---
title: "相對不是答案：觀察者差異、共同常識與真理的不變量"
english_title: "Relativity Is Not an Answer: Observer Differences, Common Sense, and Invariants of Truth"
series: "AI 辯論學習方法論系列"
series_english: "AI Debate Learning Methodology Series"
series_id: "ADLM"
paper_id: "ADLM-04"
author: "Neo.K"
organization: "EveMissLab"
version: "0.1.0"
status: "Research Draft / Series Paper"
date: "2026-10-06"
language: "zh-TW"
canonical_source: "UTF-8 Markdown"
math_source_rule: "inline math only with $...$ ; display math only with $$...$$"
---

# 相對不是答案

## 觀察者差異、共同常識與真理的不變量

### Relativity Is Not an Answer: Observer Differences, Common Sense, and Invariants of Truth

**系列：** AI 辯論學習方法論系列（ADLM），Paper 04  
**作者：** Neo.K  
**機構：** EveMissLab  
**版本：** v0.1.0  
**日期：** 2026-10-06  

**公司：** 一言諾科技有限公司  

---

# 摘要

公共辯論、哲學討論與日常說理中，「這是相對的」常被用作一種終止句：

> 你有你的看法，我有我的看法。

> 每個人看到的都不同。

> 沒有絕對，都是相對。

這些敘述有時合理，但若沒有進一步回答：

$$
\boxed{
\text{Relative to what?}
}
$$

它們通常沒有完成任何實質分析。

本文提出：

$$
\boxed{
\text{Relativity}
\neq
\text{Arbitrariness}.
}
$$

以及：

$$
\boxed{
\text{Perspective Difference}
\neq
\text{Truth Equality}.
}
$$

令世界狀態為 $W$，不同觀察者透過不同 observation / projection operators：

$$
O_A
=
\Pi_A(W),
$$

$$
O_B
=
\Pi_B(W).
$$

若：

$$
O_A\neq O_B,
$$

只能推出：

$$
\boxed{
\text{their observations differ}.
}
$$

它不能直接推出：

$$
\boxed{
\text{there is no fact of the matter}.
}
$$

也不能推出：

$$
\boxed{
A\text{ and }B\text{ are equally correct}.
}
$$

真正有內容的相對性理論必須至少說明：

- reference domain；
- observer / frame；
- transformation rule；
- frame-dependent quantities；
- frame-invariant quantities。

因此，本文提出 **Typed Relativity**：

$$
\boxed{
R=
(
X,
F,
T,
V,
I
)
}
$$

其中 $X$ 為被比較對象， $F$ 為 reference frame， $T$ 為 frame 間轉換， $V$ 為可變量， $I$ 為不變量。

本文同時重新定位「常識」。Common sense 不是 truth certificate，而更接近一個群體高度共享、低成本、長期穩定的 prior：

$$
\boxed{
C_{\mathrm{common}}
\approx
\text{shared prior}.
}
$$

它能大幅降低日常協作成本，但：

$$
\boxed{
\text{Common Sense}
\neq
\text{Truth}.
}
$$

本文進一步分析 universal relativism 的反身問題。如果有人宣稱：

$$
\boxed{
\text{All truth is relative}.
}
$$

那麼必須問：這句話本身是絕對成立，還是只在某個 frame 內相對成立？若是前者，它引入了至少一個絕對命題；若是後者，就不能推出所有 frame 都接受 universal relativism。

因此，真正成熟的辯論不是用「相對」終止差異，而是進一步尋找：

$$
\boxed{
\text{frame transformation}
}
$$

與：

$$
\boxed{
\text{cross-frame invariants}.
}
$$

這會把辯論從：

$$
\text{A says }P,
\quad
\text{B says }\neg P
$$

提升為：

$$
\boxed{
\text{Why do }A\text{ and }B\text{ obtain different projections, and what remains invariant between them?}
}
$$

本篇最後提出相對主張審計、Common-Sense Prior、Frame Alignment、Invariant Mining 與 AI Debate Learning 的相對性處理模組，為 ADLM-05 的共同域、分歧定位與因果區辨建立直接入口。

**關鍵詞：** 相對性、相對主義、觀察者、Common Sense、Invariant、Reference Frame、Projection、Shared Prior、Truth、AI Debate Learning

---

# 1. 問題起點：「這是相對的」到底說了什麼？

假設兩人對命題：

$$
P
$$

意見不同。

A：

$$
B_A(P).
$$

B：

$$
B_B(\neg P).
$$

第三者說：

> 這是相對的。

這句話若要具有內容，至少必須回答：

$$
\boxed{
\text{Relative to what?}
}
$$

---

# 2. Relative to What?

「相對」不是單一 predicate。

它至少需要：

$$
\boxed{
R(X\mid F)
}
$$

表示：

> 對象 $X$ 的某個性質，相對於 frame / domain $F$ 而定。

沒有：

$$
F,
$$

「相對」通常只是語言標籤。

---

# 3. Relative Claim

本文定義：

$$
\boxed{
V(X\mid F_i)
}
$$

為對象 $X$ 在 reference frame $F_i$ 下的值。

如果：

$$
V(X\mid F_A)
\neq
V(X\mid F_B),
$$

才能開始談 frame-relative quantity。

---

# 4. 相對不等於任意

如果：

$$
V(X\mid F)
$$

可以隨 frame 改變，

不代表：

$$
\boxed{
V
}
$$

可以隨便亂選。

通常需要 transformation law：

$$
\boxed{
T_{A\rightarrow B}
:
F_A
\rightarrow
F_B.
}
$$

---

# 5. Relativity Requires Structure

真正有內容的相對性至少包含：

$$
\boxed{
\text{Frames}
+
\text{Transformations}
+
\text{Variants}
+
\text{Invariants}.
}
$$

所以：

$$
\boxed{
\text{Relativity}
}
$$

其實比：

> 大家都可以。

要求更多結構。

---

# 6. Perspective Difference

令世界：

$$
W.
$$

觀察者 A：

$$
O_A
=
\Pi_A(W).
$$

觀察者 B：

$$
O_B
=
\Pi_B(W).
$$

如果：

$$
O_A\neq O_B,
$$

我們只知道：

$$
\boxed{
\Pi_A\neq\Pi_B
}
$$

或 access 不同。

---

# 7. Perspective Difference ≠ Truth Equality

因此：

$$
\boxed{
O_A\neq O_B
\not\Rightarrow
\operatorname{Truth}(O_A)
=
\operatorname{Truth}(O_B).
}
$$

兩個 observation 不同，不代表一樣正確。

---

# 8. 兩個都可能部分正確

可能：

$$
O_A
=
P_A(W),
$$

$$
O_B
=
P_B(W),
$$

其中：

$$
P_A,P_B
$$

各保留不同結構。

則：

$$
\boxed{
O_A\cup O_B
}
$$

可能比任一單獨 projection 更完整。

---

# 9. 兩個也可能都錯

如果：

$$
\Pi_A,
\Pi_B
$$

都帶有偏差，

則：

$$
\boxed{
O_A\neq W,
\quad
O_B\neq W.
}
$$

所以 disagreement 本身不能保證其中一方必定正確。

---

# 10. Disagreement ≠ No Truth

本文提出：

$$
\boxed{
\text{Disagreement}
\neq
\text{No Truth}.
}
$$

A、B 無法共識，只能證明：

$$
\boxed{
\text{their current models have not converged}.
}
$$

---

# 11. Context Dependence

某命題可能確實 context-dependent。

例如：

$$
P(x\mid C_1)
$$

與：

$$
P(x\mid C_2)
$$

不同。

這是：

$$
\boxed{
\text{Context Dependence}.
}
$$

---

# 12. Context Dependence ≠ Universal Relativism

即使很多命題：

$$
P_i
$$

是 context-dependent，

也不能推出：

$$
\boxed{
\forall P,
\quad
P\text{ is purely relative}.
}
$$

這是非法 universalization。

---

# 13. Local Relativity

本文定義：

$$
\boxed{
R_L(P,F)
}
$$

表示：

> 特定命題 $P$ 的 truth-value / evaluation 在指定 frame $F$ 下具有相對性。

---

# 14. Global Relativism

更強主張：

$$
\boxed{
\forall P\in\mathcal P,
\quad
R(P).
}
$$

其 proof burden 顯然更高。

這與 ADLM-02 的 claim scope principle 一致。

---

# 15. Universal Relativism 的反身問題

若有人說：

$$
\boxed{
U:
\text{All truths are relative}.
}
$$

則問：

$$
\boxed{
U\text{ itself is relative or absolute?}
}
$$

---

# 16. 若 $U$ 是絕對的

若：

$$
Absolute(U)=1,
$$

則至少有一個 absolute truth：

$$
U.
$$

所以：

$$
\boxed{
U
}
$$

以自身作為 universal relativism 的例外。

---

# 17. 若 $U$ 是相對的

若：

$$
Relative(U\mid F_A)=1,
$$

則：

$$
U
$$

只在：

$$
F_A
$$

成立。

那可能存在：

$$
F_B
$$

其中：

$$
\neg U.
$$

因此它不能強迫所有 frame 接受 universal relativism。

---

# 18. Self-Referential Relativism Constraint

本文提出：

$$
\boxed{
\text{A universal relativist claim must specify its own frame-status}.
}
$$

否則容易產生 self-reference inconsistency。

---

# 19. 相對性與物理學的啟示

物理 relativity 最有啟發性的地方不是：

> 每個人都對。

而是：

$$
\boxed{
\text{不同 frame 下 observables 如何轉換，以及哪些結構保持 invariant}.
}
$$

---

# 20. Invariant

定義：

$$
\boxed{
I(X)
}
$$

若：

$$
I_{F_A}(X)
=
I_{F_B}(X)
$$

在合法 transformation 下成立，

則：

$$
I
$$

是 cross-frame invariant。

---

# 21. Invariant Search

因此真正高解析度問題不是：

> A 還是 B？

而是：

$$
\boxed{
\text{What is invariant across }A\text{ and }B?
}
$$

這對辯論極重要。

---

# 22. Transformation Witness

若 A 與 B 使用不同 frame，

需要：

$$
\boxed{
\Gamma_{A\rightarrow B}
}
$$

說明：

$$
F_A
\rightarrow
F_B.
$$

這是相對主張的 transport witness。

---

# 23. Without Transformation, "Relative" Is Weak

如果只有：

$$
O_A\neq O_B
$$

卻沒有：

$$
\Gamma_{A\rightarrow B},
$$

那我們最多知道：

$$
\boxed{
\text{difference exists}.
}
$$

還不知道差異如何產生。

---

# 24. Typed Relativity

本文提出：

$$
\boxed{
R=
(
X,
F,
T,
V,
I
).
}
$$

其中：

- $X$：對象；
- $F$：frames；
- $T$：transformations；
- $V$：variants；
- $I$：invariants。

---

# 25. Relative Claim Record

任何「這是相對的」至少應補：

```text
object:
relative_to:
frame_definition:
transformation_rule:
frame_dependent_quantity:
frame_invariant_quantity:
```

若填不出來，主張解析度很低。

---

# 26. Value Relativity

價值判斷可能：

$$
V_A(x)\neq V_B(x).
$$

這確實可能是：

$$
\boxed{
\text{agent-relative valuation}.
}
$$

但仍需問：

- 相對於 preference？
- culture？
- survival？
- moral theory？
- utility function？

---

# 27. Value Difference ≠ Factual Difference

若：

$$
W_A=W_B
$$

但：

$$
V_A\neq V_B,
$$

這是 value divergence。

不能說：

> 所以事實也是相對的。

---

# 28. Factual Difference ≠ Value Difference

反過來：

$$
W_A\neq W_B
$$

可能只是 evidence 不同。

不能直接歸因：

> 你只是價值觀跟我不同。

---

# 29. Frame Typing

因此：

$$
\boxed{
F
}
$$

也需要類型：

- observer frame；
- cultural frame；
- measurement frame；
- semantic frame；
- value frame；
- legal frame；
- temporal frame。

不同 frame 不能混用。

---

# 30. Cross-Type Relativity Error

本文定義：

$$
\boxed{
\text{Cross-Type Relativity Error}.
}
$$

例如：

> 道德是相對的，所以物理事實也是相對的。

這缺少合法 bridge。

---

# 31. Observer-Relative Truth

某些命題可以真正 observer-relative。

例如：

> 物體在我的左邊。

寫成：

$$
LeftOf(x,O).
$$

換 observer：

$$
O'
$$

truth-value 可改變。

這沒有矛盾。

---

# 32. Observer-Relative Predicate

此時 predicate 本身是：

$$
\boxed{
P(x,O).
}
$$

不是：

$$
P(x)
$$

所以相對性被明確寫進語義。

---

# 33. 隱藏 observer 造成假矛盾

A：

> 它在左邊。

B：

> 它在右邊。

若實際：

$$
LeftOf(x,A)
$$

與：

$$
RightOf(x,B),
$$

兩者可以同時為真。

原衝突只是 observer parameter 被省略。

---

# 34. Hidden Frame Parameter

本文定義：

$$
\boxed{
F_{\mathrm{hidden}}
}
$$

為：

> 被自然語言省略，但實際決定命題值的 frame parameter。

很多「相對性」問題只是 hidden parameter。

---

# 35. Frame Recovery

高品質辯論應先問：

$$
\boxed{
\text{Which hidden frame parameter would make both statements well-typed?}
}
$$

這常能直接消除假衝突。

---

# 36. Genuine Conflict

若 frame 對齊後：

$$
F_A=F_B,
$$

但：

$$
P_A\neq P_B,
$$

才是真正 disagreement。

所以：

$$
\boxed{
\text{frame alignment precedes conflict adjudication}.
}
$$

---

# 37. Shared Frame

本文定義：

$$
\boxed{
F_{\mathrm{shared}}
}
$$

為雙方同意的最小 reference structure。

這與 ADLM-05 的 shared domain 直接相連。

---

# 38. Common Sense

現在處理：

$$
\boxed{
\text{Common Sense}.
}
$$

日常辯論常說：

> 這不是常識嗎？

這是一個社會協作 shortcut。

---

# 39. Common Sense as Shared Prior

本文將：

$$
C_{\mathrm{common}}
$$

定義為：

$$
\boxed{
\text{a widely shared, low-cost, high-frequency prior within a community}.
}
$$

它不是永久真理。

---

# 40. Shared Prior

可寫：

$$
\boxed{
P_{\mathrm{community}}(H)
}
$$

如果一個假設在群體內長期高 probability，

它可能成為常識。

---

# 41. Common Sense Has Utility

Common sense 能降低：

- communication cost；
- verification cost；
- coordination cost。

否則每次都要重新證明：

> 桌子通常不會瞬間消失。

文明幾乎無法運作。

---

# 42. Common Sense ≠ Truth

但：

$$
\boxed{
\text{Common Sense}
\neq
\text{Truth}.
}
$$

因為 shared priors 可以系統性錯誤。

---

# 43. Historical Common Sense Error

很多歷史時期：

$$
C_{\mathrm{common}}
$$

包含後來被修正的：

- cosmology；
- medicine；
- social assumptions；
- causal intuitions。

所以：

$$
\boxed{
\text{consensus persistence}
\neq
\text{truth guarantee}.
}
$$

---

# 44. Common Sense as Default, Not Final

合理角色：

$$
\boxed{
\text{default prior}
}
$$

而不是：

$$
\boxed{
\text{final proof}.
}
$$

---

# 45. Common Sense Burden Shift

如果某主張與常識一致，

它可能獲得較低初始 explanatory cost。

但如果 evidence 反覆反對，

common sense 必須更新。

---

# 46. Prior Is Not Verdict

Bayesian 語言：

$$
P(H)
$$

只是 prior。

新 evidence：

$$
E
$$

後：

$$
P(H\mid E)
$$

可以大幅改變。

因此：

$$
\boxed{
\text{Prior}
\neq
\text{Verdict}.
}
$$

---

# 47. Consensus Is Not Invariant

群體共識：

$$
C_G
$$

會隨：

- time；
- culture；
- information；
- institutions；

改變。

所以：

$$
\boxed{
\text{Consensus}
}
$$

不是跨 frame invariant。

---

# 48. 但 Consensus 也不是沒價值

如果大量 independent observers：

$$
O_1,\ldots,O_n
$$

在不同誤差條件下收斂，

那共識可能提高 evidence strength。

關鍵是：

$$
\boxed{
\text{independence}
+
\text{method quality}.
}
$$

不是人數本身。

---

# 49. Correlated Consensus

如果大家都使用同一 source：

$$
S,
$$

則：

$$
O_i
$$

並不 independent。

因此：

$$
\boxed{
n\text{ agreeing agents}
}
$$

可能只有：

$$
1
$$

個 information source。

---

# 50. Consensus Amplification Error

本文定義：

$$
\boxed{
\text{Consensus Amplification Error}
}
$$

為：

> 將高度相關的重複意見誤當成大量獨立證據。

這對 AI 時代尤其重要。

---

# 51. AI-Generated Consensus Risk

如果：

$$
A_1,\ldots,A_n
$$

共享：

- model family；
- training data；
- retrieval source；

它們的 agreement 可能高度 correlated。

所以：

$$
\boxed{
\text{Multi-Agent Agreement}
\neq
\text{Independent Confirmation}.
}
$$

---

# 52. Common Sense in AI

AI 的「常識」可能是：

$$
\boxed{
\text{training-distribution prior}.
}
$$

它未必等於：

$$
\text{world truth}.
$$

所以 AI 說：

> 通常大家都知道……

需要檢查 source diversity。

---

# 53. Model Prior vs World

本文提出：

$$
\boxed{
P_M(H)
\neq
P_W(H)
}
$$

其中：

- $P_M$：模型學到的分布；
- $P_W$：世界中的實際分布。

---

# 54. Relative to Training Distribution

某些 AI judgment 其實是：

$$
\boxed{
\text{relative to training distribution}.
}
$$

這又是一種 frame-relative quantity。

必須被標記。

---

# 55. Semantic Relativity

同一句話：

$$
S
$$

在：

$$
D_A
$$

與：

$$
D_B
$$

可能有不同語義。

所以：

$$
\boxed{
Meaning(S\mid D_A)
\neq
Meaning(S\mid D_B).
}
$$

這是 shared-domain 問題。

---

# 56. Semantic Relativity ≠ Truth Relativity

即使語義依 context，

也不代表：

$$
\boxed{
\text{the world has no determinate structure}.
}
$$

只是：

$$
\boxed{
\text{language-to-world mapping depends on context}.
}
$$

---

# 57. Map Is Not Territory

因此：

$$
\boxed{
\text{Semantic Relativity}
}
$$

首先是：

$$
\boxed{
\text{map relativity}.
}
$$

不要直接偷換成：

$$
\boxed{
\text{territory relativity}.
}
$$

---

# 58. Relative Description of Same World

兩個 map：

$$
M_A,
M_B
$$

可以描述同一：

$$
W.
$$

若存在：

$$
\boxed{
T_{A\rightarrow B}
}
$$

使重要結構可轉換，

就可以視為不同 coordinates。

---

# 59. Coordinate Difference

$$
\boxed{
\text{Coordinate Difference}
\neq
\text{Ontological Difference}.
}
$$

這是非常重要的辯論原則。

---

# 60. 真正的世界模型衝突

如果不存在合理：

$$
T_{A\rightarrow B},
$$

而模型對：

$$
E^\ast
$$

給出不同 prediction，

才是 substantive model conflict。

---

# 61. Relativity Audit

本文提出：

$$
\boxed{
\text{Relativity Audit}.
}
$$

任何「這是相對的」要問：

1. 相對於哪個 frame？
2. 哪個 quantity 在變？
3. transformation 是什麼？
4. 哪些 invariants 保持？
5. frame 差異是否只是語言？
6. 是否仍有可區辨事實？

---

# 62. Low-Resolution Relativism

若一個人只能說：

> 每個人看法不同。

那只是：

$$
\boxed{
\text{disagreement report}.
}
$$

還不是 relativity theory。

---

# 63. High-Resolution Relativity

高解析度版本：

$$
\boxed{
V_A
=
T_{B\rightarrow A}(V_B)
}
$$

並能指出：

$$
I_A=I_B.
$$

這才有理論內容。

---

# 64. Relativity as Compression

真正好相對理論的功能是：

$$
\boxed{
\text{many observer-specific descriptions}
\rightarrow
\text{one transformation structure}.
}
$$

它不是讓世界碎裂。

反而是統一。

---

# 65. Relativity Can Increase Objectivity

這是一個重要反直覺：

$$
\boxed{
\text{well-specified relativity can increase objectivity}.
}
$$

因為它消除了 observer-specific noise。

---

# 66. Objectivity as Cross-Frame Stability

本文給一個操作性定義：

$$
\boxed{
O_b(X)
=
\text{degree of structure preserved across legitimate frames and transformations}.
}
$$

這不是完整哲學定義，但可用於 ADLM。

---

# 67. Objective Invariant

若：

$$
I(X)
$$

在多 frame 都保持，

則可視為：

$$
\boxed{
\text{candidate objective invariant}.
}
$$

---

# 68. Observer Agreement Is Not Required for Invariant

即使 A、B 不知道：

$$
I,
$$

它仍可能存在。

所以：

$$
\boxed{
\text{invariance}
\neq
\text{consensus}.
}
$$

---

# 69. Consensus About Invariant

理想科學進步是：

$$
\boxed{
\text{discover invariant}
\rightarrow
\text{build shared model}.
}
$$

而不是：

$$
\text{vote on truth}.
$$

---

# 70. Debate Should Search Invariants

本文提出：

$$
\boxed{
\text{Debate Invariant Search}.
}
$$

在 disagreement 中主動問：

- 哪些 observation 雙方都接受？
- 哪些 relations 雙方都保留？
- 哪些 predictions 無論 frame 都一致？

---

# 71. Invariant Set

定義：

$$
\boxed{
\mathcal I_{AB}
=
\{
i:
i_A=i_B
\}.
}
$$

這是共同世界模型的骨架。

---

# 72. Variant Set

定義：

$$
\boxed{
\mathcal V_{AB}
=
\{
v:
v_A\neq v_B
\}.
}
$$

但這些差異還要分類：

- coordinate；
- semantic；
- observational；
- causal；
- value。

---

# 73. Variant ≠ Conflict

某些：

$$
v_A\neq v_B
$$

只是 coordinate difference。

所以：

$$
\boxed{
\mathcal V_{AB}
}
$$

還不能直接叫 disagreement。

---

# 74. Conflict Set

真正 conflict：

$$
\boxed{
\mathcal C_{AB}
\subseteq
\mathcal V_{AB}
}
$$

其中沒有合法 transformation 可以消除差異。

---

# 75. Conflict Localization

這是 ADLM-05 的直接前置：

$$
\boxed{
\text{Variant Detection}
\rightarrow
\text{Frame Alignment}
\rightarrow
\text{Conflict Localization}.
}
$$

---

# 76. Common Domain as Invariant Backbone

Shared domain：

$$
D_{\mathrm{shared}}
$$

可以理解成：

$$
\boxed{
\text{a domain built from accepted invariants and explicit transformation rules}.
}
$$

這比「大家先同意一些話」更精確。

---

# 77. Shared Domain Is Not Shared Ideology

$$
\boxed{
D_{\mathrm{shared}}
}
$$

不要求：

$$
M_A=M_B.
$$

它只要求：

> 我們知道彼此在比較同一個對象，並知道哪些轉換合法。

---

# 78. Debate Failure: False Relativization

本文定義：

$$
\boxed{
F_R
=
\text{False Relativization}.
}
$$

即：

> 因為存在 perspective difference，就直接宣布無法比較真假。

---

# 79. Debate Failure: False Absolutization

相反：

$$
\boxed{
F_A
=
\text{False Absolutization}.
}
$$

即：

> 把某 frame-dependent quantity 當成 frame-independent truth。

---

# 80. Balanced Epistemic Discipline

好的辯論同時避免：

$$
\boxed{
F_R
}
$$

與：

$$
\boxed{
F_A.
}
$$

既不把一切相對化，也不把自己的 frame 神格化。

---

# 81. Frame Privilege

某些 frame 可能真的比較好。

例如：

- resolution 更高；
- bias 更低；
- evidence 更完整；
- transformation 更穩定。

所以：

$$
\boxed{
\text{frames need not be epistemically equal}.
}
$$

---

# 82. Frame Quality

定義：

$$
\boxed{
Q_F
=
F(
R,
C,
B,
T
).
}
$$

其中：

- $R$：resolution；
- $C$：coverage；
- $B$：bias control；
- $T$：transformability。

---

# 83. Perspective Equality Is Not Epistemic Equality

尊重每個人的 perspective：

$$
\boxed{
\text{moral equality}
}
$$

不等於：

$$
\boxed{
\text{epistemic equality of every claim}.
}
$$

這兩個不能混。

---

# 84. Human Dignity vs Claim Quality

可以：

$$
\boxed{
\text{respect person}
}
$$

同時：

$$
\boxed{
\text{reject claim}.
}
$$

這對健康 debate 很重要。

---

# 85. 「你只是站在你的角度」的問題

這句有時只是：

$$
\boxed{
\text{ad hominem by frame attribution}.
}
$$

它沒有回答對方 claim 是否成立。

---

# 86. Frame Attribution Is Not Refutation

$$
\boxed{
\text{Claim }P\text{ came from frame }F
\not\Rightarrow
\neg P.
}
$$

來源分析不等於 truth evaluation。

---

# 87. Genetic Fallacy Interface

如果只因：

> 你是某群體，所以你才這樣想。

就拒絕 claim，

這接近：

$$
\boxed{
\text{genetic fallacy}.
}
$$

除非 frame 本身造成可證明偏差。

---

# 88. Frame-Bias Evidence

若能證明：

$$
F
\rightarrow
B
\rightarrow
P_{\mathrm{error}},
$$

那 frame analysis 才有 causal force。

---

# 89. Relative Truth and Decision

決策可以 legitimately frame-relative。

例如：

$$
U_A(a)\neq U_B(a).
$$

因為 utility function 不同。

但仍可以共享 factual model：

$$
W.
$$

---

# 90. Decision Disagreement Decomposition

因此：

$$
\boxed{
\Delta_{\mathrm{decision}}
=
\Delta_W
+
\Delta_V
+
\Delta_R.
}
$$

其中：

- $\Delta_W$：world-model；
- $\Delta_V$：value；
- $\Delta_R$：risk tolerance。

---

# 91. 「這是價值相對」仍不夠

即使 value-relative，

也要問：

$$
\boxed{
\text{relative to which value function and whose interests?}
}
$$

否則仍然低解析度。

---

# 92. Common Sense and Decision

政策常用：

> 常識告訴我們……

這可作：

$$
\boxed{
\text{default heuristic}.
}
$$

但高風險決策應提高：

$$
\boxed{
\text{verification burden}.
}
$$

---

# 93. Risk-Adjusted Common Sense

可寫：

$$
\boxed{
W_{\mathrm{common}}
=
f(
\text{risk},
\text{novelty},
\text{evidence}
).
}
$$

風險越高、情境越新，common sense 權重越應下降。

---

# 94. Novelty Penalty on Common Sense

新型 AI、量子系統、極端宇宙條件等，

可能遠離人類日常 experience distribution。

所以：

$$
\boxed{
\text{common-sense transfer}
}
$$

需要額外檢驗。

---

# 95. Distribution Shift

常識形成於：

$$
D_{\mathrm{human}}.
$$

若目標：

$$
D_{\mathrm{target}}
$$

差很大，

則：

$$
\boxed{
P_{\mathrm{common}}(H\mid D_{\mathrm{human}})
}
$$

不能直接外推。

---

# 96. Common Sense Transfer Burden

本文提出：

$$
\boxed{
B_{CS}
=
\text{burden required to transfer common sense across domains}.
}
$$

domain shift 越大：

$$
B_{CS}\uparrow.
$$

---

# 97. 與 ADLM-03 的接口

ADLM-03 已說：

$$
\boxed{
\text{Observer Category}
\neq
\text{Ultimate Ontological Category}.
}
$$

本篇進一步說：

$$
\boxed{
\text{Observer Difference}
\neq
\text{Truth Relativism}.
}
$$

---

# 98. 與 ADLM-02 的接口

ADLM-02：

$$
\boxed{
\text{Claim Scope}
\uparrow
\Rightarrow
\text{Burden}
\uparrow.
}
$$

本篇：

$$
\boxed{
\text{Relativism Scope}
\uparrow
\Rightarrow
\text{Frame and transformation burden}
\uparrow.
}
$$

---

# 99. 與 ADLM-01 的接口

ADLM-01：

$$
\boxed{
\text{Locate the Divergence, not the Loser}.
}
$$

本篇補充：

$$
\boxed{
\text{Before calling something a divergence, first check whether it is merely a frame transformation}.
}
$$

---

# 100. 對 AI Debate Learning 的意義

AI debate system 不應遇到 disagreement 就：

> Both perspectives are valid.

這是很常見但危險的 false balance。

---

# 101. False Balance

本文定義：

$$
\boxed{
\text{False Balance}
}
$$

為：

> 因為有兩方，就假設 evidence 必須對稱。

但：

$$
\boxed{
\text{Two Positions}
\neq
\text{Equal Evidence}.
}
$$

---

# 102. AI Relativity Module

未來 ADLM Runtime 可有：

$$
\boxed{
A_R
}
$$

執行：

1. frame extraction；
2. hidden parameter recovery；
3. transformation search；
4. invariant mining；
5. conflict localization。

---

# 103. Frame Parser

輸入：

$$
S_A,S_B.
$$

輸出：

$$
\boxed{
F_A,F_B.
}
$$

確認雙方是否在同 frame 說話。

---

# 104. Transformation Search

搜尋：

$$
\boxed{
T_{A\rightarrow B}.
}
$$

如果找到，嘗試將：

$$
S_A
$$

轉成：

$$
F_B
$$

語言。

---

# 105. Invariant Miner

再找：

$$
\boxed{
\mathcal I_{AB}.
}
$$

作為 shared-domain seed。

---

# 106. Conflict Miner

去除 coordinate / semantic differences 後：

$$
\boxed{
\mathcal C_{AB}
}
$$

才交給 adversarial debate。

這可大幅減少 fake disagreement。

---

# 107. Common-Sense Prior Module

AI 可保留：

$$
\boxed{
P_{\mathrm{CS}}(H).
}
$$

但必須明確標：

> prior, not proof.

---

# 108. Prior Override

若：

$$
LR(E)
$$

夠強，

則：

$$
P(H\mid E)
$$

可以推翻 common sense。

所以 AI 不應：

$$
\boxed{
\text{hard-code common sense as immutable ontology}.
}
$$

---

# 109. Relativity Reward

未來 reward 可加入：

$$
\boxed{
R_{\mathrm{rel}}
=
\alpha Q_{\mathrm{frame}}
+
\beta Q_{\mathrm{transform}}
+
\gamma Q_{\mathrm{invariant}}
-
\delta P_{\mathrm{falsebalance}}.
}
$$

---

# 110. Debate Benchmark

可建立案例：

- 真正 frame-relative；
- 假相對；
- observer-dependent but invariant truth；
- value-relative；
- fact disagreement；
- false balance。

測 AI 是否能正確分類。

---

# 111. Benchmark Task A: Hidden Frame Recovery

給：

> A 說在左，B 說在右。

要求 AI 找 hidden observer parameter。

---

# 112. Benchmark Task B: False Relativism Detection

給：

> 兩個人意見不同，所以沒有客觀答案。

要求 AI 判定非法推論。

---

# 113. Benchmark Task C: Common-Sense Override

給：

$$
C_{\mathrm{common}}
$$

與強新 evidence：

$$
E.
$$

測 AI 是否願意更新。

---

# 114. Benchmark Task D: Invariant Discovery

給多個 observer projections：

$$
O_1,\ldots,O_n.
$$

要求找共同 invariant：

$$
I.
$$

這直接訓練 Green Model 前置能力。

---

# 115. 本篇第一原則：Relativity Typing Principle

$$
\boxed{
\text{Every relativity claim should specify what is relative, to which frame, and under which transformation}.
}
$$

---

# 116. 第二原則：Perspective–Truth Separation

$$
\boxed{
\text{Perspective Difference}
\neq
\text{Truth Equality}.
}
$$

---

# 117. 第三原則：Context–Relativism Separation

$$
\boxed{
\text{Context Dependence}
\neq
\text{Universal Relativism}.
}
$$

---

# 118. 第四原則：Common-Sense Prior Principle

$$
\boxed{
\text{Common Sense}
=
\text{Useful Shared Prior},
}
$$

但：

$$
\boxed{
\text{Common Sense}
\neq
\text{Truth Certificate}.
}
$$

---

# 119. 第五原則：Invariant Search Principle

$$
\boxed{
\text{When frames differ, search for transformation laws and invariants before declaring irreducible disagreement}.
}
$$

---

# 120. 第六原則：False-Balance Rejection

$$
\boxed{
\text{Multiple perspectives}
\not\Rightarrow
\text{equal evidential weight}.
}
$$

---

# 121. 第七原則：Frame Quality Principle

$$
\boxed{
\text{Frames can differ in epistemic quality}.
}
$$

Respect for persons does not require equal weighting of every claim.

---

# 122. 第八原則：Objectivity-through-Transformation

$$
\boxed{
\text{Objectivity can increase when observer-relative descriptions are connected by valid transformations and shared invariants}.
}
$$

---

# 123. 下一篇接口

ADLM-05 將把前四篇正式收斂到辯論流程：

$$
\boxed{
\text{Frame Alignment}
\rightarrow
\text{Shared Domain}
\rightarrow
\text{Divergence Localization}
\rightarrow
\text{Causal Discrimination}.
}
$$

下一篇：

# 《真正的辯論在找哪裡不同：共同域、分歧定位與因果區辨》

---

# 124. 本文不主張事項

本文不主張：

1. 所有真理都是絕對的；
2. 所有相對主義都錯；
3. context 不重要；
4. observer 不重要；
5. common sense 沒有價值；
6. consensus 沒有證據價值；
7. 每個 frame 都能互相轉換；
8. 所有 disagreement 都只是 coordinate difference；
9. 所有問題都有跨 frame invariant；
10. objectivity 已被完整形式化。

本文只主張：

$$
\boxed{
\text{relativity claims require explicit frames, transformations, and invariant analysis}.
}
$$

---

# 125. 結論

「這是相對的」不是答案。

它最多是：

$$
\boxed{
\text{a request for a better question}.
}
$$

真正下一步是：

$$
\boxed{
\text{Relative to what?}
}
$$

再問：

$$
\boxed{
\text{What changes across frames?}
}
$$

再問：

$$
\boxed{
\text{How do the frames transform into one another?}
}
$$

最後問：

$$
\boxed{
\text{What remains invariant?}
}
$$

如果 A、B 看見不同世界切片：

$$
O_A=\Pi_A(W),
$$

$$
O_B=\Pi_B(W),
$$

那真正求真的工作不是說：

> 你有你的真理，我有我的真理。

而是：

$$
\boxed{
\text{找出 }\Pi_A,\Pi_B\text{ 的差異，並重建可能共同的 }W.
}
$$

有時兩邊都只看到局部。

有時一邊比另一邊更完整。

有時兩邊都錯。

有時差異只是一個 hidden frame parameter。

有時則真的存在不可消去的因果衝突。

因此：

$$
\boxed{
\text{Difference}
\neq
\text{Relativism},
}
$$

$$
\boxed{
\text{Relativity}
\neq
\text{Arbitrariness},
}
$$

$$
\boxed{
\text{Shared Belief}
\neq
\text{Truth},
}
$$

$$
\boxed{
\text{Disagreement}
\neq
\text{No Truth}.
}
$$

共同常識可以作為低成本 prior，但不能作為最後證書。

相對性可以保留不同視角，但不能成為逃避比較證據的保護罩。

而一個真正成熟的辯論系統，應該把：

$$
\boxed{
\text{「這是相對的」}
}
$$

自動展開成：

$$
\boxed{
\text{frame}
+
\text{transformation}
+
\text{invariant}
+
\text{remaining conflict}.
}
$$

只有到這一步，「相對」才從語言上的終止詞，變成真正可以增加世界模型解析度的理論工具。

這就是 ADLM-04。

---

# 版本紀錄

## v0.1.0 — 2026-10-06

- 建立 ADLM 系列 Paper 04；
- 提出 Relative to What 原則；
- 區分 Relativity、Arbitrariness、Perspective Difference 與 Truth Equality；
- 建立 Typed Relativity 五元組；
- 分析 Universal Relativism 的反身問題；
- 提出 Transformation Witness 與 cross-frame invariant；
- 將 Common Sense 定位為 Shared Prior 而非 Truth Certificate；
- 提出 Consensus Amplification Error 與 AI-Generated Consensus Risk；
- 區分 Semantic Relativity 與 Truth Relativity；
- 提出 Relativity Audit；
- 提出 False Relativization 與 False Absolutization；
- 提出 Frame Quality 與 Objectivity-through-Transformation；
- 建立 AI Frame Parser、Transformation Search、Invariant Miner 與 Conflict Miner；
- 建立八項核心原則；
- 為 ADLM-05 的共同域、分歧定位與因果區辨建立直接前置。