实现AI辅助主张的可独立质疑性：发布权威与可证伪发布记录协议

# 发表权与可证伪发表记录协议  
来源：https://arxiv.org/html/2609.17631  

## 使AI辅助主张可独立质疑：发表权与可证伪发表记录协议  
董一飞、余坤、王旭、刘伟、周建龙、刘仁平、陈芳  
悉尼科技大学数据科学研究所，澳大利亚新南威尔士州Ultimo  
悉尼科技大学全球大数据技术中心，澳大利亚新南威尔士州Ultimo  
悉尼科技大学计算机科学学院，澳大利亚新南威尔士州Ultimo  

###### 摘要  
当证据、分析、人工授权、呈现形式及修正历史指向不同状态时，AI辅助主张可能显得具有权威性。溯源、认证与透明度虽能揭示此历史，但其本身并不足以规定本文探讨的完整发表转换过程。我们开发“发表权”概念，将其定义为精确状态、不可转移、一次性的发表能力，并在“发表问责计算”（PAC-2026）中实例化——这是“人工智能论证与完整性模型”（AIJIM）协议中的机器可读候选方案。我们评估其第四次有界语义冻结版本（SF-4），该版本采用固定配置规范以支持可替换绑定。六项义务分别涵盖证据、运行与工件、测量披露、授权、表面对应及生命周期连续性。每项义务均产生目标绑定见证、局部反例或局部不可验证性，且任何一项均无法补偿其他项。只有全新且完全通过的完整记录，才能派生消耗于单次原子发表转换的许可。  
评估使用身份向量、对抗案例、有限模型及历史实现层。十个模型探索了110,764个安全可达状态；76个不安全配置产生了预期的违规或观测者反模型。通过自身对应检查的读者表面，除非是所接受记录所承认的表面，否则无法授权发表。SF-4将证据视野与验证时间分离，并拒绝真实但因果无效的授权。历史前驱路径重现了17个冻结授权-后续结果。后续针对已知案例类别的内部无感知测试匹配了全部183项评分预期；同主机包执行复现了其240项归档观测。  
结果支持内部一致性、有界安全性、故障敏感性及有限可构建性，但不支持事实真实性、通用细化、盲目互操作性、领域有效性或标准地位。  

###### 关键词  
AI辅助主张，发表问责，发表权，协议一致性，可证伪性，设计科学研究  
††通讯作者：[email protected]  

## 1 引言  
AI辅助发表产生了一个无法简化为模型准确性的协调问题。考虑一个被批准为版本c1的主张。一个承载语义的编辑创建了版本c2，但证据、分析运行和人工授权仍指向c1，而面向读者的页面省略了局限性说明。每个保留的条目都可能是真实的，但这些条目不再描述同一状态。由此产生的主张可能显得比联合记录所保证的更具支持性、授权性、测量性、时效性或可审阅性。我们将这种失败称为“静默认知升级”。  
“更强”指发表记录所断言的状态；它不是一个数值真理标尺，也不意味着事实主题本身为真或具有科学可证伪性。组成部分的问题是独立成立的。长篇生成文本在单个主张层面可能存在支持差异，且引用存在与否与引用完整性及支持性是两回事[1 (https://arxiv.org/html/2609.17631#bib.bib1),2 (https://arxiv.org/html/2609.17631#bib.bib2)]。计算和报告细节可能实质性地影响可重复性甚至实质性结论[3 (https://arxiv.org/html/2609.17631#bib.bib3),4 (https://arxiv.org/html/2609.17631#bib.bib4)]。问责研究同样强调需要明确规则、可检查的使用及事后验证，而非仅依赖访问控制或不透明保证[5 (https://arxiv.org/html/2609.17631#bib.bib5),6 (https://arxiv.org/html/2609.17631#bib.bib6)]。  
这些研究并未证明在发表中完整的多状态失败普遍存在。它们确立了为何保持组成关系可恢复是一个具有重要意义的设计问题。此处，“发表”指一个受治理的转换过程，而非一种文档类型：一个具体、有版本的候选对象在声称的记录状态下，被有意提供给特定受众。受众可以是公开或访问控制的，候选对象可以是科学论文、新闻报道、数据集描述或其他承载主张的对象。AI辅助发表是其激励领域，而非排他性主张。所接受的配置及其绑定策略决定了哪些模型或工具贡献是实质性的；例如主张措辞、证据综合、分析代码、图表或翻译。授权单元是置于人工授权者面前的完整候选对象。主张级别的证据关系仍然可能，但协议不要求为每句话单独颁发许可。因此，这些法则在逻辑上并非AI专属，尽管本文不评估非AI领域。  
此处，“可独立质疑”意味着依赖方验证者可以在无需未记录的生产方参与的情况下，重建并质疑记录依据及后续状态。它并不意味着一个独立开发的实现、互操作性或领域效用已经得到演示。现有标准解决了大部分机制层。溯源模型、研究对象包、签名认证、内容凭证、透明度服务、回执和更新通知可以记录和传输相关事实。未解决的科学问题更为具体：当这些机制必须引用同一精确目标，且某一维度的成功不得补偿另一维度的失败时，应由何种发表特有语义来治理向更强记录状态的转换？  
一个已提供等效语义的现有配置或定义组合，是对剩余贡献的直接证伪；本文不因未发现来源的存在而推断新颖性。我们通过设计科学研究（DSR）工件[7 (https://arxiv.org/html/2609.17631#bib.bib7)]来解决该问题。所提议的设计知识是**发表权**：一种协议派生的、不可转移的能力，用于为一个精确的候选对象和上下文执行一次原子发表转换。简而言之，发表权回答一个问题：在当前，此精确版本——而非早期或实质不同的版本——是否可以在声称的记录状态下发表？  
> 定义1（发表权）  
对于一个固定的所接受配置，只有当每项强制性发表义务都具有一个全新的、精确目标通过结果和升级见证时，发表权才存在。一个有效、未消耗的发表许可是其按许可的单次可执行表示：一份许可至多只能授权一次发表行为。对任何真子集的批准、签名、回执、溯源跟踪或通过结果均不构成发表权。这是一个协议术语，而非法律、编辑、机构或标准权威。实质性的非等效变更不会继承它。一个有效的否定验证记录仍然是可携带的证据，但不能授权发表。  
我们将此处引入的版本化、机器可读工件称为“发表问责计算”（PAC-2026），它是“人工智能论证与完整性模型”（AIJIM）协议中的一个候选方案。本研究评估的精确对象是其第四次有界语义冻结版本（SF-4），我们称之为PAC-2026 SF-4。年份是候选系列标识的一部分；SF-4表示第四次保留的语义冻结。这两个标签均不表示外部标准或成熟度评级。其固定核心配置——本次评估所接受的规则集——确定了六个坐标：证据；运行与工件；测量披露；精确人工授权；注册读者表面对应；以及生命周期连续性。每项适用义务均返回一个目标绑定见证、局部反例或局部不可验证性。后两者采用关闭式失败，且任何坐标均不得升级另一个。“基底中立”描述了其与数据库、封装包、仓库或透明度服务的预期语义分离。这是一个设计目标，而非通用绑定细化、独立实现或互操作性的证据。  
本研究有一个研究问题（RQ）和两个子问题（SQ1–SQ2）：  
RQ：固定配置的发表问责语义如何治理AI辅助主张向更强记录发表状态的转换，使得证据、分析工作、授权、读者可见的意义及后续状态变更保持与所发表精确状态的绑定？  
SQ1：在所声明的配置中，哪些基于文献和标准的失败类别和设计要求定义了该转换？  
SQ2：在所声明的评估范围内，PAC-2026 SF-4在多大程度上满足语义一致性、有界安全性、定向故障敏感性和可构建性的既定标准？  
本文做出三个有序贡献：  
1. （C1）发表权与非补偿设计法则。我们将精确状态权威作为理论对象框架，并提出五条可证伪法则以指导其派生和保存：问责闭合、授权新鲜性、认知非放大、语义表面保持性及持续可质疑性。  
2. （C2）PAC-2026 SF-4作为可执行规范工件。固定配置将这些法则转化为六项义务、独立的结果映射、规范标识、时间授权-许可链、至多一次许可、注册表面及经认证的生命周期事件。此处，“可执行”指机器可检查的规范库及其验证和模型工件，并非端到端的SF-4实现。  
3. （C3）标准引导的有界评估。规范向量、正例与对抗案例、有限状态模型及历史分离的实现层测试了一致性、有界安全性、故障敏感性和有限可构建性。每个证据层都有明确的主张上限。  
本研究文章既非规范性规范也非产品文档。独立版本化的PAC库控制可执行的语义对象；本文提供科学原理、抽象和评估。历史参考实现及其前驱路径提供有界可构建性证据，但并不定义协议。后续实现结果仅作为单独的、评估后的证据报告，不能升级冻结的SF-4结果。紧凑的主张-证据-证伪账本在此引入并在表6 (https://arxiv.org/html/2609.17631#S6.T6)中报告；它使每个主要结论及其驳斥可被检查，而无需将账本变为论证的替代品。  

## 2 文献与标准背景  
发表问责建立在成熟的溯源、证据绑定、授权和验证方法之上。设计问题在于，当一个具体候选对象获得记录的发表状态时，需指定它们的依赖关系。以下比较识别了现有标准和系统已提供的内容，以及PAC-2026如何在发表边界耦合这些能力。  

### 2.1 证据、计算与可问责主张  
主张级别的评估显示了文档级别评分的不足：支持可能在原子事实单位之间存在差异，且引用可能在场却未能充分或完整地支持相关断言[1 (https://arxiv.org/html/2609.17631#bib.bib1),2 (https://arxiv.org/html/2609.17631#bib.bib2)]。可重复性工作同样表明，代码、数据、执行条件和报告选择对于计算主张可能是实质性的[3 (https://arxiv.org/html/2609.17631#bib.bib3),4 (https://arxiv.org/html/2609.17631#bib.bib4)]。这些发现支持对那些依赖适用的主张进行明确证据和运行闭合。它们并不暗示每项主张都需要相同的工件，或协议可以确定事实真实性。  
信息问责研究增加了时间和程序维度。可检查的规则、事前承诺和事后验证可以使重要的信息使用变得可质疑，即使完全内部披露不可能[5 (https://arxiv.org/html/2609.17631#bib.bib5),6 (https://arxiv.org/html/2609.17631#bib.bib6)]。这支持将可质疑性作为设计目标，但并不验证PAC-2026或规定其字段。因此，PAC可被理解为更广泛AI风险治理中的一项技术控制，而非AI风险管理框架。  
NIST AI风险管理框架将组织活动组织在治理、映射、测量和管理之下，并将上下文和生命周期责任视为实质性的[8 (https://arxiv.org/html/2609.17631#bib.bib8)]。PAC通过使其决策基础可检查来解决发表转换问题。其记录可以为风险治理过程提供结构化的、经认证的决策证据；但风险识别、可能性和影响评估、风险容忍度以及组织治理的充分性仍超出此控制范围。  

### 2.2 强相邻标准与系统  
#### 溯源与研究对象。  
万维网联盟（W3C）的PROV模型表示实体、活动、代理、派生、包和时间约束；OpenLineage表示过程谱系；RO-Crate打包研究对象；纳米出版物将原子断言与溯源和发表信息绑定[9 (https://arxiv.org/html/2609.17631#bib.bib9),10 (https://arxiv.org/html/2609.17631#bib.bib10),11 (https://arxiv.org/html/2609.17631#bib.bib11),12 (https://arxiv.org/html/2609.17631#bib.bib12),13 (https://arxiv.org/html/2609.17631#bib.bib13)]。它们共同提供了表示依赖关系、保持主张身份以及使研究对象可检索（超越原始系统）的既定方法。  
#### 认证、真实性与透明度。  
in-toto和软件工件供应链级别（SLSA）记录并验证声明的软件供应链步骤；W3C可验证凭证（VC）表示签名的主张；内容溯源与真实性联盟（C2PA）规范版本2.4提供签名清单、硬绑定与软绑定。