证明机器，不等于证明世界｜TapeOut x Jev 系列研究 ver 3.

BruceBlue 🌊

@BruceBlue · Sep 24

1,984

当 SAT 给出 UNSAT，真正的问题才刚刚开始

核心论点：SAT、全域枚举和等价检查可以把一项主张推进到极其坚硬的程度：在被声明的输入、状态、数值语义与工具假设中，这台机器没有背叛它的参考规格。可它们并不能证明参考规格看见了真实世界，更不能证明世界配得上被压成这些 bit。证明机器，是把承诺钉死；证明世界，则仍是认识、制度与责任的问题。

这不是对形式方法的贬低，恰好相反。今天最稀缺的不是又一个会解释的模型，而是一个在边界上不能临时改口的系统。问题在于，我们很容易把这种稀缺性误读成真理本身。

Jev 与 TapeOut 放在一起，恰好把这场误读暴露得非常清楚。前者把开放文本压缩成有限类型的判断；后者把有限判断压缩成 NAND、LATCH 与可引用的 Circuit。链条很诱人：从概率到规则，从规则到机器，从机器到公共对象。

但这条链最重要的价值，不是给“智能”加上一层永久性，而是迫使每一层回答：你究竟保证了什么，又没有保证什么？

一台被证明的机器，最多证明它忠实地执行了一个被写下的世界观。它从不自动证明那个世界观正确。

一、把保证拆开，才知道证明落在哪里

从 Jev 的有限输出走向硬逻辑，需要 C0–C4 的五层保证。它们像一条链，却不能互相代偿。任何一层的强证据，都不能替其他层背书。

C0 是输入合同（input contract）。它规定机器真正看见的对象：字段顺序、位宽、单位、枚举、缺失值、未知值、字节序、来源、可用时点与版本。自然语言、外部工具回包和现实事件，只有先经过这个合同，才能成为电路输入。Schema 合法只说明 bit 串排得整齐；它不说明字段没有被误读，更不说明来源说了真话。

C1 是教师保真（teacher fidelity）。如果离线把一个冻结的 Jev 响应当作教师，学生是否复现的是特定模型版本、固定问题、序列化器、重试和概率聚合规则下的量化行为？这可以是严肃的测量对象。可是 Jev 的类型约束减少的是输出解析歧义，不是判断误差。官方也列出数字、日期、多跳推理、长而无关的 state 与对抗性内容等边界；对抗内容可能改变回答。因而，学生高度忠实，可能只是高度忠实地复制了一个被误导的教师。

C2 是语义与安全有效性（semantic and safety validity）。这里才追问：输入是否代表了待判断的事实？输出相对于独立规则、可验证结果或安全属性是否足够正确？概率尖锐不等于校准，校准也不等于授权。一个被报为 0.9 的值，只有在明确标签与分布上被重新检验，才有“约 90% 正确”的统计含义；现代神经网络并不天然满足这个条件。对高后果动作，模型的不确定性最多应收紧权限，不能单独放宽权限。

C3 是实现等价（implementation equivalence）。参考函数、RTL、综合网表以及 NAND/LATCH 后端之间是否保持位级行为？小域可穷举，大域可用 miter、BDD 或 SAT 寻找反例。Yosys 与 ABC 提供了成熟的综合、优化与等价工作流。若 miter 为 UNSAT，最强的结论是：在写明的域与假设里，没有找到实现与参考不一致的输入。本文以后若使用编号，将写成 C3（实现等价），避免与 C3S LoomEscape-16 案例混淆。它并不说参考函数有好判断力。

C4 是执行权限与活性（execution authority and liveness）。即使 Circuit 输出 ALLOW，谁能提交外部调用？谁校验签名、请求哈希、范围、nonce 和有效期？失败后系统能否暂停、恢复或退出？状态谁写回，下一步由谁推动？这一层讨论的是权力与时间，不是组合逻辑。没有它，电路只是会给答案，不是拥有行动权的主体。

这五层也解释了为什么“可证明”常常被误用。SAT 最擅长第四层。它不能替第一层证明传感器与解析器没有误配，不能替第三层证明语义为真，也不能替第五层证明外部世界会继续配合系统运行。形式验证的定义本来就带着这个谦逊的边界：它是在形式模型及其假设内，证明系统满足精确定义的规格。

二、Jev 的价值是收窄接口，不是给世界盖章

Jev 的公开接口把输出限定为 Choice、Noul 或 Score 等有限形状。这是一个有用的工程变化：软件不必从自由文本中猜测动作，调用者可以把结果编码为明确字段与有限动作。

这是公开产品能力的描述，不是正确性认证。一份合法的 ALLOW / REVIEW / DENY，仍可能是错误答案。Choice 与 Score 的概率分布可以帮助定义升级或拒答路径，但其形状不能变成现实正确率的替身；而 Noul 只有“是”的概率，并没有独立 confidence 字段。

于是，真正值得研究的不是“把 Jev 放进 Circuit”，而是把问题砍到足够小：冻结具体教师快照，冻结输入合同，冻结输出 codebook，再问这个有限函数是否值得留下来。对于本就明确的硬规则，最好的教师不是 Jev，而是规格本身。直接生成真值表、状态机或 Boolean 公式，比先让模型模仿规则、再让学生模仿模型更诚实。

只有在规则没有写完、却存在可审计的经验性残差时，蒸馏才有意义。此时 DiffLogic/LGN 是候选学生而非魔法桥梁：它训练时以连续代理混合二输入 Boolean 门，部署时再固化为离散门。连续训练态与离散硬化态可能出现明显性能落差，所谓 discretization gap 必须在硬模型、RTL 和综合网表上重新测量。

这也给出一个不那么浪漫、却更有生产力的因果机制：输入合同越窄，待证明的函数越小；函数越小，反例越可能被穷举；反例越可得，机器越难靠叙事逃过审查。但合同越窄，落在合同外的世界也越多。可证明性与世界覆盖率，并不自动同向增长。

三、TapeOut 的贡献，是让规则成为公共制造对象

TapeOut 的独特性，不在于它让一段逻辑“存在于某处”，而在于它把 NAND/LATCH 工件、Circuit 身份、复用关系和成本比较拉到同一个公共制造表面上。公开资料将 NAND 与按 tick 更新的一位 LATCH 列为 V1 基元；完成的 Circuit 可作为黑盒被后续设计引用。

这改变了规则的经济学，不是因为机器突然理解了世界，而是因为一个有限行为可以拥有可检查的身份。别人可以读取它的接口，拿同一输入审阅输出，提交更小的实现，或拿出让它失败的反例。一个 Circuit 因而不只是代码片段，更可能成为一个可复用、可比较、可挑战的行为工件。

PoD 把这种竞争制度化：在同一题目、同一处理器和同一验证器之下，设计可以围绕成本竞争。可这不是“更便宜就更真实”。公开规则已经把反例审查纳入机制，原因也很直接：抽样通过不能覆盖所有输入，能通过少量测试向量的候选仍可能违背参考行为。

所以，PoD 最有价值的用途不是给复杂系统发一张“正确证书”，而是为已经冻结的任务合同建立反例市场与成本压力。对小型组合逻辑，应该要求全表或等价 miter；对状态机，则还要审计可达状态、复位、边界与活性。成本竞争只能比较完成同一件事的方式，不能决定那件事是否值得做。

这正是“公共 fabrication surface”的深意：它使规则不再只靠作者声誉存活，而必须经受复用、成本下降与反例的共同塑形。它把证明从私有报告变成可被外部继续工作的界面。

四、Container 不是电路自治的捷径

这里必须把已公开事实与尚未闭合的系统能力分开。

公开事实是：TapeOut 已公开 Circuit Container 的入口与独立地址语义；页面说明 Container 没有私钥，当前 Circuit NFT 持有人可取走其中内容，且实现可经 beacon 升级。这些事实支持把它称为一个公开的账户或资产入口，也提醒我们不要把它写成无治理、不可改变、由 Circuit 逻辑独占控制的金库。

不能从中推出的是：Circuit 可以自行签名；LATCH 自动形成跨调用持久状态；系统无需外部提交者即可连续运行；或所有支出都不可绕过地经过 Circuit。公开材料对一位 LATCH 的支持，解决的是按 tick 的状态元件，不是状态由谁保存、谁排序、谁写回、并发如何处理、失败如何恢复的问题。 Container 没有私钥，也不等于已经存在一个默认的、安全的替代签名架构。

因此，凡是有外部副作用的设计，都应把 Circuit 降回它最擅长的位置：对版本化、规范化的输入输出有限决定。外部提交者仍需携带可验证的授权材料；执行端仍需独立检查主体、动作、payload、nonce、有效期和范围。活性也必须单列：若没有提交者、资源或触发条件，电路不会因为逻辑已经完成就自动获得下一次运行。

这种克制不是削弱 Circuit，而是防止一条清晰的证明链被一套模糊的权力链吞没。OWASP 对提示注入的建议同样指向这个方向：分离不可信内容、最小权限、确定性格式校验与高风险人工批准。

五、预注册阶梯：先证明管线会失败，再谈它会成功

以下是研究提案与预注册设计，不是实验结果，不表示 Jev 已被蒸馏、也不表示任何 Circuit 已被部署。它们的目的，是让失败拥有与成功同等清楚的出口。

B1 是 12-bit、4,096 个状态的完全可枚举基准。输入覆盖已知的 CNF/DNF、XOR、比较器、MUX、嵌套例外和共享子表达式等合成规则。因为整个域可走完，教师的量化表、学生、reference、RTL 与网表都应接受逐点审计。若完整表已可得，直接 Boolean synthesis 是必须参加的强基线；任何学习法都不能靠随机测试集的漂亮曲线逃避全表比较。

B2 是 56-bit 的纯离线符号 firewall。它只使用本地生成的类别、额度桶、风险标志、nonce 与 schema 状态，不连接外部账户、签名器或现实执行端。不可谈判的拒绝条件应置于独立 safety shell：schema 无效、未知类别、禁止目的地、超额、签名权重不足或 nonce 错误，都必须得到不可 ALLOW 的形式性质。这样报告才能区分：系统之所以安全，是模型学会了什么，还是硬壳拒绝了什么。

B3 是可选的有限状态控制器：8-bit state 加 6-bit event，共 16,384 个状态—事件对。学生必须同时输出动作与下一状态。验证对象不再只是一步一致率，而是初态、reset、可达性、溢出、锁定状态、128 步闭环中的首次分歧，以及顺序等价与活性条件。B3 只应在 B1 与 B2 的证据已经锁定后启动。

这套阶梯刻意把最强证明放在最小世界里。它不是为了证明小世界就是现实，而是为了先排除另一类更尴尬的失败：我们甚至无法证明编译器、decoder、状态更新或验证 harness 忠实地实现了自己写下的规则。

每一级都应预先写下停止条件。出现 SAT 反例、等价检查失败、UNKNOWN、负对照异常通过、状态语义未闭合，或 DiffLogic/LGN 在相同成本口径下始终落后于直接综合、树、LUT 等强基线，结论都应是失败或未决，而不是继续调参直到故事变好看。

六、最强反驳：如果世界不可形式化，这一切是否只是精致的玩具？

这是对这条路线最有力的反驳，而且它基本正确。

现实中的错误往往发生在 bit 串之前：文本被错误解析，来源被伪造，时间窗口被选错，风险被遗漏，历史偏见被当作标签，或一个合法字段恰好掩盖了不合法的意图。此时，把后半段做成不可辩驳的逻辑，只会让错误更稳定、更便宜、更易复用。一个完美复现错误规格的 Circuit，不是安全系统，而是错误的规模化器。

更尖锐地说，公共 Circuit 身份和复用也可能放大坏规则。机器一旦易于引用，审查者更应追问输入合同是谁定义的、例外由谁裁决、升级由谁控制、受影响者怎样提出反例。不能因为规则可复用，就把规范性选择伪装成中性工程。

对此，最好的回应不是宣称“我们最终会证明世界”。那是不可能也不诚实的许诺。更好的回应是改变目标：不让形式证明替代语义审查，而让它暴露语义审查必须承担的责任。输入合同公开，教师快照固定，独立 oracle 与安全壳分列，反例可提交，升级面可见，失败条件预先承认。机器不能消除制度判断，却能让制度判断留下不可抵赖的痕迹。

七、失败模式，以及什么会改变我的判断

这条路线有至少五种应被正面记录的失败模式。

第一，压缩失败：学生达到保真度只能付出接近 LUT 的成本，或始终被直接综合支配。那说明在该合同下没有观察到逻辑蒸馏的价值。
第二，硬化失败：soft 指标良好，离散门、decoder 或综合网表却失真。那说明连续训练并未交付所声称的机器。
第三，语义失败：教师或学生在独立规则、边界样例、分布漂移或对抗输入上不可靠。那说明机器证明的是错误或过时的抽象。
第四，状态失败：单步逻辑正确，但 reset、写回、并发、重放或多步轨迹出现反例。那说明 LATCH 被误当成了完整状态系统。
第五，权力失败：Circuit 的输出没有被独立执行端绑定，或 Container 的持有人、升级面和外部提交路径绕开了预期限制。那说明保证没有抵达真正发生副作用的地方。

什么会改变我的判断？不是一张更漂亮的准确率图，而是一套可复核证据：在预注册合同下，B1 的全域审计与实现等价通过；B2 的硬拒绝性质在 safety shell、decoder 与总系统中均无反例；B3 的顺序语义、状态可达性与活性在明确环境假设下闭合；同时，独立标签与预定义 shift 切片显示最终硬工件的语义表现没有被教师保真掩盖。若未来还要把 Circuit 接到更强的外部权限上，则还需要公开、可审计的签名、执行、升级、暂停与退出设计，而不是把这些缺口交给营销语言。

结语：永久化的不是答案，而是可被推翻的边界

把 AI 直接说成“可被流片”，很容易把一个重要问题说小了。真正可被制造的，不是无限开放的智能，而是一个已经接受有限化的决策面：它看什么、忘记什么、如何编码、何时拒绝、谁能推动它、谁能推翻它。

Jev 的意义，在于让判断更容易进入有限接口。DiffLogic/LGN 的意义，在于提供一种可能的硬化学生。SAT 与等价检查的意义，在于阻止编译链悄悄篡改参考。TapeOut 的意义，则在于让最终的有限机器拥有公共身份、复用路径、成本竞争与反例入口。

但没有任何一环能替世界作证。

成熟的结论因此应当克制：我们可以证明机器没有背叛已写下的合同；我们不能由此证明合同已经理解世界。真正值得永久化的，不是某个模型此刻给出的答案，而是那条允许别人检查、挑战并在必要时推翻它的边界。

#TapeOut #Jev