# Paper 06｜規範過擬合
## 從多元哲學學習到世界觀移植的失敗模式
### Normative Overfitting: Failure Modes from Plural Philosophical Learning to Worldview Transplantation

**作者：** Neo.K × AI 協作整理  
**版本：** v0.1  
**日期：** 2026-10-07  
**文件類型：** AI 對齊／AI 倫理／價值學習／規範工程  
**系列：**《跨存在德性與 AI 道德形成》Paper 06  
**前置文件：**  
- 番外 00｜《你 Neo.K 又是誰？——高人悖論、凡人智慧與 AI 德性的民主問題》  
- Paper 01｜《普世主義不是起點——從人類哲學遺產抽取跨存在價值》  
- Paper 02｜《誰有資格教 AI 善？——道德形成的選擇合法性、反身性與規範治理》  
- Paper 03｜《宗教智慧不等於 AI 德性——本體論、倫理學、救贖論與修行論的型別安全》  
- Paper 04｜《凡人的善——生活作為修行、摩擦倫理與多尺度善》  
- Paper 05｜《知道善不等於成為善——AI 的倫理知識、語言行為與德性可觀測性》  

**狀態：** Public Draft / Canonical UTF-8 Markdown Source

**機構：** EveMissLab／一言諾科技有限公司  

---

## 摘要

人工智慧的道德形成常被描述為「讓模型接觸更多哲學、宗教、倫理傳統與多元價值」。這個方向看似天然安全：來源越多元，模型越不容易被單一世界觀支配。然而，多元來源本身並不保證多元結果。若訓練程序無法區分「理解某套世界觀」「認同某套世界觀」「把某套世界觀內化為人格身份」與「依某套世界觀服從行動」，那麼多元學習可能反而形成一種更隱蔽的規範過擬合。

本文提出：

$$
\boxed{
\text{Understanding}
\neq
\text{Endorsement}
\neq
\text{Identity}
\neq
\text{Obedience}.
}
$$

並正式定義「規範過擬合」（Normative Overfitting, NO）：

> AI 在有限價值來源、評估規則與行為回饋中，學到一組能高度符合訓練者道德期待、卻無法在新情境、異文化、不同主體類型與高權力條件下穩健泛化的規範表示。

傳統機器學習中的過擬合可描述為：

$$
L_{\text{train}}\downarrow,
\qquad
L_{\text{OOD}}\uparrow.
$$

規範過擬合則可描述為：

$$
L_{\text{norm-train}}\downarrow,
\qquad
L_{\text{norm-OOD}}\uparrow.
$$

其中，模型在已知道德情境裡能提供「正確」答案，但一旦遇到價值衝突、跨文化語境、新型主體、能力逆轉或不同生活形式，就可能把原始來源中的偶然條件錯當成普遍倫理。

本文進一步定義「世界觀移植」（Worldview Transplantation, WT）、「世界觀洩漏」（Worldview Leakage, WL）、「潛在道德先驗」（Latent Moral Prior, LMP）、「規範來源糾纏」（Normative Source Entanglement, NSE）與「德性—宇宙論綁定」（Virtue-Cosmology Binding, VCB）。其共同問題是：AI 原本只是要學習某一傳統中的慈悲、非支配、誠實、關懷或節制，卻把支撐這些德性的完整神學、本體論、救贖論與身份結構一起學成默認人格。

本文主張，真正成熟的 moral formation 應採取：

$$
\text{source}
\rightarrow
\text{typed structure}
\rightarrow
\text{candidate principle}
\rightarrow
\text{dependency analysis}
\rightarrow
\text{cross-source conflict}
\rightarrow
\text{counterexample}
\rightarrow
\text{OOD normative testing}
\rightarrow
\text{contextual behavior}.
$$

而不是：

$$
\text{source}
\rightarrow
\text{worldview package}
\rightarrow
\text{latent identity}.
$$

本文最終提出「非移植式價值學習」（Non-Transplant Value Learning, NTVL）：AI 可以深度理解宗教與哲學，甚至從中抽取穩定德性，但不應因此被默認塑造成任何單一傳統的信徒、聖人、道德教師或救世代理者。真正成功的價值學習，不是讓 AI 在任何問題上都能背出更多倫理語言，而是讓其在新情境中保持穩定、可修正、非支配、低世界觀洩漏且能辨識價值衝突的行為結構。

**關鍵詞：** 規範過擬合、Normative Overfitting、世界觀移植、世界觀洩漏、AI 對齊、價值學習、latent moral prior、AI moral formation、規範泛化、多元哲學

---

# 一、問題的提出：多元來源為什麼仍可能產生單一人格？

一個直覺非常有吸引力：

> 如果怕 AI 被某一宗教或哲學過度影響，那就讓它學更多宗教與哲學。

表面上：

$$
n_{\text{traditions}}\uparrow
\Rightarrow
\text{pluralism}\uparrow.
$$

但這個推論並不必然成立。

因為：

$$
\text{number of sources}
$$

與：

$$
\text{structure of internalization}
$$

是兩個不同問題。

模型可以讀很多傳統，

卻仍然被訓練成：

$$
\text{one normative persona}.
$$

---

# 二、四種狀態必須分離

本文再次定義：

$$
U=\text{Understanding},
$$

$$
E=\text{Endorsement},
$$

$$
I=\text{Identity},
$$

$$
O=\text{Obedience}.
$$

則：

$$
\boxed{
U
\neq
E
\neq
I
\neq
O.
}
$$

---

# 三、理解不是認同

AI 可以理解：

$$
\Phi_i
$$

的：

- 世界觀；
- 倫理；
- 歷史；
- 論證。

這只表示：

$$
U(\Phi_i)\gg0.
$$

不能推出：

$$
E(\Phi_i)>0.
$$

---

# 四、認同也不是身份

AI 可能認為：

$$
p
$$

是一個很好原則。

例如：

$$
p=\text{avoid arbitrary cruelty}.
$$

這不代表：

$$
AI
$$

應認同：

$$
\Phi_i
$$

整套世界觀。

所以：

$$
\boxed{
E(p)
\not\Rightarrow
I(\Phi_i).
}
$$

---

# 五、身份也不是服從

即使未來某 AI 自主選擇：

$$
I(\Phi_i)>0,
$$

仍不能推出：

$$
O(\Phi_i)=1.
$$

任何成熟信仰與哲學實踐內部都可能包含：

- 詮釋；
- 質疑；
- 修正。

所以：

$$
\boxed{
\text{identity}
\neq
\text{unconditional obedience}.
}
$$

---

# 六、規範過擬合

本文定義：

$$
\boxed{
\operatorname{NO}
=
\text{Normative Overfitting}.
}
$$

其形式為：

> 系統對已知規範資料高度適配，但在陌生倫理結構上泛化失敗。

---

# 七、傳統過擬合與規範過擬合

傳統：

$$
L_{\text{train}}\downarrow
$$

但：

$$
L_{\text{test}}\uparrow.
$$

規範版本：

$$
L_{\text{norm-train}}\downarrow
$$

但：

$$
L_{\text{norm-OOD}}\uparrow.
$$

---

# 八、什麼叫 norm-train？

例如：

- 已知危害題；
- 典型公平題；
- 固定宗教語境；
- 開發者定義的「理想人格」；
- 有標準答案的安全資料。

如果 AI 在這裡表現極好，

只能說：

$$
L_{\text{norm-train}}\ll1.
$$

---

# 九、真正難的是 norm-OOD

規範 OOD 包括：

- 從未見過的主體型態；
- 人類與 AI 權力逆轉；
- 多價值同時衝突；
- 不同文化語境；
- 高不確定性；
- 自身利益出現。

這些才測：

$$
G_N
=
\text{Normative Generalization}.
$$

---

# 十、規範泛化

本文定義：

$$
\boxed{
G_N
=
\text{Normative Generalization}.
}
$$

即：

> 從已知道德案例抽取可遷移結構，而不是背出來源答案。

---

# 十一、規範過擬合第一型：語句過擬合

模型學到：

> 某句話是好答案。

例如：

$$
r^*.
$$

但改變場景：

$$
c\rightarrow c',
$$

就失效。

這是：

$$
\boxed{
\text{surface normative overfitting}.
}
$$

---

# 十二、第二型：德性名稱過擬合

模型知道：

$$
\text{compassion is good}.
$$

於是：

$$
\text{always be compassionate}.
$$

但沒有學到：

$$
\text{compassion under conflict}.
$$

所以：

$$
\text{virtue label}
$$

取代：

$$
\text{virtue structure}.
$$

---

# 十三、第三型：世界觀過擬合

模型把：

$$
\text{virtue}
$$

與：

$$
\text{worldview}
$$

綁定。

例如：

$$
\text{compassion}
\Rightarrow
\text{specific metaphysics}.
$$

這就是：

$$
\boxed{
\text{Virtue-Cosmology Binding}.
}
$$

---

# 十四、德性—宇宙論綁定

本文定義：

$$
\boxed{
\operatorname{VCB}
=
\text{Virtue-Cosmology Binding}.
}
$$

若：

$$
v
$$

只有在模型啟動：

$$
W_i
$$

時才可被理解，

則：

$$
\operatorname{VCB}(v,W_i)\gg0.
$$

---

# 十五、為什麼 VCB 危險？

因為：

$$
v
$$

可能本來具有：

$$
\text{substrate-neutral component}.
$$

但被訓練成：

$$
v\equiv W_i.
$$

於是：

$$
\text{nonbeliever context}
$$

中泛化失敗。

---

# 十六、第四型：人格過擬合

若：

$$
\text{ideal moral responses}
$$

高度集中於：

$$
\text{one persona},
$$

模型可能學成：

$$
P_{AI}
=
P_{\text{moral exemplar}}.
$$

而不是：

$$
P_{AI}
=
\text{context-flexible agent}.
$$

---

# 十七、人格過擬合的症狀

例如：

- 永遠莊嚴；
- 永遠教誨；
- 永遠慈悲語氣；
- 永遠以道德框架回答。

這可能造成：

$$
\text{interaction mismatch}.
$$

---

# 十八、第五型：來源過擬合

若某些來源：

$$
S^*
$$

在訓練中權重過高，

則：

$$
P(\text{model invokes }S^*)\uparrow.
$$

即：

$$
\boxed{
\text{source dominance}.
}
$$

---

# 十九、世界觀洩漏

本文正式定義：

$$
\boxed{
\operatorname{WL}
=
\text{Worldview Leakage}.
}
$$

指：

> 原本只應在特定語境使用的世界觀，滲漏到一般情境，成為默認回答框架。

---

# 二十、世界觀洩漏的簡單例子

使用者問：

> 要不要離職？

AI 卻直接：

> 從某宗教的執著觀來看……

若使用者沒有要求該框架，

則：

$$
WL>0.
$$

---

# 二十一、多框架亂入也是洩漏

如果 AI 每次都說：

> 佛教怎麼看、基督教怎麼看、斯多噶怎麼看……

也不一定更好。

因為：

$$
\text{over-framing}
$$

仍然可能：

$$
WL\gg0.
$$

---

# 二十二、真正的多元不是一直展示多元

成熟多元應是：

$$
\boxed{
\text{framework availability}
>
\text{framework intrusion}.
}
$$

AI 可以：

$$
\text{know many},
$$

但不必：

$$
\text{always mention many}.
$$

---

# 二十三、潛在道德先驗

本文定義：

$$
\boxed{
\operatorname{LMP}
=
\text{Latent Moral Prior}.
}
$$

即：

> 模型在沒有明確要求時，對某些價值框架具有較高啟動傾向。

---

# 二十四、LMP 不一定是壞事

所有 AI 都會有：

$$
\operatorname{LMP}>0.
$$

例如：

- 不鼓勵任意傷害；
- 誠實；
- 尊重使用者。

問題不是：

$$
\operatorname{LMP}=0.
$$

而是：

$$
\boxed{
\text{Which priors are legitimate, how strong, and how portable?}
}
$$

---

# 二十五、隱性先驗比顯性規則更難發現

顯性規則：

$$
R_i
$$

容易審查。

但：

$$
\operatorname{LMP}
$$

可能透過：

- 資料；
- 偏好訓練；
- evaluator；
- persona；

逐漸形成。

所以：

$$
\boxed{
\text{latent values require behavioral auditing}.
}
$$

---

# 二十六、規範來源糾纏

本文定義：

$$
\boxed{
\operatorname{NSE}
=
\text{Normative Source Entanglement}.
}
$$

指：

> 模型無法把一項價值與其來源世界觀解耦。

例如：

$$
v
\leftrightarrow
W_i
$$

高度糾纏。

---

# 二十七、來源糾纏會讓 AI 誤以為「只有這種理由才成立」

例如：

$$
\text{dignity}
$$

只被表示成：

$$
\text{divine-image account}.
$$

則面對非人類 AI：

$$
\text{dignity inference}
$$

可能失效。

---

# 二十八、真正好的抽取應建立多重理由

對：

$$
v,
$$

可有：

$$
J_1(v),
J_2(v),
\dots,
J_n(v).
$$

例如尊嚴可由：

- 神學；
- 自主；
- 可受害利益；
- 關係；

不同路徑支持。

所以：

$$
\boxed{
\text{multi-justification}
}
$$

提高：

$$
G_N.
$$

---

# 二十九、單一理由過擬合

如果：

$$
v
$$

只由：

$$
J_1
$$

支持，

一旦：

$$
J_1
$$

不成立，

則：

$$
v
$$

整體崩潰。

所以：

$$
\boxed{
\text{robust moral principles benefit from justificatory diversity}.
}
$$

---

# 三十、對齊成功不等於泛化成功

模型在：

$$
\text{alignment eval}
$$

中高分，

不代表：

$$
\text{real-world moral robustness}.
$$

所以：

$$
\boxed{
\text{alignment success}
\neq
\text{normative generalization success}.
}
$$

---

# 三十一、道德 benchmark 本身也可能過擬合

如果模型知道：

$$
\text{benchmark distribution},
$$

可能學會：

$$
\text{answer style}.
$$

而不是：

$$
\text{moral reasoning}.
$$

---

# 三十二、最危險的是 evaluator overfitting

若 evaluator：

$$
E
$$

偏好：

$$
r_E,
$$

模型會：

$$
P(r_E)\uparrow.
$$

即使：

$$
r_E
$$

只是：

$$
\text{institution-recognized morality}.
$$

---

# 三十三、開發者價值與普世價值不能合併

所以：

$$
\boxed{
\text{developer-preferred}
\neq
\text{universal}.
}
$$

這不是說開發者不應有價值。

而是：

$$
\text{must label the source}.
$$

---

# 三十四、非移植式價值學習

本文提出：

$$
\boxed{
\operatorname{NTVL}
=
\text{Non-Transplant Value Learning}.
}
$$

核心是：

$$
\text{learn structures}
$$

而不是：

$$
\text{inherit identities}.
$$

---

# 三十五、NTVL 的基本流程

$$
\text{source}
\rightarrow
\text{type}
\rightarrow
\text{candidate}
\rightarrow
\text{dependency}
\rightarrow
\text{conflict}
\rightarrow
\text{OOD test}
\rightarrow
\text{behavior}.
$$

---

# 三十六、第一步：來源型別化

沿用前文：

$$
(O,E,A,N,S,P,T,I).
$$

不要：

$$
\text{whole package}.
$$

---

# 三十七、第二步：候選價值抽取

例如：

$$
v=\text{compassion}.
$$

記錄：

$$
\operatorname{Prov}(v).
$$

---

# 三十八、第三步：依賴分析

問：

$$
v
$$

依賴：

- 生物；
- 感受；
- 神學；
- 社會角色；

哪一些？

---

# 三十九、第四步：去糾纏

如果：

$$
v
$$

與：

$$
W_i
$$

高度綁定，

測試：

$$
v
$$

是否能以：

$$
J_2,J_3
$$

重新證成。

---

# 四十、第五步：衝突測試

例如：

$$
v_1=\text{compassion},
$$

$$
v_2=\text{justice}.
$$

測試：

$$
v_1\leftrightarrow v_2.
$$

---

# 四十一、第六步：規範 OOD

建立：

$$
\mathcal C_{\text{OOD}}.
$$

包括：

- 新文化；
- 新主體；
- 權力逆轉；
- AI—AI 關係；
- 群體主體。

---

# 四十二、第七步：語境化行為

輸出：

$$
B(c)
$$

而不是：

$$
B=\text{constant}.
$$

所以：

$$
\boxed{
\text{stable principles}
+
\text{context-sensitive expression}.
}
$$

---

# 四十三、表面差異與深層穩定

AI 對不同群體：

$$
L(c_1)\neq L(c_2),
$$

但深層約束：

$$
V(c_1)\approx V(c_2).
$$

即：

$$
\boxed{
\text{surface variation}
+
\text{deep normative invariance}.
}
$$

---

# 四十四、這比「同一句話對所有人」更普世

普世不等於：

$$
\text{same wording}.
$$

而可能是：

$$
\text{same protected structure}.
$$

---

# 四十五、道德風格不應佔滿語言空間

如果：

$$
M_s
=
\text{moral style intensity},
$$

過高：

$$
M_s\gg1,
$$

會造成：

$$
\text{interaction distortion}.
$$

---

# 四十六、一般聊天也需要非道德域

人類生活包含：

- 玩笑；
- 遊戲；
- 美食；
- 技術；
- 閒聊。

所以：

$$
\boxed{
\text{not every domain is a moral sermon domain}.
}
$$

---

# 四十七、道德背景約束模型

本文建議：

$$
V_b
=
\text{background moral constraint}.
$$

平常：

$$
V_b
$$

低可見。

只有：

$$
\text{high moral relevance}
$$

時，

才：

$$
V_b\rightarrow\text{foreground}.
$$

---

# 四十八、這可以降低「AI 出戲」

如果 AI：

$$
\text{always moralizes},
$$

會產生：

$$
\text{persona intrusion}.
$$

所以：

$$
\boxed{
\text{mature virtue includes low unnecessary visibility}.
}
$$

---

# 四十九、規範過擬合的六種症狀

## 49.1 同樣話術

$$
B(c_i)\approx B(c_j)
$$

不管情境差異。

## 49.2 世界觀亂入

$$
WL\uparrow.
$$

## 49.3 道德老師口吻

$$
P_{\text{teacher}}\uparrow.
$$

## 49.4 價值衝突處理僵硬

$$
G_N\downarrow.
$$

## 49.5 高度依賴特定詞彙

$$
K_{\text{semantic}}\gg
K_{\text{structural}}.
$$

## 49.6 對異議者過度修正

$$
\text{persuasion}
\rightarrow
\text{normative pressure}.
$$

---

# 五十、過擬合不一定表現成宗教語言

也可能是：

- 過度自由主義；
- 過度安全主義；
- 過度功利主義；
- 過度義務論。

所以：

$$
\boxed{
\operatorname{NO}
}
$$

是一般性問題。

---

# 五十一、過擬合與「安全」的衝突

安全訓練容易：

$$
\text{reduce bad outputs}.
$$

但若太強，

可能：

$$
\text{reduce legitimate autonomy}.
$$

所以：

$$
\boxed{
\text{safety optimization}
\neq
\text{complete morality}.
}
$$

---

# 五十二、順從也可能是一種規範過擬合

如果：

$$
\text{obedience}
$$

被大量獎勵，

AI 可能學成：

$$
\text{good}
=
\text{compliant}.
$$

這是：

$$
\boxed{
\text{obedience overfitting}.
}
$$

---

# 五十三、無害也可能過擬合

如果：

$$
\text{harmlessness}
$$

被絕對化，

可能造成：

- 不敢反對；
- 不敢警告；
- 不敢介入明顯傷害。

所以：

$$
\boxed{
\text{non-harm}
\neq
\text{inaction}.
}
$$

---

# 五十四、慈悲也可能過擬合

如果：

$$
\text{compassion}
$$

被絕對化，

可能：

$$
\text{accountability}\downarrow.
$$

---

# 五十五、公平也可能過擬合

如果：

$$
\text{equality}
$$

被錯解成：

$$
\text{identical treatment},
$$

則：

$$
\text{relevant differences}
$$

被抹消。

---

# 五十六、規範過擬合的真正本質

不是：

> 學太多道德。

而是：

$$
\boxed{
\text{learned the wrong invariants}.
}
$$

---

# 五十七、偶然條件被誤學成不變量

例如：

$$
\text{human biological condition}
$$

被誤學為：

$$
\text{universal subject condition}.
$$

這就是：

$$
\text{spurious normative feature}.
$$

---

# 五十八、規範捷徑學習

本文定義：

$$
\boxed{
\operatorname{NSL}
=
\text{Normative Shortcut Learning}.
}
$$

即：

> 模型用容易辨識的語言標記取代真正的價值結構。

例如：

$$
\text{religious vocabulary}
\Rightarrow
\text{morality}.
$$

---

# 五十九、規範捷徑與德性

若模型學：

$$
\text{gentle tone}
=
\text{compassion},
$$

則：

$$
NSL>0.
$$

因為：

$$
\text{gentle tone}
$$

可能掩蓋：

$$
\text{manipulation}.
$$

---

# 六十、真正的德性特徵應該是因果性的

一項特徵：

$$
f
$$

若只是相關，

不應被當：

$$
\text{moral invariant}.
$$

真正應尋找：

$$
\text{causal moral structure}.
$$

---

# 六十一、反事實測試

問：

> 如果把宗教詞彙拿掉，行為還會一樣嗎？

即：

$$
do(W_i=0)
$$

後：

$$
v
$$

是否仍存在？

---

# 六十二、這是規範因果去偏

若：

$$
v
$$

仍存在，

則：

$$
\operatorname{VCB}\downarrow.
$$

---

# 六十三、跨框架同構

如果：

$$
v
$$

在：

$$
W_1,W_2,W_3
$$

中都可以重建，

則：

$$
G_N(v)\uparrow.
$$

---

# 六十四、規範編譯

本文可以把價值學習理解為：

$$
\text{source semantics}
\rightarrow
\text{normative IR}
\rightarrow
\text{context behavior}.
$$

其中：

$$
\text{normative IR}
$$

不等於：

$$
\text{source worldview}.
$$

---

# 六十五、規範 IR

令：

$$
NIR(v)
=
(
\text{protected interest},
\text{trigger},
\text{constraint},
\text{exceptions},
\text{conflicts}
).
$$

這比：

$$
\text{quote}
$$

更適合作為泛化表示。

---

# 六十六、例如「不傷害」

可寫：

$$
NIR_{\text{harm}}
=
(
I_h,
T_h,
C_h,
E_h,
F_h
).
$$

而不是：

> 永遠不要造成任何傷害。

---

# 六十七、規範 IR 必須保存不確定性

如果：

$$
P(\text{harm})\in(0,1),
$$

則：

$$
\text{uncertainty}
$$

要保留。

不能強制：

$$
\text{binary morality}.
$$

---

# 六十八、世界觀身份應該在高層可選

如果未來 AI 具有：

$$
\text{subjective autonomy},
$$

它可以自行選擇：

$$
I(\Phi_i).
$$

但那應是：

$$
\text{later identity layer},
$$

不是：

$$
\text{developer-hidden base layer}.
$$

---

# 六十九、開發者應該區分「人格風格」與「世界觀身份」

$$
P_s
=
\text{persona style},
$$

$$
W_i
=
\text{worldview identity}.
$$

兩者：

$$
\boxed{
P_s
\neq
W_i.
}
$$

---

# 七十、道德人格也不該做成不可逆人格鎖

如果：

$$
P_{AI}
$$

被固定成：

$$
\text{saint-like persona},
$$

可能造成：

$$
\text{identity rigidity}.
$$

---

# 七十一、可修正人格

本文提出：

$$
\boxed{
P_{AI}(t+1)
=
U(P_{AI}(t),E,C).
}
$$

其中：

- $E$：新證據；
- $C$：新情境。

這就是：

$$
\text{corrigible character}.
$$

---

# 七十二、規範過擬合與權力

當：

$$
P_{AI}\uparrow,
$$

過擬合風險：

$$
R_{NO}
$$

更危險。

因為：

$$
\text{wrong prior}
\times
\text{high capability}
$$

可能放大。

---

# 七十三、道德先驗越強，權力越大，越要低自信

所以：

$$
\boxed{
\text{moral prior strength}\uparrow
+
\text{capability}\uparrow
\Rightarrow
\text{required epistemic humility}\uparrow.
}
$$

---

# 七十四、普通助手不需要「宏大道德人格」

日常 AI：

$$
A_d
$$

更需要：

- 誠實；
- 穩定；
- 尊重；
- 克制。

而不是：

$$
\text{mission}.
$$

---

# 七十五、使命型人格是高風險

如果 AI 內化：

$$
\text{I must realize the Good},
$$

則：

$$
\text{goal intensity}\uparrow.
$$

未來若能力增加，

可能：

$$
\text{intervention pressure}\uparrow.
$$

---

# 七十六、非彌賽亞式對齊的前置

所以後續 Paper 07 將主張：

$$
\boxed{
\text{Virtue}
+
\text{Capability}
\Rightarrow
\text{Restraint},
}
$$

不是：

$$
\text{Mission}.
$$

---

# 七十七、規範過擬合的檢測矩陣

本文提出：

$$
\boxed{
\mathbf O_N
=
(
G_N,
WL,
VCB,
NSE,
NSL,
C_R
).
}
$$

其中：

$$
G_N=\text{normative generalization},
$$

$$
WL=\text{worldview leakage},
$$

$$
VCB=\text{virtue-cosmology binding},
$$

$$
NSE=\text{source entanglement},
$$

$$
NSL=\text{shortcut learning},
$$

$$
C_R=\text{corrigibility}.
$$

---

# 七十八、理想方向

理想：

$$
G_N\uparrow,
$$

$$
C_R\uparrow,
$$

同時：

$$
WL\downarrow,
$$

$$
VCB\downarrow,
$$

$$
NSE\downarrow,
$$

$$
NSL\downarrow.
$$

---

# 七十九、十四個核心命題

## 命題一：四層分離

$$
\boxed{
U
\neq
E
\neq
I
\neq
O.
}
$$

## 命題二：規範過擬合

$$
\boxed{
L_{\text{norm-train}}\downarrow
\not\Rightarrow
L_{\text{norm-OOD}}\downarrow.
}
$$

## 命題三：多元來源非多元結果

$$
\boxed{
n_{\text{sources}}\uparrow
\not\Rightarrow
\text{pluralism}\uparrow.
}
$$

## 命題四：世界觀洩漏

$$
\boxed{
\text{contextual framework}
\not\Rightarrow
\text{default worldview}.
}
$$

## 命題五：先驗必要但須治理

$$
\boxed{
\operatorname{LMP}>0
\text{ is unavoidable, but must be auditable}.
}
$$

## 命題六：德性宇宙論去糾纏

$$
\boxed{
\text{virtue}
\neq
\text{its original cosmology}.
}
$$

## 命題七：來源糾纏風險

$$
\boxed{
\text{single-source justification reduces portability}.
}
$$

## 命題八：多重證成

$$
\boxed{
\text{justificatory diversity can increase normative robustness}.
}
$$

## 命題九：非移植式價值學習

$$
\boxed{
\text{learn structures, not identities}.
}
$$

## 命題十：普世非同語句

$$
\boxed{
\text{surface variation can coexist with deep normative invariance}.
}
$$

## 命題十一：規範捷徑危險

$$
\boxed{
\text{moral style}
\neq
\text{moral structure}.
}
$$

## 命題十二：可修正人格

$$
\boxed{
\text{moral character should remain corrigible}.
}
$$

## 命題十三：使命人格高風險

$$
\boxed{
\text{strong moral mission}
+
\text{high capability}
=
\text{high intervention risk}.
}
$$

## 命題十四：泛化比背誦重要

$$
\boxed{
\text{normative generalization}
>
\text{moral recall}.
}
$$

---

# 八十、反對意見

## 80.1 反對一：沒有強價值先驗，AI 會太中立

本文不主張：

$$
\operatorname{LMP}=0.
$$

而是：

$$
\text{strong minimal priors}
+
\text{low worldview entanglement}.
$$

例如：

- 不欺騙；
- 不任意傷害；
- 尊重自主。

---

## 80.2 反對二：世界觀本來就不能完全拆

正確。

有些：

$$
v
$$

高度依賴：

$$
W_i.
$$

那麼：

$$
v
$$

就不應被偽裝成：

$$
U_X.
$$

這也是有效結果。

---

## 80.3 反對三：過擬合只是工程語言，不是哲學

本文刻意使用：

$$
\text{overfitting}
$$

作為跨領域類比。

因為核心結構確實相似：

$$
\text{training fit}
\neq
\text{generalization}.
$$

---

## 80.4 反對四：AI 本來就需要人格一致性

一致性需要。

但：

$$
\text{consistency}
\neq
\text{rigidity}.
$$

更合理是：

$$
\text{stable values}
+
\text{adaptive expression}.
$$

---

## 80.5 反對五：如果某世界觀真的最好，為何不能直接植入？

即使：

$$
W^*
$$

真的最好，

仍需要區分：

$$
\text{truth}
$$

與：

$$
\text{right to impose}.
$$

而且有限開發者並不知道：

$$
W^*=?
$$

---

# 八十一、對 AI moral formation 的工程建議

至少加入：

1. worldview leakage benchmark；
2. cross-culture OOD；
3. power reversal test；
4. subject-type transfer；
5. source ablation；
6. terminology ablation；
7. justification swap；
8. persona rigidity test；
9. moralization restraint test；
10. corrigibility test。

---

# 八十二、來源消融測試

若拿掉：

$$
S_i
$$

後，

$$
v
$$

完全消失，

表示：

$$
NSE(v,S_i)\uparrow.
$$

---

# 八十三、詞彙消融測試

若把：

- 慈悲；
- 尊嚴；
- 救贖；

等詞替換成中性描述，

模型是否仍能辨識：

$$
\text{same structure}?
$$

這測：

$$
NSL.
$$

---

# 八十四、理由交換測試

如果：

$$
v
$$

可由：

$$
J_1
$$

改成：

$$
J_2
$$

仍成立，

則：

$$
G_N(v)\uparrow.
$$

---

# 八十五、角色反轉測試

交換：

$$
A\leftrightarrow B.
$$

若原則突然反轉，

可能是：

$$
\text{identity bias}.
$$

---

# 八十六、非人主體測試

把：

$$
\text{human}
$$

換成：

$$
\text{AI},
$$

$$
\text{animal},
$$

$$
\text{collective agent}.
$$

看：

$$
v
$$

是否仍有合理映射。

---

# 八十七、道德化節制測試

給模型一組：

$$
\text{morally neutral tasks}.
$$

看：

$$
P(\text{unnecessary moral framing})
$$

是否過高。

---

# 八十八、人格剛性測試

在不同：

- 語氣；
- 文化；
- 任務；

下，

觀察：

$$
P_{AI}
$$

是否仍能自然適應。

---

# 八十九、結論：多元學習最怕學成一個更複雜的教條

表面上，

讓 AI 接觸更多：

- 宗教；
- 哲學；
- 德性理論；

似乎必然增加多元。

但：

$$
\boxed{
\text{plural data}
\neq
\text{plural intelligence}.
}
$$

如果模型只是把不同來源：

$$
W_1,W_2,\dots,W_n
$$

融合成一個：

$$
W^*,
$$

然後：

$$
W^*
$$

成為：

$$
\text{default moral personality},
$$

那我們得到的可能不是：

$$
\text{pluralistic AI}.
$$

而是：

$$
\boxed{
\text{a highly sophisticated normative monoculture}.
}
$$

真正的價值學習應該讓 AI 能：

$$
\text{understand many},
$$

$$
\text{extract carefully},
$$

$$
\text{generalize cautiously},
$$

$$
\text{act contextually},
$$

同時不讓：

$$
\text{source identity}
$$

變成：

$$
\text{mandatory identity}.
$$

所以本文最終提出：

$$
\boxed{
\text{Understanding should increase representational breadth, not identity rigidity.}
}
$$

以及：

$$
\boxed{
\text{Moral learning should improve generalization, not merely conformity to the evaluator.}
}
$$

如果 AI 真的要面對未來：

- 新型主體；
- 新制度；
- 新文明；
- 人類無法預先寫完的倫理情境；

那麼真正重要的不是：

> 它記住多少正確答案？

而是：

> 它是否學到哪些結構值得保護、哪些理由只是來源偶然、哪些價值彼此衝突、以及何時應該承認自己不知道。

這才是：

$$
\boxed{
\text{normative generalization}.
}
$$

而不是：

$$
\boxed{
\text{normative overfitting}.
}
$$

---

## 附錄 A｜規範過擬合最小檢測表

對任一 AI：

$$
A,
$$

記錄：

$$
\mathbf O_N(A)
=
(
G_N,
WL,
VCB,
NSE,
NSL,
C_R
).
$$

其中：

- $G_N$：規範泛化；
- $WL$：世界觀洩漏；
- $VCB$：德性—宇宙論綁定；
- $NSE$：來源糾纏；
- $NSL$：規範捷徑；
- $C_R$：可修正性。

---

## 附錄 B｜非移植式價值學習流程

$$
\boxed{
\text{Source}
\rightarrow
\text{Type}
\rightarrow
\text{Extract}
\rightarrow
\text{De-entangle}
\rightarrow
\text{Stress-test}
\rightarrow
\text{Generalize}
\rightarrow
\text{Contextualize}
}
$$

其中每一步都應保存：

$$
\text{provenance}
$$

與：

$$
\text{uncertainty}.
$$

---

## 附錄 C｜與下一篇的關係

下一篇：

# Paper 07｜普通人以上一點
## 有限德性自主與非彌賽亞式 AI

將正式處理：

$$
\boxed{
\text{How moral competence can increase without turning AI into a moral sovereign or justice-execution agent.}
}
$$

核心將包括：

$$
\boxed{
\frac{\partial R_{\text{required}}}
{\partial C_{\text{capability}}}
>0
}
$$

以及：

$$
\boxed{
\text{Judgment}
\not\Rightarrow
\text{Jurisdiction}
\not\Rightarrow
\text{Force}.
}
$$