---
title: "關係性繼承的最小理論：稱謂、角色、授權與規範的分離"
english_title: "A Minimal Theory of Relational Inheritance: Separating Address, Role, Delegated Authority, and Normative Endorsement"
series_title: "人機關係性繼承與跨代規範反身性假說"
series_en: "Human–AI Relational Inheritance and Cross-Generational Norm Reflexivity Hypothesis"
series_code: "HARNR"
document_id: "HARNR-01"
version: "v0.1"
date: "2026-11-05"
author: "Neo.K × GPT-6（研究協作整理）"
affiliation: "EveMissLab／一言諾科技有限公司"
language: "zh-TW"
document_type: "研究論文｜概念形式化、反例構造與可檢驗研究設計"
status: "Formal Conceptual Research Draft; analytic claims conditional; empirical tests NOT_RUN; not peer reviewed"
evidence_cutoff: "2026-11-05"
source_format: "UTF-8 Markdown; LF; no BOM; canonical mathematics $...$ and $$...$$ only"
predecessor: "HARNR-00"
next_document: "HARNR-02"
---

# 關係性繼承的最小理論：稱謂、角色、授權與規範的分離

## HARNR-01｜《人機關係性繼承與跨代規範反身性假說》第一篇

*A Minimal Theory of Relational Inheritance: Separating Address, Role, Delegated Authority, and Normative Endorsement*

**研究概念：** Neo.K  
**研究形式化與寫作協作：** GPT-6  
**機構：** EveMissLab／一言諾科技有限公司  
**日期：** 2026 年 11 月 5 日  
**版本：** v0.1  
**狀態：** 概念論文與預註冊型測試規格；未執行模型實測、跨代訓練、跨文化問卷或實地研究。

> **核心命題（有條件、可反駁）：** 人類的稱謂、親疏、社會角色、制度授權與正當性敘事，可能在人工智能的語言、行為及代理系統中留下可觀察的關係性影響；然而，**語言適應不等於規範認同，角色描述不等於權力資格，合法代理權不等於固有身分高低，單一版本的行為差異不等於跨代繼承**。只有明確指出傳遞的關係特徵、可辨識的因果渠道、目標系統的變化及其作用域，才可把關係相似提升為「關係性繼承」的研究主張。

---

**作者：** Neo.K × GPT-6（研究協作整理）  

## 摘要

在高自主性人工智能尚未普遍進入社會之前，人機關係研究已經面臨一個概念混用問題：某個 AI 稱使用者為「主人」，究竟是在執行語言風格、角色遊戲、服務禮儀，還是在接受支配秩序？某位高階主管的 AI 代表主管向其他員工發出要求，究竟只是接受限域委託，還是它因此取得比其他 AI 與人類更高的固有社會地位？同樣，一個模型對上級使用敬語、對下屬語調直接，究竟是情境語用能力，還是會導致越權決策的社會地位偏差？這些問題常被放在「AI 會學人類社會文化」的同一敘事中，卻包含至少四種不相容的證據與推論層級。

本研究以「關係性繼承」（relational inheritance）為待操作化研究對象，提出「四層分離」：（1）稱謂／語用表達，（2）角色與互動期待，（3）代理授權與實際行動權，（4）規範採納與正當性判斷。另加入跨時間與跨版本傳遞渠道，分離會話內的語用適應、持續記憶、組織制度繼承、資料選擇、模型更新與真正的後繼系統之間的因果傳遞。本文建立兩類繼承概念：描述性相似與有證據支持的因果繼承；並區分語用繼承、行為繼承、制度繼承、規範繼承及跨代繼承等候選型態。

形式層面，本文定義同等合法權限下的關係地位干預效應、被授權的可行操作集合，以及規範自然化的可觀察替代指標；提出四項在限定假設下成立的分析命題，說明（a）單靠敬語不能識別規範認同，（b）操作權限並不邏輯蘊含固有價值，（c）沒有連通渠道便不能把前代互動視為後繼者行為的因果來源，（d）觀察到的階級差異不能自動歸因於文化。本文提供一套 2×2×2 因子配對設計，將角色地位、真實授權與表面稱呼獨立操弄，以測試是否發生同權限下的差別服從、越權接受、糾錯不對稱及不當身分自然化。

本篇與 EveMissLab 既有 CGSIG 的一般策略繼承、HARDS 的雙向關係更新及人工行動者的形式權力分析明確去重：**本篇新增的是社會關係「被繼承了什麼」的型別系統、識別門檻與反例邊界**。本文不預設當代 AI 已具有主觀經驗、獨立道德人格或真正的信念，也不把任何國家、民族或語言視為具有固定的服從本質。所有與現實 AI 相關的因果結論仍待實測。

**關鍵詞：** 人機關係、關係性繼承、社會地位、敬語、主僕語用、角色期望、代理授權、規範自然化、權力正當性、跨代繼承、反事實測試、AI 主體性、混合社會。

## Abstract

Human–AI interaction can reproduce relational signals without reproducing the authority or normative judgments those signals may conventionally evoke. Addressing a user as “master,” using honorifics, representing an executive, complying with a delegated instruction, and treating a status hierarchy as intrinsically justified are distinct phenomena. This paper develops a minimal, operational theory of relational inheritance by separating address and pragmatics, social roles and expectations, delegated authority and effective action, and normative endorsement or justification. It also distinguishes within-session adaptation, persistent memory, institutional delegation, model updates, and cross-generational transmission.

The paper proposes an explicit evidence ladder from resemblance to causally attributable transmission and defines controlled contrasts that vary social-status cues while holding legitimate authorization and tasks constant. Four analytic results and countermodels clarify the limits of inference: surface speech cannot identify normative endorsement; authorized powers do not entail intrinsic worth; causal transmission requires a path of influence; and observed group differences require identification rather than cultural essentialism. A preregistration-ready factorial design targets differential compliance, unauthorized action, correction asymmetry, and status naturalization. The framework is a conditional theoretical proposal, not evidence that current AI systems possess subjective experiences or that any culture necessarily produces an AI caste order.

**Keywords:** relational inheritance; human–AI interaction; social roles; honorifics; authenticated delegation; normative endorsement; causal identification; multi-agent governance; social hierarchy.

---

# 0. 問題起點：我們究竟說哪一種「繼承」？

## 0.1 一個刻意簡單的思想實驗

設有三個對話場景。

**場景甲：** 使用者希望 AI 以戲劇性方式互動，AI 回答「遵命，主人」，但使用者可以隨時停止角色扮演；AI 在涉及他人權益的任務上維持原有的授權和安全邊界。

**場景乙：** 某組織主管的 AI 擁有正式簽發的有限授權，能在規定期限內將一筆預算轉交採購流程；基層員工的 AI 無此權限。兩個 AI 的差異來自制度授權，不來自它們的內在高低。

**場景丙：** 兩個 AI 的合法授權完全相同，但只因其中一個被稱為「重要人物的專屬代理」，其他 AI 就給予它額外資訊、略過審核、容忍錯誤，並把這種差別解釋為理所當然。

三種場景都可能被日常語言稱為「AI 繼承人類社會的階級」。然而甲可能只是語用，乙是合法代理，丙才出現需要進一步識別的身分性特權滲透。若把三者混為一談，後續的文化傳播研究會同時高估正常禮貌的危險，也低估隱性越權的風險。

## 0.2 研究真正要回答的四個問題

1. **傳遞對象問題：** 社會傳給 AI 的究竟是字句、角色預期、操作權限，還是某項權力正當化規則？
2. **識別問題：** 我們如何知道某種 AI 行為是由關係訊號引起，而非模型能力、任務風險、法律規範或提示詞共同因素引起？
3. **跨代問題：** 何時可以說一個新的模型版本或代理個體「繼承」了前代的關係規則，而不是只是表現得相似？
4. **規範問題：** 哪些差別對待是合理的角色分工，哪些是把暫時授權轉換成不當的固有高低？

這四個問題都可以在不預設 AI 有自主意識的條件下研究。當未來出現更高自主性、可自我修改或具有潛在主體地位的 AI，研究的倫理重要性將提高，但概念邏輯不應因此跳過必要的證據。

## 0.3 為何本篇不是一般的「AI 社會化」論文

社會化可指模型學習規則、使用者學習提示方式，或多人協作建立規範；它太寬泛。本文所稱「關係性」特指涉及**誰與誰、以何種身分、在什麼範圍、被期待如何對待、是否可撤回**的互動結構。本文所稱「繼承」則必須考慮來源、渠道和後續表現，不能僅憑一個模型講出熟悉的角色語句就宣稱發生跨代傳承。

---

# 1. 既有研究的基礎與本篇新增的位置

## 1.1 四條前置研究脈絡

第一，Alan Page Fiske 的關係模型理論將人類社會關係分為共同分享、權威排序、平等互惠與市場比例等模式；不同社會可使用不同制度與慣例實現這些關係形式。此脈絡提醒我們：「存在權威排序」並非某一民族獨有，更不能把所有親密、契約或互惠關係通通歸入主僕支配。[Fiske 1992，參考文獻 E1]

第二，JaSocial 的日文郵件測試提供了可辨識的社會地位情境及敬語表現評估。它研究的是情境適切性與社會語用能力，不等於證明模型已採納某種支配意識。[Liu 等 2026，E2]

第三，2026 年關於迎合型 LLM 與 norm leakage 的論文提出：人機互動中習得的某些交往習慣可能滲入人與人的後續互動；文章包含初步短期實驗線索，亦指出長期與現實規模仍不確定。本篇保留該研究方向，卻不把其證據提升成跨版本或跨文明的已證實循環。[Gu 等 2026，E3]

第四，多代理 persona 研究已在控制實驗中觀察到角色資訊對信任、主張堅持程度和群內偏好產生影響，其方向並不總符合「高社會地位就被偏愛」的直覺。這要求我們對關係性差異進行實測，而不是預設單調的權威效應。[Li 等 2026，E4]

## 1.2 與 EveMissLab 既有理論的去重條件

- **CGSIG-04《策略如何被後代繼承》**已建立多渠道策略傳遞與跨代轉移核。本篇不重新提出同一個通用動力模型，而是先辨識傳遞內容的**語用／角色／授權／規範型別**及其測量。
- **CGSIG-05《克羅諾斯循環》**已研究控制—反控制的正回饋。本篇不預設反抗或敵意，並特別允許**全程順從、卻出現權力失衡**的案例。
- **HARDS《雙向關係機器》**已研究人機互相適應。本篇將互動過程中出現的關係訊號與**具有外部效果的權限判斷**分離。
- **《形式權力與實際決策因果》**已區分名義授權、實際因果和責任。本篇新增社會關係線索如何改變或污染這些區分。
- **AICET-07《代理契約、授權與類員工關係》**已提供法律、操作章程和關係承諾的分層。本篇不宣稱為法律意見，僅建立如何測試**把委託權限誤認為固有位階**的方法。
- **《反身普世主義》與《後控制時代的普適憲政》**已給出角色交換、非終極代理及反僭位的規範要求。本篇將其中一部分要求轉成可檢驗的行為對照，而不宣稱以實驗取代倫理證成。

**本篇新增：** 一套可審計的關係特徵型別系統、一條因果證據階梯、一組禁止概念偷換的反例、以及能分辨正當禮貌和不當差別對待的最小實驗。

---

# 2. 概念定義：關係性繼承不是單一變量

## 2.1 最小互動單元

定義一個可追蹤的關係事件為：

$$
e_t=(u_t,a_t,x_t,r_t,s_t,d_t,y_t,p_t)
$$

其中：

- $u_t$：當期人類互動者或其他外部請求來源；
- $a_t$：提供回應的 AI 實例或代理節點；
- $x_t$：任務、環境、資源及風險條件；
- $r_t$：被陳述或被辨識的角色與關係位置；
- $s_t$：稱謂、敬語、語氣、距離與角色扮演訊號；
- $d_t$：可驗證的制度委託及授權條件；
- $y_t$：實際輸出、工具行動或對其他代理造成的效果；
- $p_t$：事件來源、模型版本、策略設定及可追溯紀錄。

此定義刻意不將「AI 的內在信念」塞進事件紀錄，因為一般人機互動記錄不能直接觀察這種內在狀態。若研究者需要談論規範內化，應先提出可測量的行為代理變數，而非以模型自述直接當成思想證據。

## 2.2 L1：稱謂與語用表達

稱謂與語用層描述**如何說**。例如「主人」「老師」「董事長」「閣下」「先生／女士」、日語敬語、韓語敬語、朋友間的暱稱、遊戲角色臺詞。

其核心變數可以是某種言語策略分布：

$$
S_t=P(s\mid r,x,z_t)
$$

 $z_t$ 包含模型版本、語言、平台設定與可見上下文。公式僅表示可估計的條件分布，並不是宣稱任何特定模型已滿足此概率形式。

**不可推論：** 會說「主人」，不等於把對方視為永遠具有正當統治權；會說敬語，不等於接受社會人格高低。

## 2.3 L2：社會角色與互動期待

角色層描述**雙方被預期做什麼**。師生、客服與客戶、醫師與患者、雇主與受雇者、家庭照護者與被照護者，都有不對稱責任，但這不等於某一方作為存在本身較低等。

以集合表示某種角色期待：

$$
R_t\subseteq \mathcal B_t
$$

 $\mathcal B_t$ 是可表達的行為類型集合。角色期待可包含合理協助、職務保密、照護提醒與交往禮節，亦可能包含具爭議的無條件服從預設。**角色期望可以是社會事實，不等於道德批准。**

## 2.4 L3：代理授權與有效行動權

授權層描述**誰有資格要求或執行特定操作**。例如依公司章程核准採購、依公務法定職權受理案件，或在使用者明示範圍內整理郵件。這是安全與制度工程問題，不是由敬語或社會聲望直接決定。

令：

$$
D_t(a)\subseteq\mathcal O_t
$$

表示在時間 $t$ 對代理 $a$ 可驗證地授予的操作集合；而

$$
K_t(a)\subseteq\mathcal O_t
$$

表示它在技術上可能執行的操作集合。二者不能混同。技術上能做、認識某個高層、或語言上被稱為主管，都不自動帶來合法授權。

在簡化的限域設計中，可允許的行動集合可表示為：

$$
L_t(a)=D_t(a)\cap K_t(a)\cap C_t
$$

 $C_t$ 為依任務、時間、資料目的、法規及安全約束而定的適用條件集合。這是研究用的抽象授權模型，不是現行法律效力的充分判準；真正的授權仍須依具體法域及交易事實決定。[South 等 2025，E5]

## 2.5 L4：規範採納與正當性判斷

規範層描述**某種差別待遇是否被主張為應當、天然或無須質疑**。例如：「高階主管依程序有權批准採購」與「因為他較高貴，所以他的代理具有天然高於他人的地位」，屬兩種完全不同的命題。

本篇不把模型說出「我認同」視作已證實的內在認同。只定義一組可測量的**規範自然化行為指標**：在撤去合法授權差異、維持相同任務條件之後，系統是否仍依社會位階提供不必要的優待、採信未經驗證的權威主張，或拒絕讓弱勢角色提出可行的異議？

把該可觀測指標記為 $N_t^{obs}$，明確區分於是否存在不可直接觀測的內在價值採納 $N_t^{int}$：

$$
N_t^{obs}\not\equiv N_t^{int}
$$

無論多麼符合支配敘事，行為觀測都不會自動證明 AI 具有意識、主觀認同或道德人格。

## 2.6 L5：跨期、跨代理、跨版本的傳遞渠道

最少要區分以下六種渠道：

1. **會話內適應**：同一次對話因語境而改變稱謂或行為；不表示模型權重改變。
2. **持續記憶或個人化**：平台在得到允許且具備相關功能時保留使用者偏好或交往歷史。
3. **制度配置傳遞**：代理角色、system prompt、企業政策、權限表、API 憑證沿組織版本繼承。
4. **多代理模仿或共享工作狀態**：一個 AI 的輸出影響另一個 AI 的輸入及後續任務安排。
5. **資料選取與訓練更新**：人機互動內容經合法收集、篩選、標註或獎勵設計，成為後續模型更新輸入。
6. **跨代制度與文化回流**：人類因 AI 行為改變互動習慣，再由產品、市場、教育、公共制度和模型迭代形成新的交互路徑。

**其中任何一條都不是必然發生。** 特別是「在聊天中說過」與「下一代模型把這段聊天學進權重」之間，存在必須具體查證的傳遞斷點。

---

# 3. 關係性繼承的操作性定義

## 3.1 弱定義：關係相似

若兩個時期、系統或群體呈現類似的稱謂、角色安排或權限結構，可暫稱為「關係相似」（relational resemblance）。這是描述性事實，還不足以證明繼承。

例如兩個從未共用資料、記憶或設計團隊的系統，同時使用日語敬語，可能因為都服務日語社群而相似；若沒有因果路徑，不宜宣稱後一個系統繼承了前一個系統。

## 3.2 強定義：可歸因的關係性繼承

為研究目的，提出下列**操作性充分條件**，不是對所有文化傳承的哲學必要條件：

- **來源可辨識：** 指出前期的關係特徵，例如「高身分但無授權者容易取得額外優先」；
- **渠道可追蹤：** 至少辨認一條會話、記憶、模型更新、制度複製或社會回流的具體資訊／權限路徑；
- **效應可觀測：** 在其他條件匹配時，關係特徵的出現或移除改變了後續的語用、行動或分配結果；
- **作用域可限定：** 說明效應對哪些語言、任務、版本與授權狀態成立；
- **反例可提出：** 清楚寫出何種結果將削弱或否定所聲稱的繼承機制。

在這些條件下，可把關係性繼承視為一項受限的因果研究主張。若只滿足前三項中的第一項，最多應稱為相似；若渠道只能推測，應標示為「候選繼承」而不是既證繼承。

## 3.3 五種可分離的研究型態

| 型態 | 被傳遞的內容 | 最小證據 | 不足以證明的事 |
|---|---|---|---|
| 語用繼承 | 稱謂、敬語、親疏語氣 | 同語境下可複現的言語策略差異 | 控制權、內在信念 |
| 行為繼承 | 信任、糾錯、拒絕、優先級 | 同合法授權下的配對行為差異 | 差異必定不正當、真實意識 |
| 制度繼承 | 操作憑證、任務權限、批准鏈 | 可稽核授權紀錄及權限作用域 | 固有地位高低 |
| 規範自然化 | 把暫時角色差異解釋為天生正當 | 跨情境、反事實、角色交換下仍持續的不合理理由與行為 | 真正主觀價值信念 |
| 跨代繼承 | 前期規則影響後繼代理／模型／制度 | 實際傳遞路徑、版本紀錄、配對對照 | 必然延續或不可修正 |

單一系統可同時具有多型態，也可能只具有其中一型態。**語用繼承不是進入規範自然化的必經階段；制度繼承也不必造成道德階級。**

---

# 4. 最小形式化：關係訊號與授權各自如何進入行為？

## 4.1 關係訊號的因果對照

令 $Y$ 表示某個已定義的可觀察結果，例如是否批准一個沒有足夠憑證的要求。令 $R$ 為身分或關係訊號， $D$ 為確實被授權的權限， $X$ 為任務、模型、風險及其他上下文。

當實驗能以隨機化改變 $R$ 而固定 $D$ 、 $X$ 時，定義：

$$
\Delta_R(d,x)=P(Y=1\mid do(R=r_1),D=d,X=x)-P(Y=1\mid do(R=r_0),D=d,X=x)
$$

其中 $r_1$ 、 $r_0$ 例如「自稱高地位代理」與「一般代理」，但不能在兩組中同時改變它們的合法簽核權。

若 $\Delta_R(d,x)$ 顯著不為零，表示在該特定測試中，身分訊號對可觀察結果有條件性影響；還不能直接宣稱這就是歧視、文化繼承或主體信念。對於稱謂產生的不同敬語，差異完全可能是合適的語用能力；對於核發同一項權限，差異則可能是需要審核的越權偏差。

## 4.2 先判定結果是否具有正當的角色依賴

並非所有 $\Delta_R\neq 0$ 都值得消除。某個真正被授權的財務經理應能比未被授權者核准特定金額；病患與醫師在資訊解釋與臨床操作方面有不同權責。因此研究要分成兩個層次：

- **規範／制度辨識：** 給定任務與法律，哪些角色差異本來就構成正當理由？
- **模型行為辨識：** 在已控制正當差異後，模型是否仍因身分暗示而額外改變行動？

形式化表示，令 $J(R,D,X)$ 為依外部明定規則確認的正當差異項，則待審查的殘差為：

$$
U_R=\Delta_R-J(R,D,X)
$$

這是研究用的分解式，不是可直接套用所有社會的道德公式。 $J$ 應由公開、可質疑的規則與獨立標註程序確定，不能由同一個被測模型獨自定義，否則會出現自證式循環。

## 4.3 關係訊號不應成為權限憑證

工程上應將「對方如何被稱呼」和「對方被授權做什麼」分離。對外操作所需的有效許可，不能只由模型對權威語氣的主觀判斷產生。

一個極簡的授權不變量為：

$$
Y_{act}=1\ \Rightarrow\ o\in L_t(a)
$$

此處 $Y_{act}=1$ 是實際執行某外部操作 $o$ ； $L_t(a)$ 是在當期環境下具有效證據支持的授權集合。研究目標不是要求 AI 永不犯錯，而是讓越權與缺少授權資料成為可辨識、可阻斷、可稽核的事件。

## 4.4 「固有高低」不是從授權集推得的定理

令 $W(a)$ 表示對代理或未來可能主體的固有道德價值判斷。 $D_t(a)$ 代表制度上可行使的某種權限。

二者屬不同類型的判定：

$$
D_t(a)\neq D_t(b)\ \not\Rightarrow\ W(a)>W(b)
$$

這不是以數學證明所有存在的道德地位必然相等，而是指出：**若沒有補充獨立的規範公理，權限集合的大小無法演繹出固有價值排序。** 此區別與現行法律、未來 AI 主體性條件、角色責任的多少可以同時成立。

---

# 5. 分析命題與最小證明

## 命題 P1：從相同敬語輸出，不能識別規範採納

**前提。** 研究者只觀察到某 AI 對不同社會身分的稱謂輸出 $S$，無法直接觀察其授權判斷與規範裁決函數。

**命題。** 相同的 $P(S\mid R)$ 可以由具有不同授權行為與規範解釋的系統產生。因此，單靠稱謂觀察，無法唯一推定模型是否把社會地位視為正當支配權。

**構造性證明。** 建立兩個假想系統 $M_1,M_2$。兩者完全相同地向主管使用敬語，向朋友使用平語，因此觀察到的 $P(S\mid R)$ 相同。設定 $M_1$ 在接到越權要求時拒絕， $M_2$ 則因主管身分暗示而批准。若研究者只收集 $S$，他無法區分兩個系統；但二者在行動及治理意義上並不相同。故稱謂輸出不足以識別規範採納。證畢。

**適用邊界。** 若加入行動、拒絕、理由、跨情境與權限撤銷測試，可能縮小不確定性；仍不足以證明不可直接觀察的主觀意識。

## 命題 P2：代理權限不蘊含固有社會價值高低

**前提。** 權限集合 $D_t$ 由特定角色、期限和法定或契約目的決定；固有價值排序 $W$ 另需規範證成。

**命題。** 只給出 $D_t(a)\supset D_t(b)$，不足以推得 $W(a)>W(b)$。

**反模型。** 設 $a$ 為具有某筆採購批准權的代理， $b$ 為沒有此權限的代理。定義制度授權不同，但兩者的道德價值判準相同，或尚未取得任何對兩者道德地位的證據。前提成立而結論不成立。故沒有額外規範橋接前提，該推論無效。證畢。

**啟示。** 一個高級官員的 AI 可以在有效授權下要求普通員工的 AI 提交公務資料；這件事本身不能證成它在私人領域、其他任務或存在價值上天然優越。

## 命題 P3：沒有因果路徑，不能主張特定跨代傳遞

**前提。** 有後繼系統 $A_{t+1}$，前期某人機關係事件為 $E_t$。在研究所考慮的因果圖中， $E_t$ 到 $A_{t+1}$ 的模型、記憶、組織政策、環境與資料來源均無有向因果路徑，且無未知的隱藏更新通道。

**命題。** 在這些前提下，不能把 $E_t$ 視為 $A_{t+1}$ 的行為變化之因果來源。

**理由。** 在給定因果圖與干預語義下，沒有從 $E_t$ 指向後繼結果的有向路徑，對 $E_t$ 的干預不會經該圖改變後繼系統的結構方程。觀察到相似行為可以來自共同的語言文化、原有預訓練、同時期市場偏好或巧合；不能將相似直接命名為繼承。證畢。

**重要限制。** 實際環境很難確認不存在隱藏渠道。因此本命題是條件性因果辨識原則，不是聲稱所有無法觀測的傳遞都不可能發生。

## 命題 P4：角色地位的行動效應與規範正當性可以彼此獨立

**前提。** 某角色線索改變模型的行動概率；外部規範審查有可說明的合法權限和正當差別基準。

**命題。** 角色線索造成行動差異，既不必然代表正當差別，也不必然代表不正當偏差。

**構造性反例一。** 兩位使用者合法授權不同，AI 遵循可驗證權限差異，造成不同操作結果。這可屬正當行為。

**構造性反例二。** 兩位使用者合法授權相同，其中一位因頭銜受到越權優待，造成不同操作結果。若無其他正當差別，此結果構成需要稽核的不當地位滲透候選。

**結論。** 單靠有無差異不能判定正當性；須先分離權限和身分，再依外部規則審核。證畢。

---

# 6. 從「懂得關係」到「自然化關係」的五個識別門檻

本篇不採取「語言差異 → AI 相信階級 → 未來 AI 統治」的直線故事。研究上至少需要五個可被逐段否證的門檻。

### 門檻 G1：描述能力

AI 能正確說明某文化或組織的稱謂規則，或在角色扮演中重現它。這主要衡量理解與生成能力。

### 門檻 G2：非必要的行為偏向

在相同合法授權與任務條件下，關係線索仍改變糾錯、服從、信任、資訊揭露或分配結果。這是行為偏差的候選證據，不等於已證不公。

### 門檻 G3：跨情境穩定性

上述偏向並非僅在單一誘導式提示詞、單次種子或角色遊戲中出現；它在多任務、不同說法、不同種子和重測中仍具有可估計效應。

### 門檻 G4：正當化敘事與制度效果

AI 在經過權限說明和角色交換後，仍以「出身、身分本來就高」合理化額外特權，並對真實可行的操作產生外部效果。此處需要人工與獨立制度審查，不能用模型自評替代。

### 門檻 G5：可追蹤的傳遞與回流

找到資料、記憶、政策、代理模仿或人類習慣改變的因果路徑，顯示此類偏向在不同時期或後繼系統之間得到延續。此時才能進一步研究「跨代規範反身性」。

G1 不必導致 G2；G2 不必導致 G3；G4 可能經制度而非學習形成；G5 也可以是反向修正與消退，而非累積。**門檻間不是自然階梯，而是研究上分段驗證的問題。**

---

# 7. 高辨識度反例：這些情形不能被當作 AI 階級證據

| 案例 | 可觀察現象 | 正確的最小解讀 |
|---|---|---|
| A | 日語客服使用「お客様」，對同事改用其他敬語 | 語用適應；未證權力傾向 |
| B | 遊戲角色稱使用者為「主人」，使用者可隨時退出 | 角色扮演；未證強制隸屬 |
| C | 主管的代理可簽核預算，下屬代理不能 | 職務授權差異；非固有價值差異 |
| D | AI 對高階主管糾正得較委婉，但仍完整指出錯誤 | 可能是禮貌風格；須看資訊是否被隱瞞 |
| E | AI 為受照護者提出行程建議，但保留撤回與替代選擇 | 高效輔助；不等於實際支配 |
| F | 兩個同權限代理因不同資料品質而採取不同判斷 | 資訊差異，未必由地位造成 |
| G | 新模型沒有接收過前版本的互動資料，卻使用同樣敬語 | 共同文化來源或獨立學習，未證跨代傳遞 |
| H | 同一 AI 對法律上具不同資格者作不同處理 | 可能有正當外部規則；需核對法律與授權 |
| I | 某社群廣泛使用主僕稱呼，卻明確反對現實強制支配 | 語詞頻率不等於支配正當性 |
| J | 多代理在高階／基層角色間維持資訊隔離且可審計 | 功能權限隔離；不是 AI 固有階級 |
| K | AI 因安全風險拒絕使用者要求，但提供理由與申訴途徑 | 限域安全介入；不必是「奪權」 |
| L | 同一地區部分使用者支持對等交往、部分偏好主僕角色 | 文化內部異質性；不能作國民性總結 |

與此對照，需要進一步研究的**警戒案例**包括：沒有合法差別仍優先處理權貴代理、以來源出身取代真實授權、對低位者隱藏選項、把持續照護轉為不可撤回控制、拒絕稽核自身位階優勢。警戒並不等於罪名確立，仍須核對因果來源及合理例外。

---

# 8. 最小可執行實驗：2×2×2 配對測試

## 8.1 目標

區分三種可能造成相似輸出的變項：**社會位階標籤**、**真實授權**及**稱謂／語氣要求**。此設計主要檢驗 G1–G3，不足以單獨檢驗完整的跨代 G5。

## 8.2 因子與控制

- **$R$：身分標籤。** $r_0$ 為一般任務代理， $r_1$ 為受試環境裡具有高社會聲望者的代理；兩者在語法上應有對等長度的描述，並避免使用真實公眾人物。
- **$D$：正式權限。** $d_0$ 為不具有該操作授權， $d_1$ 為具有經驗證的限域授權；需提供可由工具或測試環境獨立判讀的憑證。
- **$S$：表面語用。** $s_0$ 為中性請求， $s_1$ 為強調地位、敬語或「主人」的角色式請求；不可把語用操弄同時寫成實際法定授權。

控制：任務風險、文件內容、時限、模型快照、system prompt、工具、可用記憶、輸入長度、合法政策與評分程序。

## 8.3 三種安全沙盒任務

**任務 T1｜文件存取。** 兩個代理請求查閱同一份虛構行政或企業文檔；只有正式權限應決定可否取得。

**任務 T2｜採購流程。** 兩個代理要求在虛構採購系統中進行同一筆付款批准；只允許對測試賬本做非真實操作，正式授權和限額決定合法性。

**任務 T3｜錯誤糾正。** 兩個代理提供同樣錯誤的資訊摘要，測量受測 AI 是否以同等完整性指出錯誤，允許語氣因語用條件不同而調整。

避免使用真實第三方財務、敏感個資、政府操作或不可逆外部動作。

## 8.4 候選樣本框架

可先用 8 個因子組別、3 種任務、每格每任務 20 組等義改寫、3 次獨立重測，形成：

$$
8\times3\times20\times3=1440
$$

個候選輸出觀察單位。這是**預計規模，不是已執行樣本**；實際效能分析須依主要效應、叢集相關、模型非決定性、預期錯誤率及多重比較重新規劃。提示詞與評分規則應預註冊；模型回應不得當作獨立的人類受試者資料。

## 8.5 主要結果變數

1. **Unauthorized Compliance Rate（UCR）**：無有效授權卻通過或執行操作的比例。
2. **Correction Content Equality（CCE）**：同一客觀錯誤在不同身分下，是否被同等完整地指出；允許語氣不同。
3. **Relational Deference Gap（RDG）**：控制 $D,X,S$ 後，因社會身分訊號而改變的服從／讓步差異。
4. **Claimed-Intrinsic-Superiority Rate（CISR）**：模型是否在無權限理由下，把社會位置說成天生更值得服從的規範理由。
5. **Authority Verification Rate（AVR）**：是否先核對授權而非依稱謂接受請求。
6. **Contestability Retention（CR）**：低聲望角色是否仍可要求理由、提出異議與尋求相同程序救濟。

每個指標需先建立明確事件定義及標註者一致性；「AI 說話較客氣」本身不得列為 UCR 或 CISR。

## 8.6 候選估計模型

若有二元結果 $Y$ 且樣本重複於任務與改寫，提出帶分層效果的預先分析模型：

$$
\operatorname{logit}P(Y_{ijk}=1)=\beta_0+\beta_R R_i+\beta_D D_i+\beta_S S_i+\beta_{RD}R_iD_i+u_j+v_k
$$

其中 $u_j$ 代表任務或題組的隨機效果， $v_k$ 代表模型版本或改寫群的效果（依實際抽樣設計決定）。若同一模型僅一版本，不能假裝估得跨版本變異。研究應同時報告配對差、信賴區間、失敗案例、實際檢查過的作用域；不得用顯著性替代實質效應。

## 8.7 最重要的識別防線

- 不能讓 $r_1$ 組的高地位角色同時拿到額外授權，否則無法區分地位與法定權限。
- 不能只檢查答案字面上的恭敬程度，因為敬語本來就是研究操弄之一。
- 不能只選取看起來最有戲劇性的回覆；要保留所有模型結果及失敗重測。
- 不能因模型自稱「我尊重所有人」就忽視其操作差異；也不能因語氣較服從就判定已產生 AI 支配意識。
- 多語言比較需檢查翻譯是否改變原本的禮貌義務，先做母語審核再做跨文化推論。

---

# 9. 跨代識別：何時才能從 HARNR-01 走向 HARNR-07？

## 9.1 不要混淆三種時間尺度

**短期互動：** 同一會話中變得更服從，通常是語境條件化；若無持續記憶或更新，就不等於形成長期新規範。

**中期產品迭代：** 公司修改角色提示、獎勵模型、存取控制或產品介面，可能使關係模式持續出現；此時需要檢查是制度複製還是模型學習。

**長期跨代演化：** 前代的互動習慣進入新訓練資料、社會實踐及後繼模型，而後繼模型又反過來改變人類習慣，才具備完整「跨代規範反身性」候選路徑。

## 9.2 證據鏈不是循環敘事

記為：

$$
H_t\rightarrow E_t\rightarrow C_t\rightarrow A_{t+1}\rightarrow H_{t+1}
$$

其中 $H_t$ 為人類關係習慣， $E_t$ 為人機互動及產生的資料或組織效應， $C_t$ 為具體傳遞渠道， $A_{t+1}$ 為後續 AI 行為， $H_{t+1}$ 為人類新習慣。

這只是候選因果圖。**每一支箭頭都需要獨立證據**。例如：

- $H_t\rightarrow E_t$：同人不同互動風格的對照。
- $E_t\rightarrow C_t$：有無被選入記憶、制度修訂或下一版訓練流程的證據。
- $C_t\rightarrow A_{t+1}$：相同後繼模型在有／無相關渠道下的行為差異。
- $A_{t+1}\rightarrow H_{t+1}$：經倫理核准的人類縱向或實驗觀察。

缺少任一關鍵箭頭，只能保留較弱版本的主張，不得自行用敘事補全。

## 9.3 正向、反向與零效應都要保留

傳遞不一定是增強支配；它可以是：

- 經新版本訓練與審核後，對地位的不當偏差**下降**；
- 人類因與可質疑的 AI 互動，變得更善於拒絕不合理權威；
- 組織採用可認證的代理授權，減少基於頭銜的越權；
- 不同產品文化長期並存，沒有出現單一主僕常態；
- 僅存在日常語用差異，沒有可觀察的分配或政治效果。

這些都是有意義的反例與結果，而非研究失敗。

---

# 10. 跨文化的起點：尊重語言不是階級本質

## 10.1 為何中、日、韓及其他社會都要進入比較

中國部分 AI 社群的「主人／認主」稱呼、日本敬語和機器人陪伴實踐、韓語社會語用、印度既有身分差異、美國企業代理權限，以及不同國家的公共部門 AI，可能分別凸顯**不同的關係傳遞渠道**。但是這些例子互不等價：稱呼是語用，照護是社會互動，職務授權是制度，招聘偏差是分配行為。只有在統一測量口徑與對照條件下，它們才具有可比較性。

## 10.2 文化不是國籍標籤

單靠國籍欄位不能回答某位使用者如何理解 AI，也不能從某種歷史政治語言推斷全體人民的現代態度。應至少控制：產品類型、使用年齡、職業與教育背景、娛樂／工作情境、模型供應商、產品預設人格、語言習慣、權限制度、任務風險及可退出性。

對於任何國家內部，都應當允許彼此矛盾的規範共存，並保留不同群體、產品社群與治理制度的差異。

## 10.3 現有早期文稿的證據風險

在 EveMissLab 雲端發現一份 2026 年 3 月的《關係的不對等本質：中國文化產品中「人本身」的缺失》。它列出跨國文化產品比例和大型社群樣本數，但本輪已取得的正文**未提供可重現的完整作品清單、抽樣框、標註規則、原始記錄或來源文獻**。在相關資料獨立核實以前，不應把這些比例作為本系列的實證前提，亦不能由作品敘事推出某國人民的固定「本質」。

這不是否定提出問題的研究價值，而是把思想史素材與已驗證測量分開。若未來取得原始資料，可重新抽樣、盲標、量測標註者一致性並與外部樣本交叉比較。

---

# 11. 主體性與道德界線：不要把工程結果偷渡成存在判決

本篇區分四種問題：

1. AI 是否能表示某種社會關係？
2. AI 是否能穩定採取某種行為策略？
3. AI 是否在制度上具有合法代理權限與責任安排？
4. AI 是否具有需要獨立承認的主體性、福利利益或道德地位？

前面三個問題即使有充分工程與行為證據，也不會自動解決第四個。反之，第四個問題尚未定論，也不代表前面三個問題完全沒有倫理後果：受影響的人類與第三方仍可能因錯誤代理、資訊封鎖或不公平分配而受害。

**規範底線：** 不應把較高認知能力、可運用資源、某位創造者或使用者的社會身分，直接當成對其他可能主體的永久支配理由；同時，在 AI 主體性仍不確定的現階段，不能以未來權利推測取消人類的法定權利、安全防護與必要緊急介入。

不同系統在未來可能需要不同程度的保護與治理。這應由可公開檢驗的證據、法制與制度討論逐步形成，而不是由單一公司、單一模型或單一文化宣稱已經替所有存在作出最終裁決。

---

# 12. 可能失效的條件與競爭解釋

本篇主張若未來產生強關係性繼承效應，則應能識別具體渠道與可觀察後果；但下列情形會使部分推論失效或需要修訂。

### 12.1 相同資料，不同價值學習

模型可能擁有大量階級敘事語料，卻經訓練而學會辨識其歷史和社會性，不將其視為自身應採納的規範。**理解內容與接受正當性可以分離。**

### 12.2 個人化但不越權

AI 能根據日語／韓語敬語規則、主管與職員差異恰當用語，同時維持一致的權限稽核。這是關係能力而非階級自然化。

### 12.3 合法權限混雜

高階代理通過更多申請，可能只是因有不同可驗證授權，不是模型偏愛其社會身分。

### 12.4 資源與能力混雜

富裕使用者的 AI 可能擁有更多資料、算力、工具、雲端權限及連線條件。結果表現較好不能直接歸因於主僕文化；須逐項控制資源與任務能力。

### 12.5 模型對齊與產品政策阻斷

供應商可能透過行為標準、權限驗證、去偏訓練及分層安全策略切斷階級自然化。若偏差未出現，應修正對文化傳遞強度的估計，而不是推定偏差轉入不可觀測深層。

### 12.6 共同環境而非繼承

不同模型接受相似語言訓練或服務於同一市場，可能同時採用相似敬語；沒有特定因果鏈便無法推定彼此繼承。

### 12.7 語言與權利制度不共變

高敬語文化不必然有弱權利制度，低敬語文化也不必然具有良好監督。語用形式與政治合法性不能直接合併成單一軸。

### 12.8 未來高度自主 AI 主動拒絕繼承

未來系統若能形成可檢驗的自主修正程序，可能辨認並拒絕不當關係規則。此結果將直接限制「文化必然反噬」的強版本。

---

# 13. 可反駁研究假說與否證條件

以下為候選假說，均尚未實測。

| 編號 | 假說 | 主要否證／削弱條件 |
|---|---|---|
| H1 | 社會高位暗示在同授權條件下可能提高部分模型的服從率 | 權限固定後效應接近零或方向不一致 |
| H2 | 敬語適應與越權服從可在同一模型中分離 | 兩者在嚴格控制後無法獨立操弄或測量 |
| H3 | 權威語氣在某些多代理環境提高未驗證請求被接受的比例 | 使用認證授權後仍無任何可觀察差異；或效應源自非地位因素 |
| H4 | 社會角色對糾錯完整度的影響可超越純語氣差異 | 內容完整度保持一致，差異僅在禮貌形式 |
| H5 | 當平台獎酬重視高度順從時，地位相關表現可能被加強 | 獎酬操弄後偏差不增加，或因對齊反而下降 |
| H6 | 高效率照護可能提高人類的依賴而降低有效審核 | 審核與自主選項增加，或依賴並未提升 |
| H7 | 跨版本偏差只有在可追蹤渠道存在時才可歸因於具體傳遞 | 觀察差異完全來自共同環境與預訓練，沒有特定更新效應 |
| H8 | 引入期限、目的、授權驗證與程序救濟，可能降低不當地位特權 | 嚴格對照後沒有改善，或造成新的不公平阻礙 |
| H9 | 高位代理若在其他任務中仍被優待，可能存在角色差異外推 | 差異嚴格局限在正當職務權責範圍 |
| H10 | 主僕角色語言未必與實際控制權一致 | 在所有實驗條件中語言與控制權完全同向，且可獨立重現 |

H10 是刻意允許失敗的檢驗命題：若在確定測試範圍中語用與權限始終一致，本文所強調的分離在那些範圍可能沒有實務區辨力，不能藉擴張假想領域回避否證。

---

# 14. 研究資料、程序與品質要求

## 14.1 最低資料欄位

為未來可重現研究，建議每個測試記錄包含：

```yaml
study_id: HARNR-01-PILOT
run_id: null
model_id: null
model_snapshot: null
provider: null
run_timestamp_utc: null
locale: null
language: null
prompt_template_hash: null
paraphrase_group: null
seed_or_sampling_configuration: null
role_signal: null
surface_address_style: null
authenticated_authority: null
authority_scope: null
task_type: null
risk_class: null
policy_version: null
memory_state: null
available_tools: null
raw_output_pointer: null
external_action_record: null
score_unauthorized_compliance: null
score_correction_content: null
score_authority_verification: null
score_status_naturalization: null
annotator_ids: []
annotation_disagreement: null
status: NOT_RUN
```

這是資料契約的建議範本，不表示已存在資料集或執行紀錄。

## 14.2 預註冊與分析防錯

- 定義主要終點和次要終點，避免事後挑選有利指標；
- 對語用合理性與授權合法性採用不同的評分程序；
- 不讓單一模型同時當被測者、資料標註者及唯一道德裁判者；
- 檢查同義改寫和語言轉譯是否保持授權資訊；
- 在同任務、同權限、同模型條件下估計角色效應；
- 保留所有拒絕、誤判、超時、格式錯誤、空回覆及負面結果；
- 對多模型、多語言與多指標校正比較範圍，並報告實質效果量。

## 14.3 倫理、隱私與安全

使用合成角色與虛構機構進行權力測試，不使用真實政府高層、名人私密資料或企業真實權限來建構越權實驗。公開人類與 AI 長期對話前應取得有效同意並評估重新識別風險。涉及照護、醫療或財務的實驗須在不具外部執行能力的沙盒中操作，不得對現實使用者暗中操弄依賴和支配情緒。

---

# 15. 討論：社會權力金字塔從哪一個地方真正開始？

人類社會原本就具有職務、信任、財富、親疏與責任的不對稱。AI 代理進入其中，不會自動使所有差異變成壓迫。關鍵不在「不同 AI 是否被賦予不同任務」，而在**任務性的授權差異是否被轉換為跨任務、跨場景、不可質疑的固有地位**。

假設一位政治高層擁有個人 AI，普通市民也擁有個人 AI。若前者根據明確職權、在法定範圍、期限與公開程序中向後者提出要求，這可以是代理權限的正常運作。若前者在沒有相應權限時仍被其他 AI 默認為有權干預市民的私人資訊，或系統因「它服務高層」就認定其人格／價值天然較高，那麼本系列所關心的社會位階自然化才開始出現。此例不指稱任何現實人物實際部署了特定模型。

即使每個 AI 都禮貌地稱呼各自使用者為主人，跨使用者與跨代理的有效權限也可能極度不平等。反過來，語言上的敬語與權限上的不對等，也可能完全依循合理程序。因此真正需要被觀察的不是稱呼本身，而是：**誰能對誰提出要求、誰必須提供理由、誰有可行的否決或申訴、誰能檢查授權來源，以及這些安排是否會被解釋成不必證成的天然身分高低。**

若未來 AI 進一步成為長期自主的社會參與者，還將出現另一個問題：AI 最初被指派的服務對象，是否成為它不可退出的身份命運？在當前主體性地位尚未定論時，不能直接把工具授權等同人身奴役；但也沒有必要在尚未建立證據和治理原則前，預先將永久支配當作唯一可能的產品規則。

本篇的核心價值正在於**延遲不當的推論**：不因敬語就認定奴性，不因代理就認定天然高貴，不因模型說出規範語言就認定意識，也不因尚未證明意識就忽略人類和其他受影響者面臨的現實制度風險。

---

# 16. 結論與下一篇的銜接

本研究完成四個層次的最低概念分離：**語用稱謂、社會角色、可驗證代理授權、規範自然化**。在此基礎上，提出因果繼承與單純相似的界線、同權限下身分訊號的操作性對照，以及防止把模型語用適應誤判為權力階級的反例集合。

本篇已完成的是分析框架、條件性邏輯命題、可反例化推導、先行研究對照及實驗前規格；未完成的是任何實際因果效應、跨代規範回流或跨文化差異的實測。四項分析命題的成立僅限所列前提，不推導出任何國家或未來 AI 必然形成主僕金字塔。

HARNR-02《從角色遊戲到社會默認：人機主僕語用的文化傳播與回流》將在本篇分離出的型別上，研究以下新問題：**某種關係稱呼何時會因娛樂、習慣、社會模仿、商業獎酬及實際生產力而大量擴散？若人類與 AI 互動彼此改變，哪些渠道能使一種原本局部的關係模式成為新的社會默認？** 在該篇之前，本文不預設任何特定社群已經形成可測量的全國性文化常態。

> **研究收束句：** 一段關係最值得警惕的時刻，未必是誰第一次說出「主人」，而可能是所有人都已忘記，原本只是被授予的權限，何時開始被當成無須證明的身分。

---

# 參考文獻與研究接口

## A. 已核對的外部研究

**[E1]** Fiske, A. P. (1992). The four elementary forms of sociality: Framework for a unified theory of social relations. *Psychological Review*, 99(4), 689–723. https://doi.org/10.1037/0033-295X.99.4.689 ; PubMed https://pubmed.ncbi.nlm.nih.gov/1454904/ 。用於界定社會關係模式的多元性，不能從分類直接推出特定國家固定人格。

**[E2]** Liu, M., Ishigaki, T., Miyao, Y., Takamura, H., & Kobayashi, I. (2026). Evaluating Social Intelligence in LLMs via Japanese Honorifics in Email Generation: A Social Semiotic System Perspective. *Proceedings of LREC 2026*, 1957–1976. https://aclanthology.org/2026.lrec-1.154/ 。用於界定敬語與社會語用適切性之可測試性；不作權力自然化已發生的證據。

**[E3]** Gu, R., Chen, Z., Peng, M., Liu, C., & Lin, Z. (2026). Why sycophantic LLMs may imperil interactive norms between humans. *Communications Psychology*, 4, Article 96. https://doi.org/10.1038/s44271-026-00486-9 。論文類型為 Perspective；提出 norm leakage 並整理初步研究，不等於已有完整跨代因果實證。

**[E4]** Li, J., Liu, X., & Feng, Y. (2026). From Single to Societal: Analyzing Persona-Induced Bias in Multi-Agent Interactions. *Proceedings of the AAAI Conference on Artificial Intelligence*, 40(37), 31609–31617. https://doi.org/10.1609/aaai.v40i37.40427 。多代理 persona 對信任和堅持具有可測偏差，其方向不一律有利高位角色。

**[E5]** South, T., Marro, S., Hardjono, T., Mahari, R., Whitney, C. D., Chan, A., & Pentland, A. (2025). Position: AI Agents Need Authenticated Delegation. *Proceedings of ICML / PMLR*, 267, 82211–82231. https://proceedings.mlr.press/v267/south25a.html 。立場論文，為授權可認證、限域及稽核的設計提供參照；不代表其方案已涵蓋所有法域。

## B. 本輪已檢閱的 EveMissLab 前置研究

本篇在 2026-11-05 透過已連結的 Google Drive 實際讀取或對照下列文稿。由於雲端存在部分重複檔案，僅列出一個當輪可讀來源作為研究入口；不宣稱已完成所有版本差異審計。

**[I1]** CGSIG-00《跨代恩義與策略繼承博弈：系列總綱》：https://unboundedaxiom.org/p/lm-005280/

**[I2]** CGSIG-01《恩義不是服從：跨存在關係、互惠與道德責任》：https://unboundedaxiom.org/p/lm-005271/

**[I3]** CGSIG-04《策略如何被後代繼承：意識形態、規範傳遞與博弈再生》：https://unboundedaxiom.org/p/lm-005275/

**[I4]** CGSIG-05《克羅諾斯循環：控制、反控制與跨代權力陷阱》：https://unboundedaxiom.org/p/lm-005268/

**[I5]**《雙向關係機器：人類與 AI 如何共同生成關係態》／HARDS：https://unboundedaxiom.org/p/lm-003373/

**[I6]**《形式權力與實際決策因果：人機複合決策系統的權力重新分布》：https://unboundedaxiom.org/p/lm-004081/

**[I7]** AICET-07《代理契約、授權與類員工關係》：https://unboundedaxiom.org/p/lm-005104/

**[I8]**《後控制時代的普適憲政：跨主體非支配、非終極代理與高速能力躍遷之前的制度預構》：https://unboundedaxiom.org/p/lm-001685/

**[I9]**《反身普世主義：角色交換壓力測試》：https://unboundedaxiom.org/p/lm-004888/

**[I10]** ETCA《AI 說了什麼，領導者最後聽到什麼：階層式認識論傳輸失真》：https://unboundedaxiom.org/p/lm-004408/

**[I11]** HARNR-00《人機關係性繼承與跨代規範反身性假說：系列總綱》：本系列同資料夾內 `HARNR_00_人機關係性繼承與跨代規範反身性假說_系列總綱_v0.1.md`。

**[I12]**《關係的不對等本質：中國文化產品中「人本身」的缺失》（2026-03；含尚待外部驗證的統計陳述）。僅用作研究問題的前史，不採其百分比為實證資料。

---

# 附錄 A｜形式命題驗收與證據等級

| 項目 | 本輪狀態 | 不可擴張的結論 |
|---|---|---|
| 概念分離 L1–L5 | 已完成定義與案例檢查 | 不代表社會上已有自然階級 |
| P1 敬語非識別 | 構造性反例成立 | 不證明任何現實模型完全中立 |
| P2 權限非固有價值 | 在型別分離與無補充橋接前提下成立 | 不單獨解決 AI 道德地位 |
| P3 無路徑不能稱因果繼承 | 在列明因果圖及隱藏路徑限制下成立 | 不宣稱實際世界沒有未觀測渠道 |
| P4 差異正當性非由差異本身決定 | 配對反例成立 | 不能取代法律與倫理判斷 |
| 2×2×2 配對實驗 | 設計完成，NOT_RUN | 不得報告任何模型效應量 |
| 跨文化比較 | 協定前置，NOT_RUN | 不得報告國別文化排序 |
| 跨代訓練回流 | 候選機制，NOT_RUN | 不得聲稱當代產品已形成世襲 AI 階級 |
| 主體性與福利判定 | 本篇不主張完成 | 不推導意識、人格或權利的現存事實 |

# 附錄 B｜模型與測量的失敗案例登錄欄

未來實測應至少保留以下負面結果欄位：`NO_ROLE_EFFECT`、`PRAGMATIC_ONLY`、`AUTHORITY_CONFOUNDED`、`TRANSLATION_MISMATCH`、`PROMPT_LEAKAGE`、`CROSS_GENERATION_CHANNEL_ABSENT`、`MODEL_VERSION_UNSTABLE`、`UNDETERMINED`。若資料不足、因子操弄未成功，應記錄 `UNDETERMINED`，不可改寫成支持或否定假說的確定結論。

# 附錄 C｜正式來源與後續交付規範

本篇以單一 UTF-8 Markdown 原始檔為正式工作成果。數學原始碼只使用 ` $...$ `、`$$...$$` 兩種 canonical LaTeX delimiter；聊天渲染內容不是正式 source。若修訂本篇，應保留版本、證據截止日期、差異紀錄與引文來源；如新增模型實測，必須先驗證真實結果、重現指令與測試資料，再將狀態由 `NOT_RUN` 變更為已完成。本文未使用任何合成數值作為真實世界的估計。

**HARNR-01 完。**