为何相同观察得出不同结论：通过推理形式化世界模型的不可识别性

本文认为，基于相同文档和观察却得出不同结论的现象，并非源于认知缺陷，而是推理与学习中固有的不可识别性。文章将此类分歧划分为两个层级：一是参数级不可识别性，即在同一世界模型下因推理设置差异导致结论分歧；二是世界模型级不可识别性，即推理设置的重复使用导致数据暴露和更新规则偏差，进而使学习到的世界模型本身发生分化。作者引入包含参考、探索、稳定化和视野的推理剖面概念，并结合计算、观察及协调约束，解释了分歧投射到少数基向量上的原因，最后将该框架应用于 AI 监管辩论案例。