightarrow
\text{DROPPED}.
$$

這適合 concept discovery。

---

# 61. Promotion to Canonical Node

只有：

$$
PROMOTED
$$

後才建立：

$$
\text{StableID}.
$$

這避免 ontology pollution。

---

# 62. PSSA 與 Semantic Crystallization

一個多次出現的 pre-symbolic target：

$$
r_t
$$

若逐步穩定，

可能：

$$
r_t
\rightarrow
a_t
\rightarrow
Z_t
\rightarrow
K_t.
$$

最後 crystal 又成為 stable concept。

這是：

$$
\boxed{
\text{concept crystallization path}.
}
$$

---

# 63. ISQL 與 Crystal 的接口

Crystal 可以攜帶：

$$
\text{ISQLBinding}.
$$

但 crystal 本體不等於 ISQL。

ISQL 負責：

- exact address；
- version；
- decoder；
- machine contract。

Crystal 負責：

- compressed reusable cognition。

---

# 64. Exact Crystal

若某 crystal 用於 high-risk task，

可建立：

$$
K^{exact}
=
(
\text{CrystalPayload},
\text{ISQLContract},
\text{SourceBundle}
).
$$

這是高精度 crystal profile。

---

# 65. Approximate Crystal

Explore crystal 可只有：

- semantic handle；
- confidence；
- expansion path。

兩者不能混。

---

# 66. Precision Profile

因此每個 crystal / route / object 可帶：

$$
\text{PrecisionProfile}.
$$

例如：

```text
identity: exact
version: exact
semantic-detail: approximate
provenance: exact handle
epistemic-state: explicit
```

這比「整個 object 精確／不精確」更好。

---

# 67. Resolution Receipt

每次 precision escalation 產生：

$$
\boxed{
RR
=
(
\text{before},
\text{after},
\text{resolved},
\text{remaining unknowns},
\text{sources},
\text{validators},
\text{version},
\text{cost}
)
}
$$

即 Resolution Receipt。

---

# 68. Resolution Receipt 的用途

未來 AI 可以問：

> 這個 object 何時從 fuzzy concept 變成 stable definition？

或：

> 哪些 ambiguity 當時仍沒解？

這對反身 audit 很重要。

---

# 69. Re-resolution

即使曾 resolved：

$$
State_t
$$

未來也可能因：

- new evidence；
- version change；
- ontology change；
- decoder change；

需要：

$$
\text{ReResolve}.
$$

所以：

$$
\boxed{
\text{Resolution}
\neq
\text{eternal closure}.
}
$$

---

# 70. Semantic Policy Change

若：

$$
Contract_{v1}
\rightarrow
Contract_{v2},
$$

舊 resolved state 可能 stale。

所以：

$$
Revalidate(
State_{v1}
|
Contract_{v2}
).
$$

---

# 71. Exactness Is Version-Relative

一個 object 對：

$$
Schema_{v1}
$$

完全精確，

對：

$$
Schema_{v2}
$$

可能缺 field。

所以：

$$
\boxed{
\text{Exactness}
\text{ is contract-relative}.
}
$$

---

# 72. Decoder Change 也可能造成 Re-resolution

若 decoder semantic 改變，

需要：

$$
\text{ReDecode}.
$$

否則 old payload 可能被錯解。

---

# 73. Source Re-anchoring

在升級精度時，系統可回：

$$
\mathcal X.
$$

這叫：

$$
\boxed{
\text{Source Re-anchoring}.
}
$$

它避免：

$$
\text{summary}
\rightarrow
\text{summary}
\rightarrow
\text{formalization}
$$

一路誤差累積。

---

# 74. Source Re-anchoring 不代表總是讀全部 Raw

可只讀：

$$
\text{RelevantSourceSlice}.
$$

所以：

$$
\boxed{
\text{Exactness}
\neq
\text{full replay}.
}
$$

---

# 75. Precise Slice

如果：

$$
\text{Source}
$$

很大，

可透過 exact address 找：

$$
Slice(x).
$$

這也是 ISQL / addressability 的價值。

---

# 76. Fine-Grained Provenance

最好做到：

$$
Claim_i
\rightarrow
Source_j.
$$

而不是：

$$
\text{Document}
\rightarrow
\text{References}.
$$

這提高 exact resolution quality。

---

# 77. Claim-Level Binding

可表示：

$$
Bind(
Claim_i,
Evidence_j,
Version_k
).
$$

這使 commit 更可靠。

---

# 78. Relation-Level Binding

relation 也可：

$$
Bind(
A\xrightarrow{r}B,
\text{Evidence},
\text{Validator}
).
$$

不只 node 有 source。

---

# 79. Exactness of Relation

高風險 graph 中 edge 應有：

- type；
- direction；
- scope；
- source；
- version；
- status。

這比：

$$
related\_to
$$

精確得多。

---

# 80. Relation Proposal vs Validated Relation

$$
Proposed(A,B,r)
$$

與：

$$
Validated(A,B,r)
$$

必須分開。

這是 exact semantic governance。

---

# 81. ISQL 不是 Truth Oracle

即使某 relation 被完美 encode 進 ISQL，

也不代表：

$$
\text{relation}=\text{true}.
$$

ISQL 只保證：

$$
\boxed{
\text{precise representation of a stated semantic state}.
}
$$

Truth 仍依 evidence / validation。

---

# 82. Exact Representation of False Claim

錯誤命題也可被精確表示。

因此：

$$
\boxed{
\text{Representational Exactness}
\neq
\text{Epistemic Correctness}.
}
$$

---

# 83. Canonical Representation vs Canonical Truth

更要區分：

$$
\text{CanonicalRepresentation}
$$

與：

$$
\text{CanonicalTruth}.
$$

前者是格式／治理權威。

後者在很多領域根本不存在單一永久物件。

---

# 84. Current Epistemic Projection

對 claim：

$$
P
$$

可有：

$$
SUPPORTED,
CONTESTED,
REFUTED,
UNRESOLVED.
$$

這是 current state。

不是改寫歷史。

---

# 85. Exact Cognitive Resolution 的完整狀態

本文暫定：

$$
\boxed{
X^{exact}
=
(
ID,
\text{Version},
\text{Scope},
\text{State},
\text{Relations},
\text{Constraints},
\text{Unknowns},
\text{Provenance},
\text{Authority},
\text{Decoder},
\text{EpistemicStatus}
)
}
$$

不是所有欄位都必須永遠 materialize。

但 Commit 需要 critical subset。

---

# 86. Critical Exactness Set

對 task：

$$
\tau
$$

定義：

$$
E_{\tau}
\subseteq
\{
ID,
\text{Version},
\text{Scope},
\text{State},
\text{Relation},
\text{Constraint},
\text{Unknown},
\text{Provenance},
\text{Authority},
\text{Decoder}
\}.
$$

只有：

$$
\forall e\in E_{\tau},
\quad
Resolved(e)=1
$$

才可過 gate。

---

# 87. Exactness Boundary 可依 Action Type 不同

例如 read-only query：

$$
E_{\tau}
=
\{ID,Version\}.
$$

database mutation：

$$
E_{\tau}
=
\{ID,Version,Authority,Constraint\}.
$$

scientific publication：

$$
E_{\tau}
=
\{Claim,Source,Scope,EpistemicStatus\}.
$$

---

# 88. Exactness Cost

升級精度需要：

$$
C_E.
$$

包括：

- source fetch；
- validator；
- graph expansion；
- tool call；
- human confirmation。

所以不能永遠 maximal precision。

---

# 89. Expected Resolution Value

定義：

$$
V_E
=
\text{ExpectedRiskReduction}
+
\text{ExpectedDecisionGain}
-
\text{ResolutionCost}.
$$

只有：

$$
V_E>0
$$

才值得升級，除非 policy 強制。

---

# 90. Policy-Mandated Resolution

某些 boundary：

$$
Policy=MustResolve.
$$

不受成本函數取消。

例如：

- security credential scope；
- financial transaction target；
- canonical research claim。

---

# 91. Precision Escalation as Hyperlink Path

可將：

$$
\text{ApproxState}
\rightarrow
\text{Address}
\rightarrow
ISQL
\rightarrow
\text{Raw}
$$

編譯成 typed route。

例如：

$$
H_{precision}.
$$

這會接到 Paper 06。

---

# 92. Precision Hyperlink Contract

包含：

$$
(
\text{trigger},
target\_resolution,
required\_invariants,
source\_refs,
\text{validator},
\text{fallback}
).
$$

---

# 93. Precision Route 不能編譯 Authority

即使路徑已知：

$$
\text{Approx}
\rightarrow
\text{Exact},
$$

每次 authority 仍要重驗。

所以：

$$
\boxed{
\text{Compiled Precision Route}
\neq
\text{Compiled Permission}.
}
$$

---

# 94. Cross-AI Handoff

Agent A 對：

$$
x
$$

有 internal state：

$$
S_A.
$$

Agent B 不需要拿到 A 全部 latent state。

只需：

$$
X_{cog}^{handoff}.
$$

它應保：

- identity；
- task；
- state；
- constraints；
- open unknowns；
- provenance；
- next action。

---

# 95. Handoff Precision Level

低風險協作可：

$$
Graph+Summary.
$$

高責任 handoff 可：

$$
ISQL+SourceRefs.
$$

所以：

$$
\boxed{
\text{Handoff Precision}
=
\text{Risk-Conditioned}.
}
$$

---

# 96. Same Model 也需要 Resolution

即使：

$$
Model_A=Model_B,
$$

不同 context：

$$
C_A\neq C_B
$$

仍可能 semantic state 不同。

所以同模型跨對話／跨 instance 也需要 stable address。

---

# 97. Conversation Memory

長期 conversation memory 可以保存：

$$
\text{Crystal}.
$$

但當要做高精度 continuation：

$$
\text{Crystal}
\rightarrow
\text{SourceOnDemand}.
$$

這就是：

$$
\boxed{
\text{Crystal First, Source on Demand}.
}
$$

---

# 98. Crystal 不是 Canonical Source

所以：

$$
\boxed{
\text{Resumable Projection}
\neq
\text{Historical Canonical Record}.
}
$$

這點對 cloud memory 很重要。

---

# 99. Working State Resolution

工作態：

$$
W
$$

也有精度。

初始：

$$
W^{coarse}.
$$

若 task 複雜：

$$
W^{coarse}
\rightarrow
W^{resolved}.
$$

---

# 100. Working State 的 Exact Components

至少：

- goal；
- current state；
- completed actions；
- unresolved branches；
- constraints；
- next entry；
- authority。

某些 narrative detail 可 loss。

---

# 101. Exact Next Step

長期 Agent 最需要的不是整段 transcript。

而是：

$$
\boxed{
\text{What exactly can be done next?}
}
$$

所以 next-entry point 是重要 exact field。

---

# 102. Rejected Paths 也可精確保存

否則模型可能重做：

$$
\text{failed route}.
$$

所以：

$$
\text{DoNotRedo}
$$

是 memory invariant。

---

# 103. Precision 與失敗記憶

失敗記憶可以被高度壓縮。

但要保：

- failure condition；
- reason；
- affected version；
- avoid rule。

這是一個 exact structural crystal。

---

# 104. Exactness and Contradiction

矛盾不能被 summary average。

Resolve 階段必須建立：

$$
\text{ConflictSet}.
$$

並保：

- claims；
- sources；
- versions；
- unresolved dimension。

---

# 105. Exactness and Branches

不同 branch：

$$
B_1,B_2
$$

必須有 distinct IDs。

不能因名字相似 merge。

---

# 106. Branch Merge Gate

合併前檢查：

$$
\text{Compatibility},
\text{Conflict},
\text{Version},
\text{Source}.
$$

---

# 107. Exactness and Temporal State

同一 identity：

$$
x
$$

在：

$$
t_1,t_2
$$

狀態不同。

所以：

$$
State(x,t)
$$

必須 time-bound。

---

# 108. Current vs Historical

$$
Current(x)
$$

與：

$$
Historical(x,t)
$$

需要不同 query semantics。

這防止舊狀態污染 current action。

---

# 109. Exactness and Authority

權限是動態 state。

所以：

$$
Authority(agent,action,t)
$$

不能被永久 crystalize。

每次重要 action 都需 current check。

---

# 110. Exactness and Expiry

permission 可有：

$$
\text{expiry}.
$$

若未 resolve：

$$
\text{Commit}=\text{Blocked}.
$$

---

# 111. Exactness and Scope

權限可能只對：

$$
scope_A
$$

有效。

所以：

$$
\text{Authorized}
$$

不能壓成單一 boolean。

---

# 112. Typed Authority

更合理：

$$
A
=
(
\text{subject},
\text{action},
\text{target},
\text{scope},
\text{time},
\text{conditions}
).
$$

---

# 113. Exactness and Tool Contracts

工具調用前需：

$$
\text{InputSchema}
$$

與：

$$
\text{Precondition}.
$$

Natural language intent 不能直接變 tool action。

---

# 114. Compiler Boundary

因此：

$$
\text{NaturalLanguage}
\rightarrow
\text{StructuredIR}
\rightarrow
\text{ToolCall}.
$$

IR 是 exactness boundary 的一種實作。

---

# 115. Structured IR 不一定是 ISQL

也可以是：

- JSON schema；
- AST；
- typed DSL；
- protobuf；
- database transaction object。

ISQL 的價值在於提供更一般的 identity / version / decoder contract。

---

# 116. ISQL as Meta-Contract

所以 ISQL 不應與 JSON 競爭：

> 哪個格式比較好看？

它更像：

$$
\boxed{
\text{semantic contract over machine representations}.
}
$$

---

# 117. Profile

ISQL 可有：

$$
ISQL_{COG},
ISQL_{MEM},
ISQL_{ACTION},
\ldots
$$

不同 profile。

核心 meta-contract 不變。

---

# 118. Profile Separation

$$
ISQL_{COG}
\neq
ISQL_{ACTION}.
$$

因為 cognition 與 action 所需 invariant 不同。

---

# 119. Resolution Profile

可定義：

$$
Profile_{exact}
=
(
\text{fields},
\text{validators},
\text{sources},
\text{authority}
).
$$

不同 task 選不同 profile。

---

# 120. Precision Escalation Pipeline

本文提出完整流程：

$$
\boxed{
\begin{aligned}
\text{ApproximateState}
&\rightarrow
NeedDetection\\
&\rightarrow
AddressResolution\\
&\rightarrow
IdentityBinding\\
&\rightarrow
VersionResolution\\
&\rightarrow
ConstraintFormalization\\
&\rightarrow
ISQL/StructuredIR\\
&\rightarrow
SourceReanchor\\
&\rightarrow
Validation\\
&\rightarrow
AuthorityCheck\\
&\rightarrow
\text{Commit}.
\end{aligned}
}
$$

不是每次都走全部。

---

# 121. Early Exit

若：

$$
\text{Risk}
$$

低，

可能在：

$$
\text{AddressResolution}
$$

後就足夠。

所以 pipeline 支援：

$$
\boxed{
\text{Adaptive Stop}.
}
$$

---

# 122. Precision Escalation Failure

可能失敗於：

- no unique identity；
- source missing；
- version conflict；
- authority unknown；
- decoder missing；
- unresolved contradiction。

此時不能假裝已精確。

---

# 123. Fail-Closed vs Fail-Soft

高風險：

$$
\text{FailClosed}.
$$

低風險：

$$
\text{FailSoft}
$$

並附 uncertainty。

---

# 124. Exactness Debt

如果低風險 task 暫時跳過某些 resolution，

可記：

$$
\boxed{
\text{Exactness Debt}.
}
$$

即未完成的解析義務。

---

# 125. Exactness Debt 不應無限累積

若：

$$
\text{Debt}
>
\theta,
$$

觸發 background-like scheduled? No. In runtime terms, future task should prioritize resolution when relevant.

本文僅提出：

$$
\text{ResolveWhenReactivated}.
$$

不假設非排程背景工作。

---

# 126. Re-encounter Trigger

當同一 unresolved object 再次高頻出現：

$$
\text{Frequency}
\uparrow,
$$

resolution priority 提高。

---

# 127. High-Frequency Ambiguity Should Crystallize or Resolve

如果一個 ambiguous concept 常被使用，

系統要嘛：

$$
\text{Resolve}
$$

要嘛：

$$
\text{CrystallizeAmbiguityContract}.
$$

不能永久靠模糊 context 猜。

---

# 128. Exactness and Semantic Crystallization

成熟 crystal 可以降低 resolution cost。

因為：

$$
K
$$

已包含：

- identity；
- invariant；
- validator；
- expansion path。

所以：

$$
C_{resolve}(K)
<
C_{resolve}(\text{RawRoute}).
$$

---

# 129. Crystal as Precision Shortcut

這是：

$$
\boxed{
\text{Crystallization for Recursion}
}
$$

與：

$$
\boxed{
\text{Exactness for Commitment}
}
$$

的接口。

---

# 130. But Crystal Can Become Stale

如果 source / policy 變，

$$
K
$$

需要：

$$
\text{Revalidate}.
$$

否則 precision shortcut 變成 stale dogma。

---

# 131. Exactness and Reflexivity

高階 AI 可以問：

- 我的 identity resolution 是否可靠？
- 我使用哪個 decoder？
- 這個 exact state 是對哪個 schema exact？
- source 是否 current？

這是：

$$
\boxed{
\text{Resolution-Aware Reflexivity}.
}
$$

---

# 132. Meta-Resolution

甚至 resolution process 本身可以被觀察：

$$
\text{Resolve}(x)
\rightarrow
Audit\text{Resolve}(x).
$$

但仍要 stop。

---

# 133. Resolution Stop Rule

當：

$$
\Delta \text{RiskReduction}
<
C_{next}
$$

且已滿足 policy gates，

停止升級。

---

# 134. Infinite Semantic Precision Is Not Required

本文不追求：

$$
\text{ultimate semantic closure}.
$$

只追求：

$$
\boxed{
\text{task-sufficient exact resolution}.
}
$$

---

# 135. Task-Sufficient Exactness

看似矛盾，但不是。

Exactness 指：

> 對所要求的 critical fields 精確。

不是：

> 對宇宙所有可能語義完全閉合。

---

# 136. Scoped Exactness

因此：

$$
Exact(x|\tau,C)
$$

比：

$$
Exact(x)
$$

更合理。

---

# 137. Exactness Vector

可定義：

$$
\mathbf E_x
=
(
e_{id},
e_{version},
e_{scope},
e_{source},
e_{authority},
e_{constraint},
e_{epistemic}
).
$$

每維：

$$
e_i\in[0,1].
$$

Commit gate 看 critical subset。

---

# 138. Partial Exactness

一個 state 可以：

- identity exact；
- source exact；
- semantic detail approximate。

這是正常。

---

# 139. Precision Is Multidimensional

所以：

$$
\boxed{
\text{Precision}
\neq
\text{one scalar}.
}
$$

這與 Paper 04 distortion vector 對偶。

---

# 140. Exactness–Distortion Duality

若：

$$
D_i
$$

是某維失真，

可粗略：

$$
E_i
=
1-D_i.
$$

但實際不必線性。

概念上：

$$
\boxed{
\text{Resolution}
\text{ controls distortion in selected dimensions}.
}
$$

---

# 141. Precision Escalation and Model Capability

強模型可能更能從 fuzzy state 直接 resolve。

弱模型需要：

- stricter schema；
- more explicit source；
- smaller ambiguity space。

所以 resolution pipeline 也應 model-aware。

---

# 142. Capability-Gated Resolution Freedom

強模型可自己：

- request more source；
- choose decoder；
- compare branches；
- detect ambiguity。

弱模型可能只接：

$$
\text{already resolved state}.
$$

---

# 143. Exactness as Infrastructure Service

未來 runtime 可以把 resolution 做成：

$$
\text{Resolve}(
\text{object},
\text{profile},
\text{risk},
\text{target\_precision}
).
$$

這不是模型內部單次 reasoning 而已。

---

# 144. Resolution Service

回傳：

```text
resolved_state
remaining_unknowns
source_refs
version
decoder
authority_status
validation_receipt
```

這讓 agent 可重用。

---

# 145. Resolution Cache

已解析：

$$
x
$$

可 cache。

但 cache 必須 version-bound。

---

# 146. Invalidation

若：

$$
\text{SourceVersion}
$$

改變，

cache invalid。

---

# 147. Precision Cache 也可能被降級

若 context 只需粗略，

不需要讀 full exact object。

所以 cache 可以多 resolution。

---

# 148. Multi-Resolution Canonical Views

對同一 object：

$$
R^{(0)},
R^{(1)},\ldots,R^{(n)}.
$$

但只有某些是 canonical for certain scope。

例如：

- ID view；
- relation view；
- source view；
- human view。

---

# 149. Canonicality Can Be Scoped

所以：

$$
Canonical(R|\text{identity})
$$

與：

$$
Canonical(R|\text{human prose})
$$

可以不同。

---

# 150. No Single Universal Canonical Surface

這是避免 format absolutism 的重要原則。

真正 canonical 的可能是：

$$
\boxed{
\text{contracts and bindings}
}
$$

而不是單一 surface syntax。

---

# 151. Exactness and Cross-Model Migration

如果 future model 改變，

stable ID、registry、version、decoder contract 仍可沿用。

這比保存 raw embedding 更長壽。

---

# 152. Cross-Model Reprojection

新模型：

$$
M_{new}
$$

可：

$$
Reproject(
\text{CanonicalState}
)
\rightarrow
R_{new}.
$$

而不用重新猜 identity。

---

# 153. Migration Validation

比較：

$$
I_{critical}
(
R_{old}
)
$$

與：

$$
I_{critical}
(
R_{new}
).
$$

若一致，migration pass。

---

# 154. Exactness and Semantic Anchor Bank

Anchor bank 也需版本化。

因為 anchor meaning 可能演化。

所以：

$$
\text{AnchorID}
+
\text{AnchorVersion}.
$$

---

# 155. Anchor Drift

如果 anchor 自己漂移，

PSSA relative address 也會漂。

因此 anchor bank 需要：

$$
\text{StabilityAudit}.
$$

---

# 156. Anchor Replacement

若 anchor retire，

需要：

$$
\text{MigrationMap}.
$$

把舊地址轉新 anchor set。

---

# 157. Exactness and Distributed Memory

物理 store 可以分散。

但 stable address：

$$
A(x)
$$

可解析到：

$$
\text{LocationSet}(x).
$$

所以：

$$
\boxed{
\text{Semantic Address}
\neq
\text{Physical Location}.
}
$$

---

# 158. Location Resolution

$$
\text{ResolveLocation}(
A(x),
\text{policy}
)
\rightarrow
\text{endpoint}.
$$

這與 cognitive hyperlink routing 相接。

---

# 159. Exactness and Replication

同一 object 有多份 physical copy。

Identity 仍一個。

所以：

$$
\text{CopyCount}
\neq
\text{ObjectCount}.
$$

---

# 160. Exactness and Deduplication

若兩份資料高度相似，

不能只靠 similarity dedup。

應 compare：

$$
\text{Identity},
\text{Version},
\text{Source}.
$$

---

# 161. Semantic Deduplication

可先：

$$
\text{CandidateDuplicate}
$$

再 exact resolve。

這是：

$$
\boxed{
\text{approximate detect, exact merge}.
}
$$

---

# 162. Exactness and Privacy

semantic address 可存在，但某 agent 可能無權 materialize full state。

所以：

$$
\text{Addressable}
\neq
\text{Readable}.
$$

---

# 163. Authority-Aware Resolution

$$
\text{Resolve}(
a_t,
\text{authority}
)
$$

可能只返回 redacted projection。

---

# 164. Hidden Existence Leakage

甚至 object existence 本身可能敏感。

所以 address resolution 也需 permission。

---

# 165. Exactness and Security

越精確 representation，越可能洩漏 sensitive detail。

所以 security policy 可能要求：

$$
\text{precision ceiling}
$$

對某些 observer。

---

# 166. Precision vs Privacy

這形成另一個 tradeoff：

$$
\text{Utility}
=
\text{Precision}
-
\text{PrivacyRisk}.
$$

所以 exactness 不是無條件越高越好。

---

# 167. Exactness and External Evidence

若 memory state 無足夠 evidence，

可標：

$$
\text{Unverified}.
$$

精確表示這個狀態。

---

# 168. Evidence Object

Evidence 本身可有：

$$
\text{ID},
\text{Source},
\text{Time},
\text{Scope},
\text{Integrity},
\text{ChainOfCustody}.
$$

高治理系統需要。

---

# 169. Exactness and Scientific Reproducibility

科學 claim commit 應綁：

- dataset；
- code；
- parameters；
- environment；
- result；
- version。

所以 exact resolution 可支援 reproducibility。

---

# 170. Exactness and Mathematical Proof

Proof object 可綁：

- definitions；
- assumptions；
- lemmas；
- dependencies；
- formal artifact。

Natural language explanation 是 projection。

---

# 171. Exactness and Program State

Program continuation 需：

- repo commit；
- branch；
- test state；
- environment；
- unresolved issue。

只靠 summary 不夠。

---

# 172. Exactness and Long-Horizon Agent

長期 agent 要恢復：

$$
\text{Goal},
\text{State},
\text{Constraints},
\text{OpenLoops},
\text{NextStep}.
$$

這些是 resumability invariants。

---

# 173. Resumability as Precision Test

若新 agent 無法正確接續，

說明 previous crystal / handoff resolution 不夠。

所以：

$$
\boxed{
\text{Resume Success}
}
$$

是 exact memory quality 指標之一。

---

# 174. Exactness and Memory Governance

正式 write 需：

$$
\text{Proposal}
\rightarrow
\text{Validate}
\rightarrow
\text{Commit}.
$$

不能：

$$
\text{Generated}
\rightarrow
\text{Canonical}.
$$

---

# 175. Commit Receipt

$$
CR
=
(
\text{object},
\text{version},
\text{change},
\text{source},
\text{validator},
\text{authority},
\text{time}
).
$$

這是 exact state transition 證據。

---

# 176. Exactness and Supersession

新版本：

$$
v_{t+1}
$$

不能把：

$$
v_t
$$

抹除。

應：

$$
\text{Supersedes}(
v_{t+1},
v_t
).
$$

---

# 177. Exactness and Correction

如果舊 state 錯，

建立：

$$
\text{CorrectionEvent}.
$$

不是 silent edit。

---

# 178. Exactness and Branch History

分支 merge / split 都應留下：

$$
\text{Lineage}.
$$

這使 world reconstruction 可恢復歷史。

---

# 179. Exactness and Event Sourcing

對重要 object，state 可由：

$$
\text{Events}
\rightarrow
\text{CurrentProjection}.
$$

這與 SEDB / MNEME 類設計一致。

---

# 180. Exactness and Derived Current State

Current state 是：

$$
\text{Compiler}(\text{Events}).
$$

不是 source event 本身。

所以：

$$
\boxed{
\text{Current}
\neq
\text{Raw History}.
}
$$

---

# 181. Precision Escalation as Cognitive Compilation

從 fuzzy cognition：

$$
F
$$

到 exact machine state：

$$
E
$$

可理解為：

$$
\boxed{
\text{Cognitive Compilation}.
}
$$

這不是單純 translation。

---

# 182. Compilation Adds Structure

它會加入：

- types；
- identifiers；
- scopes；
- constraints；
- versions。

所以：

$$
E
\neq
F
$$

但 critical meaning 應保留。

---

# 183. Compilation Can Fail

如果 fuzzy state ambiguity 太高，

compiler 應：

$$
\text{FAIL}
$$

而不是猜。

---

# 184. Clarification as Resolution Operation

有時最正確動作是：

$$
\text{AskClarification}.
$$

在 autonomous system 中也可：

- query source；
- call verifier；
- inspect branch；
- ask user。

---

# 185. Resolution Operator Family

本文暫定：

$$
\Omega_R
=
\{
\text{ResolveID},
\text{ResolveVersion},
\text{ResolveScope},
\text{ResolveSource},
\text{ResolveAuthority},
\text{ResolveConstraint},
\text{ResolveUnknown},
\text{ResolveDecoder}
\}.
$$

---

# 186. Resolution Program

複雜 task 可組成：

$$
P_R
=
\Omega_1
\circ
\Omega_2
\circ
\cdots
\circ
\Omega_n.
$$

這與 CODT operator program 相容。

---

# 187. Resolution Ordering Matters

例如：

$$
\text{ResolveID}
\rightarrow
\text{ResolveVersion}
$$

通常比反過來合理。

所以 resolution operators 非交換：

$$
\Omega_i\Omega_j
\neq
\Omega_j\Omega_i.
$$

---

# 188. Resolution Planner

高階模型可自己決定：

$$
\text{PlanResolution}(
\text{state},
\text{risk}
).
$$

弱模型使用 fixed profile。

---

# 189. Resolution Planner 也需 Capability Gate

因為錯誤 resolution order 可能造成：

- wrong source；
- wrong identity；
- wasted cost。

---

# 190. Exactness and X-Order Cognition

X 階 cognition 每升一階，不代表 precision 也升高。

高階 meta-state 可能更 abstract。

真正 precision escalation 常在：

$$
\text{commit descent}.
$$

---

# 191. Upward Abstraction, Downward Resolution

可以形成：

$$
\boxed{
\text{Upward: abstraction / crystallization}
}
$$

$$
\boxed{
\text{Downward: resolution / source re-anchoring}
}
$$

這是整套架構的重要雙向運動。

---

# 192. Cognitive Elevator

可把它想成：

$$
\text{Raw}
\leftrightarrow
\text{ExactState}
\leftrightarrow
\text{Graph}
\leftrightarrow
\text{Crystal}
\leftrightarrow
\text{MetaCrystal}.
$$

向上降低細節。

向下提高精度。

---

# 193. X-Order Reflection Can Descend on Demand

高階 AI 發現異常：

$$
\text{MetaCrystal}
\rightarrow
\text{Crystal}
\rightarrow
\text{Graph}
\rightarrow
\text{Source}.
$$

這就是反身解晶 + exact resolution。

---

# 194. Exactness and Stop

如果已滿足：

$$
E_{\tau},
$$

不應再無限下鑽。

所以：

$$
\boxed{
\text{Exact Enough}
}
$$

是合法狀態。

---

# 195. Over-Resolution

過度 resolution 會：

- 增加 cost；
- 延遲 action；
- 淹沒 working memory；
- 引入 irrelevant detail。

所以 precision escalation 也需 stop rule。

---

# 196. Precision Hysteresis

為避免：

$$
\text{coarse}
\leftrightarrow
\text{exact}
\leftrightarrow
\text{coarse}
$$

頻繁震盪，

可設 hysteresis threshold。

---

# 197. Resolution Persistence

高成本 resolution 結果可在短期保持 hot。

形成：

$$
\text{Cold}
\rightarrow
\text{Warm}
\rightarrow
\text{Hot}.
$$

但仍 version-bound。

---

# 198. Hot Resolution Cache

可保存：

- resolved ID；
- current version；
- validator result。

source change 即失效。

---

# 199. Exactness and Compiled Path

反覆成功：

$$
\text{PSSA}
\rightarrow
\text{ISQL}
\rightarrow
\text{Source}
$$

的 route 可編譯。

但每次 critical current state 仍重驗。

---

# 200. 本篇的十八條核心命題

## 命題一

$$
\boxed{
\text{Exactness should be escalated on demand, not imposed everywhere}.
}
$$

## 命題二

$$
\boxed{
\text{Addressing can precede full conceptual definition}.
}
$$

## 命題三

$$
\boxed{
\text{Address is not meaning}.
}
$$

## 命題四

$$
\boxed{
\text{PSSA preserves underdefined but addressable cognition}.
}
$$

## 命題五

$$
\boxed{
\text{ISQL is a high-precision semantic resolution domain, not a universal cognition monopoly}.
}
$$

## 命題六

$$
\boxed{
\text{Identity must be separated from state and representation}.
}
$$

## 命題七

$$
\boxed{
\text{Version and decoder bindings are part of semantic precision}.
}
$$

## 命題八

$$
\boxed{
\text{Canonical representation does not imply canonical truth}.
}
$$

## 命題九

$$
\boxed{
\text{Unknown and ambiguity can themselves be represented exactly}.
}
$$

## 命題十

$$
\boxed{
\text{Commit requires critical-field resolution, not universal semantic closure}.
}
$$

## 命題十一

$$
\boxed{
\text{Exactness is task-, scope-, and contract-relative}.
}
$$

## 命題十二

$$
\boxed{
\text{Source re-anchoring is the primary antidote to long-chain semantic drift}.
}
$$

## 命題十三

$$
\boxed{
\text{Cross-AI handoff requires stable machine-facing semantic contracts}.
}
$$

## 命題十四

$$
\boxed{
\text{Precision escalation can be represented as a typed cognitive route}.
}
$$

## 命題十五

$$
\boxed{
\text{Compiled precision routes cannot compile authority}.
}
$$

## 命題十六

$$
\boxed{
\text{High-order abstraction and low-order exact resolution are complementary directions}.
}
$$

## 命題十七

$$
\boxed{
\text{Resolved states remain reopenable under version, evidence, or policy change}.
}
$$

## 命題十八

$$
\boxed{
\text{Exactness for commitment does not require exactness for imagination}.
}
$$

---

# 201. 最小工程實作

一個 Exact Cognitive Resolution MVP 至少需要：

## 201.1 Stable Object Registry

```text
object_id
namespace
kind
current_version
decoder_ref
source_refs
status
```

## 201.2 PSSA Store

```text
temporary_address
anchor_vector
positive_constraints
negative_constraints
unknowns
history
promotion_status
```

## 201.3 Resolution Service

```text
input_state
target_profile
risk
required_invariants
```

輸出：

```text
resolved_state
remaining_unknowns
version
sources
authority_status
validation_receipt
```

## 201.4 ISQL / Structured IR Layer

支援：

- ID；
- State；
- Goal；
- Constraint；
- Relation；
- Unknown；
- Provenance；
- Version。

## 201.5 Exactness Gate

在：

- action；
- canonical write；
- handoff；

前執行。

## 201.6 Resolution Receipt Store

保存 resolution lineage。

---

# 202. 可證偽實驗

## Experiment A：Definition-First vs Address-First Concept Discovery

比較：

$$
\text{Concept}\rightarrow \text{ID}
$$

與：

$$
\text{PreConcept}\rightarrow \text{Address}\rightarrow \text{Concept}.
$$

測：

- concept collapse；
- novelty；
- reuse；
- identity stability。

## Experiment B：Always-ISQL vs Precision-on-Demand

比較所有 cognition 都 structured IR，與只在 resolve / commit 使用。

測：

- cost；
- task success；
- novelty；
- error。

## Experiment C：Cross-Model Address Portability

比較 raw embedding 與 anchor + stable ID。

## Experiment D：Resolution Trigger

測 risk / ambiguity trigger 是否降低 critical error。

## Experiment E：Exact Handoff

比較 freeform summary 與 structured cognitive IR 對跨 agent resume quality 的影響。

---

# 203. 評估向量

$$
\mathbf Q
=
(
\text{IdentityAccuracy},
\text{VersionAccuracy},
\text{SourceTraceability},
\text{ConstraintFidelity},
\text{UnknownRetention},
\text{ResumeSuccess},
\text{ResolutionCost},
\text{Latency},
\text{CrossModelPortability}
).
$$

---

# 204. 失敗模式

## 204.1 Premature Definition

尚未成熟概念被固定。

## 204.2 Identity Collapse

相似 object 被合併。

## 204.3 Address-as-Meaning Fallacy

把地址誤當完整概念。

## 204.4 ISQL Absolutism

所有 cognition 都要求精確編譯。

## 204.5 Canonicality Confusion

canonical format 被誤當 truth。

## 204.6 Decoder Drift

payload 正確但 decoder 變。

## 204.7 Version Ambiguity

未綁 current version。

## 204.8 Authority Caching Error

把過去 permission 當現在 permission。

## 204.9 Source Detachment

resolved state 無法回 source。

## 204.10 Over-Resolution

低風險 task 付出過高精度成本。

## 204.11 Under-Resolution

高風險 action 仍停留 fuzzy state。

## 204.12 Unresolved-as-Resolved

unknown 被默默填值。

---

# 205. 與 Paper 06 的接口

本篇建立：

$$
\boxed{
\text{Approximate State}
\rightarrow
\text{Exact Resolved State}
}
$$

但在真實認知系統中，這條路不是固定函式。

AI 需要在：

- Vector；
- Graph；
- Tensor；
- PSSA；
- ISQL；
- Raw；
- Tool；
- Agent；

之間不斷跳轉。

因此下一篇將處理：

$$
\boxed{
\text{How are these transitions themselves represented, governed, reused, and compiled?}
}
$$

也就是：

# **AI 超連結：跨表示認知轉移與語義即路由**

Paper 06 將把 hyperlink 從：

$$
A\rightarrow B
$$

提升為：

$$
\boxed{
\text{Typed Cognitive Transition Contract}.
}
$$

---

# 206. 結論：未來 AI 不必先完全知道，才能開始指向；但真正承諾以前，必須知道自己到底指向什麼

高階 cognition 的形成順序未必是：

$$
\text{Name}
\rightarrow
\text{Definition}
\rightarrow
\text{Reasoning}.
$$

更常可能是：

$$
\boxed{
\text{Intent}
\rightarrow
\text{Pre-Symbolic Target}
\rightarrow
\text{Address}
\rightarrow
\text{Structured State}
\rightarrow
\text{Definition}
\rightarrow
\text{Formal Commitment}.
}
$$

這條路保留了 cognition 的生成性。

AI 可以先：

- 感知某個新結構；
- 知道它與什麼相鄰；
- 知道它不是什麼；
- 給它 temporary semantic address；
- 讓多輪 cognition 繼續圍繞它累積結構；

而不必在第一刻就創造一個過早封閉的 ontology node。

但一旦這個 cognition 要進入：

- canonical memory；
- inter-agent high-responsibility handoff；
- formal proof；
- code execution；
- external action；
- scientific claim；

系統就必須從：

$$
\text{addressable ambiguity}
$$

逐步升級到：

$$
\text{resolved semantic identity}.
$$

因此本文將這套架構濃縮為兩句：

$$
\boxed{
\text{Address before definition when cognition is still forming.}
}
$$

以及：

$$
\boxed{
\text{Resolve before commitment when consequences become real.}
}
$$

PSSA 提供前者。

ISQL 與 Exact Cognitive Resolution 提供後者。

兩者共同使反身多表示認知記憶架構同時保留：

$$
\text{creative openness}
$$

與：

$$
\text{machine-grade precision}.
$$

因此真正成熟的未來 AI 不應被迫在「模糊」與「精確」之間二選一，而應具備一種可調度的語義解析能力：

$$
\boxed{
\text{discover loosely}
\rightarrow
\text{address progressively}
\rightarrow
\text{resolve selectively}
\rightarrow
\text{commit exactly}.
}
$$

這就是本文所稱的 **Precision on Demand**。