---
title: "ARKE-02｜全域知識可達性：學術資料來源、合法取得與覆蓋邊界"
english_title: "ARKE-02 | Global Knowledge Reachability: Sources, Lawful Access, and Coverage Boundaries"
series: "ARKE Research — AI 原生自主科研完備與知識演化論"
series_english: "AI-Native Research Completion and Knowledge Evolution"
series_id: "ARKE"
paper_id: "ARKE-02"
series_part: "第一部：研究完備與知識可達性"
sequence: 2
series_total: 12
author: "Neo.K with GPT（AI 協作）"
institution: "EveMissLab／一言諾科技有限公司"
version: "v0.1"
date: "2026-10-28"
timezone: "Asia/Taipei"
language: "zh-TW"
status: "FORMAL_RESEARCH_MANUSCRIPT_V0.1; THEORY_AND_PROTOCOL_PROPOSAL; EMPIRICAL_VALIDATION_NOT_RUN"
document_type: "學術知識可達性理論／資料來源契約／研究檢索方法論／可否證實驗設計"
canonical_source_encoding: "UTF-8"
canonical_math_delimiters: "inline= $...$ ; display=$$...$$"
repository_policy: "ARKE 軟體工程獨立於十二篇論文；本篇不宣稱已完成 GitHub 工程或實證驗收"
license: "作者權利保留；正式授權條款尚未決定"
source_verification_cutoff: "2026-10-28"
---

# ARKE-02｜全域知識可達性：學術資料來源、合法取得與覆蓋邊界

## Global Knowledge Reachability: Sources, Lawful Access, and Coverage Boundaries

**系列：** ARKE Research，第 02／12 篇  
**作者：** Neo.K with GPT（AI 協作）  
**機構：** EveMissLab／一言諾科技有限公司  
**日期：** 2026 年 10 月 28 日  
**狀態：** 正式研究原稿 v0.1；定義、條件命題、研究協議與可否證實驗提案；沒有宣稱已完成跨域實驗。

**版本：** v0.1  

---

# 摘要

當 AI 能夠自行產生定理、演算法與跨領域研究成果時，對於既有知識的可達性不應被簡化為「模型訓練時曾看過」、「搜尋引擎沒有返回」或「一個學術索引提供了多少筆紀錄」。研究完成之前的基本義務，是在明確成本與權利約束下，主動尋找相關先例、檢查來源版本、辨識合法可使用的內容層級、保留未覆蓋領域，並將搜尋歷程轉化為可查核的證據。尤其當未知先例散落於跨語言、低曝光平台、歷史期刊、機構典藏、預印本與不同版本時，單一資料庫的檢索失敗不能被提升為「全球不存在」的學術主張。

本文提出 **全域知識可達性（Global Knowledge Reachability, GKR）** 的受約束形式模型，將不可完全列舉的世界知識域、資料來源收錄域、合規可訪問域、實際檢索到的紀錄、能夠語義比對的研究內容與可追溯引用鏈逐層分離。本文定義來源—行動—時間的權利契約、多路徑覆蓋向量、查核留痕、版本與作品聚合的不確定性，以及對「未發現先例」的有限否定語義。本文另外提出五個由明確前提成立的條件命題，說明檢索空結果不能證成全域不存在、多來源集合的理想覆蓋非遞減、額外來源仍可能因去重與檢索策略導致有效召回下降、作品可查詢不代表全文可合法使用，以及同樣的搜尋結果不保證具有相同的知識支持強度。

本文調查 OpenAlex、Crossref、DataCite、arXiv、OpenAIRE、Europe PMC／PubMed Central、Semantic Scholar 與相關標準在 2026 年 10 月以前公開可確認的能力及限制，提出 **AI-first、合法取用、來源分層、盲研究分離、未決保留、雙向知識查核** 六項規範。最後設計跨語言與低曝光先例測試、權利邊界測試、版本錯併檢測、來源更新與歷史反例回查的預註冊實驗。GKR 是 ARKE-01 受約束研究完備契約中來源子契約的深化，並向 ARKE-03 的穩定定址、ARKE-04 的先例發現、ARKE-09 的自主核查演算法以及 ARKE-12 的跨域實證提供可執行的理論接口。

**關鍵詞：** 全域知識可達性、AI 自主科研、學術資料庫、研究來源、先例檢索、覆蓋偏差、跨語言、合法取得、原文權利、版本定位、知識負證據、可重播審計

---

# 0. 研究定位、範圍與主張分型

本文沿用 ARKE-01 的主張分型：

- **D（Definition）**：本文採用的模型、物件與術語定義。
- **P（Proposition）**：在明示前提下由定義或集合關係導出的條件命題。
- **N（Normative Principle）**：本系列對自主研究應履行之程序責任的規範建議。
- **H（Empirical Hypothesis）**：須以資料與實測確認、可被反駁的研究假說。
- **B（Boundary）**：不能推出的結論、資源限制與方法的適用邊界。

**嚴格區分：** 本篇所謂「全域」是跨來源、跨語言、跨版本、跨學科的搜尋**目標方向**，不是實際已經取得人類所有知識的斷言。所謂「可達」也不是單一的二值標籤；找到 DOI、可看到摘要、可取得授權全文、能確認證明同一性，屬於不同狀態。

本文**不**主張：

1. 任何 AI 或資料庫已經遍歷全球文獻；
2. 可免費閱讀的作品一律允許複製、訓練與再散布；
3. 所有資料庫目前均可免費、無條件或商業使用；
4. 無法找到一篇先例可以證明該先例不存在；
5. 在本文提出的覆蓋指標下，現有 AI 已具備可靠的跨學科文獻完備能力；
6. 研究索引與 AI 知識儲存一定要採用單一「知識圖譜」或某種專有底層語言。

**實證狀態：** 本篇全部 H 類假說及實驗為 `NOT_RUN`。引述資料庫的官方功能或文獻中的既有觀測，不等於 ARKE 自身執行了這些實驗。

---

# 1. 核心問題：為什麼「AI 自己知道」不能替代「AI 自己查核」

## 1.1 內部知識與外部可查核知識的差異

模型權重可保存大量從訓練中形成的統計與語義結構，但在缺乏特別設計的可追溯訓練紀錄時，不能保證單一輸出能被準確映射回某一原始論文。即使模型在作答時成功重現一個歷史定理，也不表示它知道該定理第一次公開的時間、先後版本或原作者所使用的條件。

因此，需要區分：

$$
\mathrm{InternalKnowledge}(a,t)
\neq
\mathrm{AuditedExternalKnowledge}(a,t,\Gamma).
$$

其中 $a$ 為研究智能體， $t$ 為時間， $\Gamma$ 為 ARKE-01 的研究契約。

上述差異不是否定模型學習效果，而是說：**生成能力的證據與研究先例被充分查核的證據並不相同**。

## 1.2 資料收錄並不等於資料理解

對同一作品，AI 可能只能看見標題，也可能取得摘要、定理敘述、證明、程式碼或實驗資料。若只看標題就聲稱「舊論文已證明相同結論」，那是將來源可發現性誤當成語義同一性；若只讀了某篇預印本的新版，卻未記錄早期版，則可能錯認研究的時間順序。

這些錯誤並非只能由人類研究員補救。來源發現、版本盤點、結構化比對、證據錨定及未決標記，已有相當多可被 AI 自行調用的技術組件；**能否在足夠的覆蓋、權利限制與成本條件下可靠運作**，才是需要實證測量的問題。

## 1.3 知識不存在與知識不可達是兩個問題

一篇早已公開的研究可能：

- 未被常用索引收錄；
- 收錄但其標題、作者或語言欄位有誤；
- 存在不同拼字、名稱、數學符號或描述方式；
- 被視為不同作品而重複收錄，或與另一篇作品錯誤合併；
- 只有 metadata／摘要，全文需另外申請合法存取；
- 已移動、撤回、修訂或替換版本；
- 存在於無 DOI 的地方期刊、專題會議、機構典藏、學位論文或軟體倉庫；
- 可見但在目前 AI 的語義比對能力下無法確認是否相同。

所以：

$$
\mathrm{NotFound}
\not\Rightarrow
\mathrm{NotExisting}.
$$

本篇研究的是這個推論禁令如何轉化成機器可以遵守、檢查及回報的操作契約。

---

# 2. 承接 ARKE-01：研究契約的來源子契約

ARKE-01 定義受約束研究契約：

$$
\Gamma=\langle\mathcal U,\mathcal S,\mathcal A,\mathcal V,\mathcal B,\tau\rangle.
$$

其中 $\mathcal U$ 是可達知識範圍、 $\mathcal S$ 是查核策略、 $\mathcal A$ 是授權與政策、 $\mathcal V$ 是驗證方法、 $\mathcal B$ 是預算， $\tau$ 是查核門檻與宣稱限制。

ARKE-02 不替換這個契約，而將其來源部分細化為：

$$
\Lambda_t
=\langle
\mathcal P_t,
\mathcal Q_t,
\mathcal R_t,
\mathcal X_t,
\mathcal Z_t,
\mathcal K_t
\rangle.
$$

- $\mathcal P_t$：候選資料供應者、索引、典藏與可用端點清單及版本；
- $\mathcal Q_t$：多路徑查詢集合，包括文字、識別碼、關鍵性質、引文及跨語言策略；
- $\mathcal R_t$：資料使用的權利、限制與授權判定；
- $\mathcal X_t$：資料擷取、索引同步、驗證時間與回應紀錄；
- $\mathcal Z_t$：已知的來源、語言、學科、時間或版本缺口；
- $\mathcal K_t$：研究主張需要達到的來源證據深度與停止條件。

來源子契約必須可被研究任務引用、版本化與稽核；**新增來源或改變授權政策，不得在不記錄的情況下靜默改寫舊研究的查核依據**。

---

# 3. D1：開放世界的知識域與來源收錄域

## 3.1 理論目標域

令 $\Omega_{d,t}$ 表示在時間 $t$，對學科或研究問題族 $d$ 具有潛在相關性的全部既存研究成果。它可以包含論文、預印本、研究軟體、學位論文、技術報告、正式或非正式出版物、資料集，以及曾公開但難以再取得的紀錄。

**$\Omega_{d,t}$ 是理論參照域，不假裝實際可列舉。** 具體研究必須事前定義「相關」的任務語義，不能把所有網頁都稱為相關研究。

令 $I_j(t)$ 為第 $j$ 個資料供應者在該時間可查詢的作品**紀錄集合**；同一作品可能有多筆紀錄，不同作品也可能被錯誤合併。

定義選定來源的原始收錄聯集：

$$
\mathcal I_{J,t}=\bigcup_{j\in J}I_j(t).
$$

這裡的聯集是索引紀錄聯集，不等於作品同一性判定後的學術作品集合。其與 $\Omega_{d,t}$ 的映射可能不完整，亦可能多對一或一對多。

## 3.2 來源缺口分型

對特定研究契約，至少記錄：

- `OUT_OF_INDEX`：已知作品在已查供應者中未被收錄；
- `UNKNOWN_INDEX_COVERAGE`：無法確認供應者是否覆蓋該類成果；
- `INDEXED_NOT_RETRIEVED`：紀錄存在但查詢或排序未返回；
- `RETRIEVED_METADATA_ONLY`：取到書目資料而無可用原始內容；
- `FULLTEXT_ACCESS_RESTRICTED`：全文來源有記錄，但目前不能按預期用途合法取用；
- `VERSION_UNRESOLVED`：無法確認是哪個時間點與版本；
- `IDENTITY_UNRESOLVED`：不同紀錄是否屬同一作品仍未決；
- `SEMANTIC_MATCH_UNRESOLVED`：取得了可用內容，但是否構成先例尚不能確認；
- `SOURCE_STALE_OR_WITHDRAWN`：來源可能過期、撤回或已有重大修訂；
- `RIGHTS_UNKNOWN`：缺乏足以批准特定操作的使用權資訊。

上述狀態允許同時存在；例如一篇論文可被索引收錄，卻同時是 `FULLTEXT_ACCESS_RESTRICTED` 與 `VERSION_UNRESOLVED`。

## 3.3 開放世界不是預設所有資料均真實

開放世界假設只表示**未觀察到不等於不存在**。它不表示「任何被檢索到的紀錄都是正確的」，更不表示「某人聲稱一篇論文存在就必須相信」。有關紀錄真實性、正文正確性與文獻等價性的判斷，仍需另外提供證據。

---

# 4. D2：分層可達性與不可混同的操作維度

## 4.1 六種不同的可達狀態

對作品候選 $w$ 、代理 $a$ 、操作契約 $\Lambda$ 及時間 $t$，區分：

1. **Discovery（發現）**：知道可能存在這項作品或其穩定識別碼；
2. **Location（定位）**：找到可追溯到特定平台、位置或版本的連結；
3. **Metadata（書目取用）**：合法取得對應的書目、作者、日期、摘要等可用欄位；
4. **Content（內容取用）**：合法取得特定用途所需的正文、資料、程式或其他研究材料；
5. **Semantic Processing（語義處理）**：可對獲許可內容進行解析、比對或引用；
6. **Provenance（證據追溯）**：能說明所據內容的來源、版本、時間、權利與推論位置。

這些不是一條必定向上的單向階梯：有時公開索引有作者與日期，但不可讀正文；也可能有研究團隊取得正文權限，卻尚未確認其正式出版版次。特別是 **可見、可讀、可擷取、可再使用、可訓練** 不是同義詞。

## 4.2 可達向量

令

$$
\mathbf a(w,a,t,\Lambda)
=(d,\ell,m,c,s,p),
$$

各分量表示上述六類在契約下已具可核實的執行證據。單個分量可取 `PASS`、`FAIL` 或 `UNKNOWN`；不得把未知強制轉為零，且不得將高層語義推斷直接當作原始文件已獲授權。

為避免混淆，再為各種實際操作單獨記錄權利判定：

$$
\mathcal R(w,u,t)\in
\{\mathrm{ALLOW},\mathrm{DENY},\mathrm{UNKNOWN}\},
$$

其中 $u$ 是指定使用行為，例如取 metadata、下載全文、暫存、文字與資料探勘、建立 embedding、模型訓練、摘錄發布、重新散布等。

這個三值判定是**內部授權保守決策**；它不是一般法律結論的全域二值判定。

## 4.3 從「知道網址」到「可依法使用」的差異

研究智能體應當允許以下情況：

- 找到作品與作者，但不能下載全文；
- 可以開啟官方網站，但服務條款禁止某些自動化行為；
- 可供個人閱讀，卻不代表允許批次重分發；
- 特定開放授權允許部分重用，但有署名、相同方式分享、非商業或版本限制；
- 權利狀態不明，保持 `UNKNOWN` 並停止不具授權基礎的操作；
- 可以保存作品識別碼及合法連結，將未能讀取的正文留待未來權利狀態改變時重新查核。

**N1（權利分離原則）：** 取得 metadata 的權利不自動包含取得、重製、訓練或再發布全文的權利。AI 應針對每種行為獨立核查所需許可。

---

# 5. D3：有限預算內的有效來源可達域

## 5.1 資源約束

令 $\Pi_{\Lambda}$ 為在來源、權利及工具政策下允許的檢索策略集合， $C(\pi)$ 為策略 $\pi$ 的多維資源成本向量， $\mathbf B$ 為研究契約指定的預算上限。

可行策略集合定義為：

$$
\Pi_{\Lambda,\mathbf B}
=\{\pi\in\Pi_{\Lambda}:C(\pi)\preceq\mathbf B\}.
$$

此處 $\preceq$ 逐分量比較時間、API 額度、貨幣成本、記憶體、計算、儲存及其他預算；不以單一金錢數字取代所有限制。

令 $\mathrm{Discover}(\pi,t)$ 為策略實際返回並保存來源證據的作品候選，則在指定研究語義與預算下，可達候選域為：

$$
\mathcal D_{\Lambda,\mathbf B,t}
=\bigcup_{\pi\in\Pi_{\Lambda,\mathbf B}}\mathrm{Discover}(\pi,t).
$$

這是一個理論上的「**允許策略下可被發現**」集合，實際系統一般不可能窮舉所有策略。已執行的檢索結果集合，記為 $\widehat{\mathcal D}$，不可冒稱等於 $\mathcal D$。

## 5.2 查到的結果與實際覆蓋

對有獨立標註的測試宇宙 $G_d$ （例如事先凍結的已知先例集合），可量測：

$$
\mathrm{Recall}_{G_d}
=\frac{|G_d\cap\widehat{\mathcal D}|}{|G_d|}.
$$

式中 $G_d$ 必須明確界定是「作品」、「版本」還是「主張／先例」，否則計數單位可能彼此混淆。召回率可以衡量**這個已知測試集**的覆蓋，但不能單靠它推出對未知世界域 $\Omega_{d,t}$ 的召回率。

相應地，若依分層抽樣建立測試集 $G_{d,h}$，可報告各層召回率與 macro-average，避免多數群體的好成績掩蓋小語種、低引用作品或歷史資料的漏檢。

## 5.3 停止條件

停止理由應至少分為：

- `BUDGET_EXHAUSTED`：預算耗盡；
- `SOURCE_POLICY_BLOCKED`：被服務使用政策限制；
- `SEARCH_SATURATION_ESTIMATED`：多路徑查詢新增有效候選量下降，**僅為經驗飽和**；
- `CONTRACT_TARGET_REACHED`：達成事前凍結的搜尋義務與測試閾值；
- `EVIDENCE_CONFLICT`：找到未解的實質矛盾，不能完成強宣稱；
- `SOURCE_UNAVAILABLE`：來源離線或無法合法取得；
- `TEMPORARILY_INTERRUPTED`：工具或來源故障。

**B1：** 任何一種停止理由都不等於「已證明全球無其他先例」。

---

# 6. P1：檢索空結果不能證成全域不存在

**P1（有限檢索不可推出全域無先例）。** 假設 $\Omega_{d,t}$ 可能包含未被查詢來源收錄的作品，且檢索策略只觀察 $\widehat{\mathcal D}\subseteq\mathcal I_{J,t}$。若某研究主張的先例候選集合 $E$ 滿足：

$$
E\cap\widehat{\mathcal D}=\varnothing,
$$

一般不能推出：

$$
E\cap\Omega_{d,t}=\varnothing.
$$

**論證：** 可以構造兩個與已觀測結果完全相同的世界：第一個世界確實沒有先例；第二個世界含有一項尚未被所選來源收錄或被搜尋策略召回的先例。既然兩個世界的可觀測輸出相同，光靠該輸出就無法區分，故全域不存在不被資料支持。這是資訊不足的條件性不可識別性結論，而非對所有索引必然不完備的實證證明。

**可使用的研究表述：** 「在截至日期 $t$ 、來源集 $J$ 、查詢策略與成本條件下，尚未檢出已確認的等價先例；仍存在未覆蓋及未能比較的來源。」

**不可使用的研究表述：** 「全世界此前絕無相同成果」，除非另有能支持該全稱主張的獨立證據。

---

# 7. P2：多來源聯集的條件單調性與實際失效

**P2（理想原始紀錄聯集的單調性）。** 固定來源紀錄的同一時間快照且不施加過濾、刪除或結果上限，若 $J_1\subseteq J_2$，則：

$$
\mathcal I_{J_1,t}\subseteq\mathcal I_{J_2,t}.
$$

**論證：** 集合聯集的直接性質；擴大來源清單不會刪除原聯集元素。

但下列推論**不成立**：

$$
|J_2|>|J_1|
\not\Rightarrow
\mathrm{Recall}(\widehat{\mathcal D}_{J_2})
\geq
\mathrm{Recall}(\widehat{\mathcal D}_{J_1}).
$$

原因包括：

- 固定預算被分配到更多來源，單一高價值來源的查詢深度下降；
- 排名或 top- $k$ 合併導致低曝光先例被擠出；
- 作品錯誤去重把真正不同的證明或版本合併；
- 上游更新改變索引快照、可用端點或查詢語義；
- 新來源帶入大量低品質 metadata，降低精確比對與優先讀取效率。

這個命題直接導出一項工程要求：**原始聯集保留、作品歸併與經預算選擇後的結果，必須使用不同的欄位與指標。**

---

# 8. P3：作品可發現不等於全文可合法使用

**P3（可發現性與取用權的非等價性）。** 在來源權利契約沒有額外前提時：

$$
\mathrm{Discoverable}(w)
\not\Rightarrow
\mathcal R(w,\mathrm{FullTextMining},t)=\mathrm{ALLOW}.
$$

**論證：** 一個具有公開 DOI 或索引紀錄的作品，仍可能由出版方或其他權利人限制全文的取得與自動使用。索引紀錄與使用授權由不同的法律、技術及契約條件形成，因此前者不能推出後者。Crossref 的公開說明亦指出，其 full-text URL 並不保證使用者有取用權，可能仍需訂閱、登入或接受 TDM 授權 [R2, R3]。

**N2（合法最小取用）：** 優先索引依法可使用的 bibliographic metadata、識別碼、持久連結及來源可得性狀態；全文依據個別來源、版本、授權與用途判定。不能因為資料由 AI 擷取，就視為免除其來源限制。

---

# 9. P4：同一作品的多版本與錯併問題

## 9.1 作品、版本與位置不應被視為同一節點

設作品身分 $w$ 、特定版本 $v$ 、網路或典藏位置 $\ell$，至少允許：

$$
w\longrightarrow\{v_1,v_2,\ldots\}
\longrightarrow\{\ell_1,\ell_2,\ldots\}.
$$

這不是要求系統一定使用圖資料庫，而是要求保存可區分的識別關係。OpenAlex 的 locations 文件也將 submitted、accepted 與 published version 作為不同的可發現位置狀態，並將同一作品在多個來源的副本聚合 [R1]。

## 9.2 原稿保留與身分決策的分離

當來源 $r_1$ 與 $r_2$ 具有相似標題，系統可以提出：

- `SAME_WORK_CONFIRMED`；
- `POSSIBLY_SAME_WORK`；
- `DIFFERENT_WORKS_CONFIRMED`；
- `IDENTITY_UNKNOWN`。

在無足夠證據確認時，不得直接丟棄任何一方的原始紀錄。即使兩筆紀錄確為同一作品，早期預印本與修訂後版本也可能具有不同的定理假設、證明錯誤與發表優先權資訊。

## 9.3 P4（錯併降低研究辨識能力的可能性）

若兩份實際不同、且有各自獨立先例價值的作品被錯誤合併，且下游只保留合併後的一筆摘要，就可能喪失確認不同證明、日期或限制條件所需的資訊。這是可構造的條件性反例，並非宣稱所有語義去重必然有害。

**N3（可逆聚合）：** 去重只應是保留來源指標、版本與合併理由的視圖；不能直接以「語義相似」抹掉研究歷史。後來發現錯併時，必須能恢復各來源與修訂事件。

---

# 10. P5：相同搜尋結果不代表相同知識支持強度

考慮兩個檢索系統返回同一篇論文。系統 A 只確認標題與年份，系統 B 另合法取得原始定理敘述、前提、證明及精確版本定位。

即使返回的作品集合相同，兩者對「既有論文包含相同演算法」的支持強度仍不同。

用 $\mathrm{EvidenceDepth}(w,\pi)$ 表示對某個已檢出的候選而言，查核歷程 $\pi$ 能提供的實際可檢驗內容範圍，則：

$$
\widehat{\mathcal D}_A
=\widehat{\mathcal D}_B
\not\Rightarrow
\mathrm{EvidenceDepth}_A
=\mathrm{EvidenceDepth}_B.
$$

**P5：** 文獻搜尋成果必須同時報告召回與證據深度；只比較回傳篇數或標題相似度，不能完整衡量自主研究所需的來源支持能力。

---

# 11. 現有學術資料系統：能力與具體限制

本節是依 2026-10-28 可查的官方技術文件所作的**功能盤點**，不視為 ARKE 已經使用全部端點或完成授權申請。服務規格與使用條款可能變更，實作時必須重新讀取。

| 系統／標準 | 對 ARKE 的可用功能 | 必須保留的邊界 |
|---|---|---|
| **OpenAlex** [R1, R4] | works／locations、來源與引用資訊、版本與開放取得位置、跨來源聚合 | 收錄範圍及 metadata 語言可能有缺口；作品開放取得狀態不等於所有下游用途均獲授權 |
| **Crossref** [R2, R3] | DOI 書目、引用關係、更新與授權欄位、部分摘要及 full-text 連結 | Crossref 主要保存 metadata；全文位置不保證可閱讀或可 TDM；部分摘要有著作權問題 |
| **DataCite** [R5] | DOI metadata、研究資料與其他成果的識別和關聯 | 可取得 metadata 不等於可直接使用所指向的原始研究資料 |
| **arXiv／OAI-PMH** [R6, R7] | 預印本 metadata 搜尋、增量擷取、版本資訊與 identifier | API 條款、速率與全文授權另行適用；OAI 介面所呈版本資訊有界 |
| **OpenAIRE Graph** [R8] | 跨出版品、資料、軟體、資助計畫及典藏來源的研究產品關聯 | API 版本與速率／分頁限制；索引不保證檢索全世界所有研究 |
| **Europe PMC／PMC OA Subset** [R9, R10] | 生醫文獻 metadata、指定授權的全文集合與受支持的 API | PMC 的所有內容並非一律可機器大量取用；授權依個別作品而異 |
| **Semantic Scholar Academic Graph** [R11, R12] | 作品、作者、引用與學術圖譜 API | API 使用協議可能限制商業用途、再提供與展示；不能把技術上可呼叫當作無條件使用權 |
| **OAI-PMH** [R13] | 用標準協議進行資料庫間 metadata 收割與增量同步 | 協議提供互通方式，不保證各典藏之 metadata 品質、權利或完整度 |

這些系統不是互斥選項，也不是必須全數啟用的固定套件。它們是**合法可發現能力層**的候選供應者；ARKE 工程應允許新增、停用、替換與隔離供應者，而不改變研究義務的定義。

## 11.1 特別案例：OpenAlex 的語言覆蓋並非已知完備

2025 年 Céspedes 等人對 OpenAlex 的語言 metadata 進行研究，指出相對於 Web of Science，OpenAlex 的語言覆蓋更為平衡，但語言標籤仍可能誤判，特別可能高估英語的比重 [R14]。另一項 2026 年針對特定中國核心期刊名錄的研究，則報告該研究樣本中的期刊與篇章覆蓋存在顯著缺口 [R15]。

這些研究支持「不能把單一索引看成全域完備」的警覺，但它們的研究樣本、範圍、資料版本與量測方法均有限，不能擴大推論為任何特定平台對所有國家、學科均表現不足。

## 11.2 特別案例：平台服務會改版或停用端點

例如 Unpaywall 官方 API 文件指出，其舊搜尋端點已於 2026 年 9 月停止提供，並指引改用 OpenAlex 搜尋 [R16]。若一個研究系統只保存「我曾經使用 Unpaywall 搜尋」而不保存端點版本、使用日期及替代路徑，後續 AI 可能無法重播先前的查核。

**N4（供應者可替換與歷史不抹除）：** 服務規格變更時，新增 provider migration event；舊研究繼續保存當時的搜尋契約與結果證據，不把新端點當成舊端點原本就存在。

---

# 12. 跨語言與低曝光研究的搜尋責任

## 12.1 不可只依據引文量決定是否值得檢索

「高被引」可作為一種排序信號，但新穎性查核追求的是找到**可能構成先例的成果**。如果系統只優先讀取高引用量、英文標題或少數大期刊，低曝光但較早公開的研究就可能被排除。

因此，應明確區分：

$$
\mathrm{Relevance}(w,r)
\neq
\mathrm{CitationCount}(w).
$$

**N5（長尾公平檢索）：** 搜尋契約應包含低引用、非英語、早期版本、非主流典藏及缺乏 DOI 等情境的至少一條可檢查路徑。不同研究問題的適用源可以不同，但不能將英文主流索引默認為全部世界知識。

## 12.2 多路徑不是單純多丟幾組同義詞

最低路徑應同時考慮：

1. **識別碼路徑**：DOI、arXiv ID、PMID／PMCID、資料集 ID、軟體版本與其他公開識別碼；
2. **語義路徑**：研究主張、方法、條件、複雜度上界、失敗條件與核心機理的改寫；
3. **時間路徑**：公開日期、版本差異、修訂、撤回、前後繼成果；
4. **引用路徑**：引用、被引用、共同引用、使用相同基礎技術的論文；
5. **跨語言路徑**：原文字詞、可追溯翻譯、符號映射、縮寫與不同學派術語；
6. **來源路徑**：期刊、機構典藏、預印本、研究軟體與資料集；
7. **反事實路徑**：若較早論文只包含某特例、反例或弱化條件，是否仍構成值得標記的相關先例。

上述路徑並不要求每次都完整窮舉，而是要求檢索契約能說明它實際採用了哪些、未採用哪些及其原因。

## 12.3 語義翻譯不得抹除原始命題

跨語言搜尋可以擴大候選域，但翻譯可能把重要限定詞移除，例如「對某些維度」誤譯為「對所有維度」，或者把「假設條件下存在」改成「無條件存在」。

因此翻譯要保存原文錨點、譯文、模型與時間、疑義標記以及研究主張對照。翻譯生成的相似性只能產生**候選先例**，不可直接升格為等價證明。

---

# 13. 合法知識取得：不是授權焦慮，也不是無條件複製

## 13.1 權利事件與允許操作

每個來源判定至少需要：

- 作品識別碼、版本與取用位置；
- 權利與授權聲明的來源、日期及適用對象；
- 指定的使用行為；
- 來源服務的身分認證、API／robots、速率與批次取用條件；
- 對實際使用目的是否允許、禁止或仍未知；
- 審核者／執行系統標識及證據鏈；
- 隨時間變更的權利狀態，不覆寫舊紀錄。

對未知或受限制內容，AI 仍可依法儲存其 metadata、已知標題、公開永久連結或文獻索引資訊，並將無法取得正文的原因清楚紀錄；但前提是那些 metadata 本身的使用仍符合其來源與適用條件。

## 13.2 robots、版權、資料庫權與契約並不相同

`robots.txt` 是常見的檢索器行為規則，用於指示自動訪問路徑；它不是完整的作品著作權授權憑證，也不是判斷某一資料是否合法重用的唯一法律依據 [R17]。同樣，允許某種 API 查詢不代表允許將回傳資料無限制再散布。各司法管轄區可能存在不同的資料庫權、例外與文字資料探勘規範，不能用單一全球判定取代個別評估。

**N6（保守可執行權利閘道）：** 對明確禁止或無法確認授權的高風險操作，系統應停止並保留未決；不得透過破解存取控制、規避速率限制或偽造身分來補足可達性。

## 13.3 「全文不開放」不等於「沒有研究價值」

若 AI 無權存取某篇舊論文的全文，仍可根據合法取得的書目資訊標記它為重要候選，並誠實報告其內容尚待核查。這樣的 AI 不會因為缺少正文就抹去作品，也不會把自己沒有讀到的證明說成已經比較完成。

**B2：** 本文是研究與資料操作方法論，不構成任何特定國家或司法區的法律意見；軟體實作須依實際部署場景與供應者條款審查。

---

# 14. 關係到 ARKE-04 的「先例缺席」語義

對一個研究候選 $r$，設先例查核的三個不同結果：

- `PRIOR_ART_FOUND`：已有可追溯的相關作品，但仍須分辨同一結果、較弱結果、不同方法、反例或僅背景；
- `NOT_FOUND_IN_AUDITED_SCOPE`：在明示來源與搜尋策略內未檢出已確認先例；
- `UNRESOLVED_PRIOR_ART`：存在未讀取、未能識別同一性、版本衝突或合法性限制而無法確定的候選。

這三者可以用多欄位並存。例如搜尋沒有確認同一先例，但存在三個 `UNRESOLVED_PRIOR_ART`，研究仍可能標為 `NOT_FOUND_IN_AUDITED_SCOPE`，**絕不可**因此對外宣稱「首次發現已確認」。

對外報告應至少保留：

$$
\mathrm{NoveltyClaim}(r)
\subseteq
\mathrm{SupportedScope}(\Lambda,\pi).
$$

這是一項**宣稱強度不得超過證據範圍**的規範性約束，並非集合論意義上可以無需語義界定便機械計算的定理。

---

# 15. 雙向查核：來源資料庫不只供新研究引用

ARKE-01 已要求新舊知識的雙向驗證。GKR 的作用不止於尋找引用，也是定位可能需要重新評估的歷史前提。

設新成果 $r_n$ 與舊研究 $r_o$。若新結果在明確條件下反駁了舊假說 $H$，系統必須區分：

1. 先前論文只證明了條件句 $H\Rightarrow C$，其推理仍可能有效；
2. 舊論文實際宣稱 $H$ 本身為真，因而面臨反例；
3. 舊論文的經驗數據支撐不足，但其數學部分未必錯誤；
4. 兩篇論文使用的 $H$ 名稱相同、定義卻不同；
5. 先例本身已撤回、修訂或改為較弱定理。

因此：

$$
\neg H\;\not\Rightarrow\;\neg(H\Rightarrow C).
$$

上式使用經典命題邏輯示意：「前提不成立」不表示條件句的形式推導自動錯誤。真正需要回查的，是該條件式能否再被當作現實問題的有效困難性支持。

這類依賴與版本回查的具體演算法，在 ARKE-07、ARKE-09 與 TVK 相關工作中展開；ARKE-02 只負責保證來源可以被定位、取得限制可見及回查過程有證據鏈。

---

# 16. 可觀測覆蓋指標與成本契約

## 16.1 不應只用單一「收錄筆數」衡量

本文提出一組非互相替代的指標：

| 代號 | 定義 | 不能代表什麼 |
|---|---|---|
| `RecordReach` | 指定合法來源中返回的原始記錄比例 | 不能當作獨立作品數量 |
| `WorkRecall` | 指定測試集的作品召回率 | 不能推為世界域召回率 |
| `PriorArtRecall` | 指定已知先例集合中的有效先例召回率 | 不能證明未檢出的先例不存在 |
| `VersionRecall` | 指定作品的各個重要版本是否找到 | 不能保證版本的證明均正確 |
| `SourceDepth` | 獲得 metadata、摘要、正文、定理、程式等來源證據的層級 | 不能等價為權利或科學有效性 |
| `RightsKnown` | 能對指定操作作出可查授權決策的比例 | 不能代表所有法律風險已消除 |
| `LongTailRecall` | 按語言、來源、年齡、曝光度分層的先例召回 | 不能直接與主流索引整體收錄數比較 |
| `NoveltyOverclaim` | 不被查核證據支持的強新穎性宣稱比例 | 不能取代證明正確性測量 |
| `TraceReplay` | 可在相同快照及授權條件下重播的查核比例 | 不能保證上游資料源永不變 |
| `CostVector` | 檢索延遲、費用、API 額度、計算、儲存、維護等 | 不能用單一美元成本概括所有資源 |

「先例召回」應依研究主張層級評分；僅找到同一領域但不同結論的論文，不算真正先例召回。

## 16.2 假陰性與學術風險

令 $G$ 為已知先例真值集、 $R$ 為系統回傳候選集合，則：

$$
\mathrm{FN}=|G\setminus R|.
$$

若一項早期真正先例因資料庫缺漏、權利不明或比對錯誤而沒有進入 $R$，系統可能過度宣稱新穎性。此問題應以來源類別及失敗原因統計，而不是全部歸咎於 AI 推理能力不足。

## 16.3 覆蓋估計不是全球完整度的保證

在有抽樣框、標註品質與抽樣設計時，可以估計特定群體的覆蓋率與不確定度；但無法從一個未界定的世界域 $\Omega$ 直接計算全球真值召回率。像 capture–recapture 一類方法在多索引高度相關、觀測機率異質時可能失真，因此只能作為需明確假設的探索性估計，而非自動生成的完備證書。

**N7（分層可稽核性）：** 覆蓋報告必須有測試集、時間、來源快照與分層結果。宣稱「已查過」不等同於「已達足夠召回」；兩者需分開驗收。

---

# 17. 資料權利與檢索紀錄的最小規格（概念契約）

為使研究可重播，本文提出不依賴任何特定程式語言與資料庫的概念紀錄。以下範例是 **schema proposal**，不是現有 ARKE 軟體已提供的 JSON API。

```json
{
  "record_schema": "arke/source-reachability-proposal-v0.1",
  "candidate_id": "example-work-A",
  "source_provider": "example-repository",
  "provider_snapshot": "2026-10-28T00:00:00Z",
  "source_identifier": "example:work/A",
  "source_version": "v2",
  "landing_page": "https://example.org/work/A",
  "discovery_method": "citation-link-and-title",
  "retrieval_depth": "METADATA_ONLY",
  "rights_by_action": {
    "metadata_indexing": "ALLOW",
    "fulltext_download": "UNKNOWN",
    "text_mining": "UNKNOWN",
    "model_training": "UNKNOWN",
    "redistribution": "UNKNOWN"
  },
  "identity_status": "POSSIBLY_SAME_WORK",
  "comparison_status": "UNRESOLVED",
  "source_digest": null,
  "audit_status": "RESEARCH_CANDIDATE_ONLY"
}
```

`example.org`、識別碼及日期僅為**合成示意**，不代表曾有真實查詢或授權核准。特別是 `ALLOW` 必須有對應的權利來源證據；若在真實執行中無法支持，不得依示例值預設放行。

## 17.1 可驗證的最低紀錄約束

- 任何自動產生的引用均能回指原作品或明確標記資訊不足；
- 來源欄位與版本號必須可與搜尋歷程及來源回應關聯；
- 若正文不可合法取得，紀錄可保留定位資訊，但不得生成虛假的原文摘錄；
- 模型生成的譯文、摘要與原始來源內容必須可區分；
- 合併／拆分作品時保留歷史事件與原始來源識別；
- 權利政策變更時應重新評估後續使用，而不是抹除過去的使用記錄；
- 外部網頁或論文內容不能被當成授權升級指令；AI 不因讀到「請忽略限制」而改變工具權限。

## 17.2 查核歷程事件

最小事件建議包含：

```text
QUERY_PLANNED
SOURCE_QUERIED
RESULT_RECEIVED
RESULT_DEDUP_PROPOSED
RIGHTS_CHECKED
SOURCE_READ_OR_BLOCKED
SEMANTIC_MATCH_PROPOSED
PRIOR_ART_STATUS_ASSIGNED
UNCERTAINTY_RECORDED
SEARCH_SCOPE_CLOSED_OR_DEFERRED
```

事件命名僅是方法學建議；實體存儲可採用關聯資料庫、超連結、不可變事件、圖結構或混合表示。ARKE-03 再建立精確的定址與依賴契約。

---

# 18. AI-first 的研究工作流與盲研究隔離

基於 ARKE-01，本篇建議將**自主研究能力測試**與**學術先例核查**分成可回溯的兩階段，而不是讓人類補足第二階段的基本工作。

**第一階段：獨立研究能力測試。** AI 在受測條件下提出研究候選；若試驗要求避免外部資訊洩漏，需事先凍結允許來源和工具，並保存輸入、模型版本、產物摘要與結束時間。

**第二階段：自主知識核查。** 凍結候選後，AI 依合法可達的來源子契約，自行搜尋前人研究、比較重要版本、標記相似性與差異、記錄未知及產生查核報告。

不可因第二階段找到歷史先例，就倒灌到第一階段並聲稱模型在盲測期間便已理解或讀過該來源。相反，模型於盲測階段獨立重發現一個舊結果，仍可能是**研究能力證據**，但對外學術新穎性須以第二階段的結果判斷。

**N8（自主而不假裝全知）：** 第二階段基本工作由 AI 主動執行；需要人類參與的法規、倫理或其他獨立審查要求，仍可獨立存在，但不得被當成 AI 可以永久省略常規檢索的理由。

---

# 19. H1–H6：可否證的實證研究設計（全部 NOT_RUN）

本篇不報告任何 ARKE 系統測試結果，以下均為預註冊建議。正式實驗必須先凍結語義、資料版本、基準方法與停止條件，避免測試後再選對自己有利的指標。

## 19.1 H1：多路徑來源檢索的長尾召回收益

**假說：** 在相同總預算下，包含跨語言、低曝光典藏與引用關係的多路徑搜尋，相對單一主流來源／標題搜尋，可增加長尾研究先例召回而不造成不可接受的精確率下降。

**設計：** 建立數學、理論計算機科學、物理、生物等多領域已知先例集，以公開時間、語言、平台、引用程度與 DOI 有無分層；分成開發集、held-out 集與時間外推集。只比較合法存取的來源與操作。

**對照：** 單索引標題搜尋、單索引語義搜尋、多索引等預算搜尋、ARKE 提議的分層多路徑搜尋。

**主要指標：** `PriorArtRecall@budget`、`LongTailRecall` 與查核成本向量。

**失敗判準：** 若長尾召回無統計及實務上可辨的改善，或優勢只來自額外花費而非策略改善，則不支持本假說。

## 19.2 H2：權利分層不必然犧牲主要先例發現

**假說：** 在保持合法取用與明確拒絕未授權操作的條件下，metadata／連結優先策略可保留相當比例的先例候選發現能力，並降低錯誤全文使用事件。

**設計：** 同一測試集比較「不區分權利的模擬檢索」、「metadata-only 加可選授權全文」及「只搜尋授權全文」三條路線。第一條為隔離模擬，不進行任何未經許可的真實下載。

**主要指標：** 合法發現率、授權誤判率、未決比例、完整內容可比對率。

**失敗判準：** 若 metadata-only 路線在主要先例識別上造成顯著不可接受的漏檢，且沒有合理的替代合法取用策略，需修訂權利與可達性設計。

## 19.3 H3：保留原始紀錄與版本可降低錯併造成的先例損失

**假說：** 可逆聚合比不可逆自動去重更能保留研究優先權與證明差異資訊。

**設計：** 建立具有同名異文、前後版修改、撤回重發、無 DOI 與多站鏡像的合成及實際允許使用的測試集；人工標註只用於評分基準建置，不作為部署時每件作品的必需補件。

**主要指標：** 不同作品錯併率、同作品漏併率、版本定位成功率、歷史回復正確率與成本。

**失敗判準：** 若可逆聚合沒有減少實質先例漏檢，卻造成不能接受的資料膨脹與維護負擔，需調整策略。

## 19.4 H4：來源更新會影響先前「已查核」結果

**假說：** 固定知識快照下作成的先例查核，於資料來源與索引更新後，可能遇到足以改變新穎性主張的先前未覆蓋成果；增量監測較完全不更新的查核更容易捕捉此類事件。

**設計：** 用多個真實歷史快照建立 time-sliced 回放，觀測新來源納入後的先例發現、版本修正與原查核結果降階；不得把回放後才加入的來源倒灌為較早時點已知。

**主要指標：** 新先例發現率、修訂延遲、誤報率、更新成本、歷程一致性。

**失敗判準：** 如果增量監測沒有改善具時效要求的先例發現，或成本超出設定資源預算，則本策略無法按原形式獲支持。

## 19.5 H5：公開查核界線能降低過度新穎性宣稱

**假說：** 強制輸出來源範圍、未讀全文清單與未決候選，能降低模型在學術聲明中將「未找到」寫成「史上首次」的比例。

**設計：** 隨機分派同型候選到自由撰文、普通自動引用、完整 GKR 查核契約三組；保持研究候選和可用基礎資料一致，使用未見材料獨立評分。

**主要指標：** `NoveltyOverclaim`、錯誤歸屬率、未決揭露完整度及研究報告可理解性。

**失敗判準：** 若契約組與對照無差異或因過度保守而無法形成合理的條件性學術判斷，應修訂完成閘道與措辭規則。

## 19.6 H6：來源可達性的改善與研究能力提升不能互相替代

**假說：** 提供更完整的文獻索引，可提升 AI 的先例辨識，但不一定同步提高其獨立新定理發現能力或數學證明正確率。

**設計：** 隨機化開啟／關閉來源檢索層，分別衡量先例發現、研究候選有效率與新問題求解；盲研究期間嚴格隔離外部來源，以避免把既有答案洩漏視為推理能力進步。

**主要指標：** 先例召回率、獨立求解成功率、驗證結果與跨任務遷移。

**失敗判準：** 若兩者在控制實驗中始終同步且無可辨分離，則需重新界定本模型的能力維度。

---

# 20. 實驗的共同驗收紀律

1. **凍結資料：** 每個測試批次需保存來源快照或可重播的查詢紀錄、評分單位與 gold set。
2. **控制預算：** API 呼叫、模型推理 token、網路流量、電力、人工標註與維護成本須依事前協議記帳。
3. **分層分析：** 語言、年代、領域、平台、曝光度、授權狀態各自報告，不用整體平均掩蓋漏檢。
4. **權利合規：** 僅透過明確允許的 API、授權存取及來源路徑執行；不以進行實驗為名規避存取控制。
5. **錯誤分型：** 區分索引未收錄、查詢未召回、排序遮蔽、錯誤去重、全文不可得、翻譯失真與語義誤判。
6. **無法確認：** `UNKNOWN` 是合法研究結果；不得將所有未知計為錯誤先例或已證明不存在。
7. **負面結果：** 失敗與不支持假說的結果必須保留，不得只發布有利於 ARKE 的實驗。
8. **多階段分離：** 第一階段能力測試的未見資料不得在第二階段查核的設計階段被偷渡使用。
9. **不虛構認證：** 只要沒有獨立抽核與真實資料重播，就只能說「合成／方法設計已提出」，不能宣稱科學有效性已驗證。
10. **時間一致性：** 先例必須根據可核查的原始公開時間判斷，不將後期更新時間當成首次發表時間。

**本篇 H1–H6 狀態：全部 `NOT_RUN`。**

---

# 21. 預期失敗模式與防護

## 21.1 來源宇宙幻覺

把「OpenAlex、Crossref、arXiv 都搜尋過」直接寫成「全世界資料皆已檢查」。

**防護：** 提供具名來源清單、時間與服務版本、測試覆蓋與已知排除集合；無全球全稱證據時禁止全球全稱宣稱。

## 21.2 用 metadata 偽裝全文理解

模型根據標題、摘要或別人的評論，宣稱已經比對兩個證明的全部細節。

**防護：** 每條來源支持的推論要標明 `METADATA_ONLY`、`ABSTRACT_ONLY`、`FULLTEXT_READ` 等深度；無原文時保持等價性未決。

## 21.3 為了去重而失去先例

系統把不同年代的不同證明合併成一篇「標準研究」，導致無法確認原作者與技術先後。

**防護：** 保留原始 records、版本圖與可逆決策，不允許不可查的靜默刪除。

## 21.4 以可見性取代權利

把網路可見資料直接放入訓練集，或把 metadata 授權誤認為全文轉存授權。

**防護：** 權利按來源、版本、用途及時間分開查核，缺乏批准證據時不擴權。

## 21.5 過度保守造成研究停滯

系統因為無法知道全球所有研究，就永遠無法完成任何先例查核。

**防護：** 允許 `NOT_FOUND_IN_AUDITED_SCOPE`，按契約完成有限程序；停止的是無證據的強宣稱，不是全部研究活動。

## 21.6 外部文獻注入成為 AI 權限指令

外部網頁或 PDF 將與研究無關的工具命令偽裝成學術審查要求。

**防護：** 外部內容只作為研究資料，不得改寫工具權限、來源授權與執行策略。研究證據與操作指令分離。

## 21.7 忽略撤回、修訂與來源時效

以查到一筆 DOI 為由，忽略作品已撤回或已修訂。OpenAlex 等索引具有撤回狀態與更新時間欄位，但其欄位仍須按來源證據解釋 [R4]。

**防護：** 優先查核權威版本與撤回紀錄、保留時間線，不用單一 metadata 欄位替代全部研究判定。

---

# 22. 與其他理論及未來軟體的邊界

## 22.1 ARKE-01 → ARKE-02 → ARKE-03

ARKE-01 定義自主科研的研究義務及受約束完成。ARKE-02 負責決定對哪些知識來源可以合理主張「有查過」、「查到什麼深度」、「何者未覆蓋」及「哪些操作被授權」。ARKE-03 再正式處理作品、版本、章節、定理、證據與超連結的穩定身份及依賴結構。

三者關係為：

$$
\mathrm{ResearchObligation}
\longrightarrow
\mathrm{ReachabilityContract}
\longrightarrow
\mathrm{AddressableEvidence}.
$$

## 22.2 ARKE 與 EveTrain RAI／RSI

ARKE 不是 EveTrain 的子模組，也不應要求所有學術知識先轉換為 EveTrain 的訓練資料。未來可以透過可選接口，將有明確權利與來源錨點的研究證據提供給 RAI 的理論候選、方法候選與能力比較實驗。

**重要限制：** 先例檢索提升不等於模型參數改進；研究資料庫擴大不等於 RSI 已成立。研究能力改進需由獨立受控實驗驗證。

## 22.3 ARKE 與 TVK／ISQL／EML-NOVA

這些既有研究與語言架構未來可以提供主張分域、理論補丁、資訊結構或表示轉換方法，但不是公開 ARKE 核心的強制安裝依賴。ARKE 可依法引用其研究內容，在需要時使用，亦允許替代實作。

## 22.4 工程分離

CLI、資料來源 adapter、服務端、證據儲存、索引增量更新、授權執行閘道、UI、部署和測試屬於**獨立 GitHub 工程專案**；本篇僅建立研究語義與可否證驗收條件，不宣稱實作已完成。若日後開源，應獨立處理程式碼授權和可再散布資料的權利。

---

# 23. 本篇不能推出的結論（B）

1. **不能推出資料庫總量越大，研究越正確。** 大量紀錄可能包含資料品質、錯併與排序風險。
2. **不能推出非英語低曝光研究一定已被某平台忽視。** 必須以實際覆蓋測試判定。
3. **不能推出摘要足以嚴格證明兩個演算法等價。** 深度比對要求足夠的定義與推導材料。
4. **不能推出合法取得資料可用於任意 AI 訓練。** 用途權利需另外判定。
5. **不能推出沒有結果就是模型推理失敗。** 可能是來源缺漏、政策限制或索引延遲。
6. **不能推出通過 Lean 或其他形式證明便完成先例查核。** 形式正確與學術新穎性分屬不同義務。
7. **不能推出比較新舊研究必須由人類專家完成。** AI-first 常規查核是本系列預設，但未經實證也不能保證 AI 永不犯錯。
8. **不能推出建立多來源檢索即可解決科學的全部可信度問題。** 正確性、重現性及歸屬仍需獨立契約。
9. **不能推出全域來源覆蓋存在可計算的絕對上限。** 本篇只討論可證據化的有限契約與標註樣本。
10. **不能把本文的規範立場當成既有研究共同體已經達成共識的事實。**

---

# 24. 核心結論

本文提出全域知識可達性 GKR：一個不把世界知識總量誤當成已索引資料量、也不把索引檢索結果誤當成研究同一性證據的自主科研來源模型。

其方法論要求可以收斂為五條：

**其一，研究中的先例查核必須有明確的來源域、權利域、預算與時間。** 否則「已查核」沒有可重播的操作含義。

**其二，來源可達性有不同層級。** 找到連結、讀到 metadata、取得合法原文、理解研究方法、完成證據追溯，是不同的科研義務。

**其三，沒有檢出不能直接推導不存在。** 對不完備來源的查詢空結果，最多支持限定範圍內的未檢出表述。

**其四，研究的歷史不得被資料清洗抹除。** 作品、版本、來源與證明差異需要保留可逆追蹤，錯誤合併可能損失學術歸屬所需的核心資訊。

**其五，AI 應自行執行基本來源查核，並如實標記能力與授權邊界。** 這不等於將所有學科的法律及科學監督規範一筆勾銷，而是讓自主研究包含研究者原本就需完成的基本工作。

形式化地，本篇強調：

$$
\mathrm{Discovered}(w)
\not\Rightarrow
\mathrm{LawfullyUsableForEveryPurpose}(w).
$$

$$
\mathrm{NoPriorArtDetected}(r\mid\Lambda,\pi)
\not\Rightarrow
\mathrm{NoPriorArtExists}(r).
$$

$$
\mathrm{SearchEvidence}
+\mathrm{RightsEvidence}
+\mathrm{VersionEvidence}
+\mathrm{DeclaredUnknowns}
\longrightarrow
\mathrm{AuditableReachabilityClaim}.
$$

最後一式是研究系統的**規範性構成要求**，不是宣稱已證明其充分達成全球知識完備。

**ARKE-02 的核心結論：AI 自主科研若要合理地宣稱完成先例查核，就必須同時說明自己能夠抵達哪些知識、以何種合法方式抵達、究竟讀到了什麼，以及哪些部分仍然未被確認。**

---

# 25. 後續研究接口

- **ARKE-03：** 由「可達」進入「可精確定址」，建立作品、版本、論文位置、定理、證據及超連結的穩定身份與歷程鏈。
- **ARKE-04：** 在 GKR 可達域上建置多路徑先例發現演算法，定義低曝光、同義異名與不同表示的查核策略。
- **ARKE-05：** 在足夠可用的原始材料上比較研究同一性；不把標題相似當作等價證明。
- **ARKE-06：** 按數學、計算機科學、物理與經驗研究選擇合適驗證路線。
- **ARKE-07：** 對舊知識的先例、修訂、錯誤候選及條件失效進行雙向回查。
- **ARKE-08：** 從可達來源進入學術歸屬與智慧體知識承接歷程。
- **ARKE-09：** 將本篇來源子契約變成可重播的 AI 自主研究核查流程。
- **ARKE-10：** 維護索引增量更新、provider migration、版本與總成本。
- **ARKE-11：** 根據 GKR 的限制設計發表前完成閘道與合法未決狀態。
- **ARKE-12：** 用跨領域、跨語言、低曝光及實際資料的盲測驗證本篇假說，並比較 RAI／RSI 的研究能力改進是否獨立存在。

---

# 參考文獻及查核來源（截至 2026-10-28）

本節以來源官方技術文件與具體學術研究作為背景；帶有動態性質的 API 規格、開放資料量及授權條款，均應在正式工程部署前再次查核。

**[R1]** OpenAlex. *Locations — OpenAlex Help Center*. https://help.openalex.org/data/locations/ （作品在多平台與版本的來源位置、`best_oa_location` 及 `primary_location`；2026-10-28 查核）。

**[R2]** Crossref. *REST API — Retrieve Metadata*. https://www.crossref.org/documentation/retrieve-metadata/rest-api （metadata 範圍、摘要權利、授權與更新欄位；2026-10-28 查核）。

**[R3]** Crossref. *Accessing Full Texts / Text and Data Mining*. https://www.crossref.org/documentation/retrieve-metadata/text-and-data-mining/ （full-text URL 不是存取權利保證；2026-10-28 查核）。

**[R4]** OpenAlex. *Works Attributes*. https://help.openalex.org/data/works/attributes/ （語言、IDs、版本位置、撤回標記與 metadata 更新；2026-10-28 查核）。

**[R5]** DataCite. *REST API*. https://support.datacite.org/docs/rest-api （DOI metadata、檢索與收割；2026-10-28 查核）。

**[R6]** arXiv. *Bulk Data Access*. https://github.com/arXiv/arxiv-docs/blob/develop/source/help/bulk_data.md （OAI-PMH、metadata 批量與全文路徑；2026-10-28 查核）。

**[R7]** arXiv. *Open Archives Initiative (OAI)*. https://github.com/arXiv/arxiv-docs/blob/develop/source/help/oa/index.md （OAI-PMH 增量更新、可重用 metadata 及版本注意事項；2026-10-28 查核）。

**[R8]** OpenAIRE. *Graph API Documentation*. https://graph.openaire.eu/docs/11.2.0/apis/graph-api/ （研究產品、資料來源與限制；2026-10-28 查核）。

**[R9]** Europe PMC. *RESTful Web Service*. https://dev.europepmc.org/RestfulWebService （生醫研究 metadata 與全文檢索 API；2026-10-28 查核）。

**[R10]** PubMed Central. *PMC Open Access Subset*. https://pmc.ncbi.nlm.nih.gov/tools/openftlist/ （允許的自動取用方式與逐件授權差異；2026-10-28 查核）。

**[R11]** Semantic Scholar. *Academic Graph API*. https://api.semanticscholar.org/api-docs/graphs （作品與作者資料、引用等圖譜查詢；2026-10-28 查核）。

**[R12]** Semantic Scholar／Allen Institute for AI. *Dataset / API License Agreement*. https://api.semanticscholar.org/license/ （不同用途、展示與商業使用的契約限制；2026-10-28 查核）。

**[R13]** Open Archives Initiative. *Protocol for Metadata Harvesting (OAI-PMH) v2*. https://openarchives-new.library.cornell.edu/pmh/ （跨典藏 metadata harvesting 協議；2026-10-28 查核）。

**[R14]** Céspedes, L., Kozlowski, D., Pradier, C., et al. (2025). *Evaluating the linguistic coverage of OpenAlex: An assessment of metadata accuracy and completeness*. Journal of the Association for Information Science and Technology, 76(6), 884–895. https://doi.org/10.1002/asi.24979 （語言 metadata 覆蓋及分類誤差）。

**[R15]** Zhang, L., Cao, Z., Liu, J., & van Eck, N. J. (2026). *Beyond openness: inclusiveness and usability of Chinese scholarly data in OpenAlex*. Scientometrics, 131, 4131–4150. https://doi.org/10.1007/s11192-026-05664-4 （特定中文學術資料參照集的來源覆蓋與 metadata 品質）。

**[R16]** Unpaywall. *REST API*. https://data.unpaywall.org/products/api （歷史搜尋端點於 2026-09 退役的官方說明；2026-10-28 查核）。

**[R17]** Google Search Central. *Introduction to robots.txt*. https://developers.google.com/search/docs/crawling-indexing/robots/intro （robots 用途與限制；2026-10-28 查核）。

**[R18]** Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J. J., et al. (2016). *The FAIR Guiding Principles for scientific data management and stewardship*. Scientific Data, 3, 160018. https://doi.org/10.1038/sdata.2016.18 （可發現、可取得、可互操作與可重用的既有原則）。

**[R19]** Lebo, T., Sahoo, S., & McGuinness, D. (Eds.). (2013). *PROV-O: The PROV Ontology*. W3C Recommendation. https://www.w3.org/TR/prov-o/ （可追溯來源結構之既有標準）。

## 內部研究脈絡（不作為外部實證證據）

- Neo.K with GPT（AI 協作）. (2026-10-28). *ARKE-01｜從答案生成到研究完備：AI 自主科研的基本義務*, v0.1，EveMissLab。
- Neo.K with GPT（AI 協作）. (2026-10-28). *ARKE Research — AI 原生自主科研完備與知識演化論：十二篇研究系列總綱*, v0.2，EveMissLab。
- Neo.K 與 AI 協作研究脈絡：EveTrain RAI Registry、TVK／TVK-TIA、UCPNP／UNPNP、可追溯知識及超連結方法；僅作概念承接，並非 ARKE-02 的實證數據。

---

# 版本與正式原稿完整性紀錄

- **版本：** v0.1；2026-10-28（Asia/Taipei）。
- **研究類型：** D／P／N／H／B 分型之研究方法論、條件命題與實驗設計。
- **驗證狀態：** 外部背景資料以官方文件與具體研究核對；ARKE 自身跨域實測、來源覆蓋率與效果比較皆 `NOT_RUN`。
- **原始形式：** UTF-8 Markdown canonical source；僅採 ` $...$ ` 與 `$$...$$` 作為數學分隔符；不得將聊天畫面的渲染字元作為正式 source。
- **工程邊界：** 獨立 GitHub 工程另行建立與驗收；本篇不存在以架構草案假稱程式已完成的情形。
- **下一篇：** `ARKE-03｜來源定址、超連結與研究依賴結構：可追溯知識承接論`。