——从共同信念、话语承诺到公共可争论资格
关键词：语言符号；释义支持边界；零支持余域；会话修复；反事实支持；符号落地；语义可见性
语言符号理论有一种根深蒂固的结果偏好。无论研究者从结构、指称、意图、推理还是互动出发，论证经常在“这个形式被理解成什么”处收束。形式与意义的结合得到说明，对象被识别，说者意图被恢复，交际目标被达成，或共同基础得到更新，符号似乎便完成了自己的工作。于是误解被列为失败，未被选择的解释被列为背景，从未被提出的解释则根本不进入资料表。
但真实语言活动并不等待意义统一之后才开始。一个人问“bank 是河岸还是银行”，两个解释同时被带到同一词形之下；听者只回答“对”或“不对”，并未复述该词，却已经改变下一轮行动。法庭上，同一条款在两种解释之间长期摇摆，争议反而巩固了该条款作为共同对象的地位。方言词、隐语、代词、反讽、模糊量词和技术术语经常在部分听者尚无稳定释义时发挥作用。大型语言模型也可能生成流畅回答，却不主动询问一个有多种任务解释的用户指令。若符号只等于成功选中的意义，这些时刻只能被当作不完整版本；然而正是在这些时刻，符号最清楚地显示它如何组织候选解释。
本文因此不直接追问“某形式的正确意义是什么”，而追问一个更前置的问题：在意义尚未统一时，什么使不同解释仍然能够围绕同一语言对象被提出、比较、确认、否认和改写？ 这个问题把研究单位从结果移到结果取得资格以前。它寻找的不是又一个意义定义，而是一条现有理论经常不设字段的边界：哪些解释在当前条件下获得了被检验的机会，哪些解释并非错误，只是尚未得到任何机会。
该边界之所以重要，是因为“没有出现”至少有三种不同含义。第一，某解释被参与者明确否定；第二，某解释在候选排序中处于很低位置；第三，某解释从未被当前互动、共同体或技术系统暴露，因此没有数据。第一种是负证据，第二种是弱支持，第三种是零支持。把三者合并为“非意义”，会造成一种语义学上的选择偏差：研究者只在已被语言实践允许出现的解释中推断符号本质，再把未进入实践者的沉默当作不存在。
本文的核心回答是：语言符号是一条释义支持边界。 更完整地说，语言符号不是能指—所指的固定配对，不是说者意图的封装，也不是听者已经选中的意义；它是一次可公共重认、可被同类形式替换的表达事件所建立的边界。该边界在特定共同体、场景、时间窗与探查制度内，把候选解释分成“取得非零确认或否认机会者”和“尚未取得这种机会者”，并容许后续回应、修复、教育、制度与平台曝光改变两者的分界。
这一回答包含四个限定。其一，符号不是裸形式，而是发生在可追踪位置上的形式事件。其二，符号不携带无限解释全集，而只打开一个受条件约束的候选域。其三，首选意义只是支持域内部的排序结果，不是符号全体。其四，支持边界会变化，因而符号身份既有稳定性，也保留历史性和制度性。以下先说明三条远距证据为何共同迫使这一定义出现，再回到语言学与符号学近邻，检验它是否只是旧概念换名。
文化社会学关于音乐类型、同行评审和平台发现性的研究，改变了“分类反映对象属性”的朴素顺序。Lena 与 Peterson（2008）把音乐类型看作组织形态与分类文化的产物；Lena（2012）进一步表明，创作者、评论者、场所、受众与产业组织共同制造类型。某些声音特征当然存在，但一组作品能否取得可持续的类型名称，取决于是否形成能够生产、传播、评价和记忆该名称的共同体。短命场景、混合类型和未被平台标签收录的作品可能从类型史中消失，不是因为它们没有形式差异，而是因为差异没有取得分类资格。
Lamont（2009）对跨学科评审小组的研究也显示，“卓越”不是先在申请书内部完成、再被评委机械发现的单一属性。评价者通过比较、妥协、学科边界与可辩护标准做出结果。更近的数字文化研究又提醒我们，平台标签和推荐界面能够改变什么作品被发现、被讨论和被算入类型（Muchitsch，2024；Paquette，2025）。文化分类由此提供第一个约束：一个名称的社会效力不能仅从对象内部读出，它由谁有权分类、什么能进入比较以及什么被留在分母之外共同决定。
把这条约束移到语言符号上，可以得到一个不充分但必要的修正：意义不是形式内部的天然属性；共同体通过使用、评价、教育和媒介制度，使某些解释取得稳定地位。然而仅说“意义由共同体建构”仍不够。它解释了被认可的意义怎样形成，却没有区分“被共同体否定”与“根本没有被共同体看见”。一个解释未进入字典、语料或模型输出，既可能因为它不合规则，也可能因为说这种话的人、这种场景或这种媒介从未进入资料。若不保留这一区别，共同体建构论仍会把分类结果当作分类对象的全貌。
DNA 条形码研究提供第二个约束。Hebert 等（2003）提出以短标准序列辅助生物鉴定；随后高通量流程与 BOLD 系统把序列、图像、地理信息、凭证标本和分类名称连接起来（Hajibabaei et al.，2006；Ratnasingham & Hebert，2007）。这里真正有理论意义的不是“基因像文字”这一浅层比喻，而是身份从单个标签移向可复核关系链：一个序列读数只有同凭证标本、采集信息、参考库和分类名称连通，才成为可追溯鉴定。
更关键的是，条形码传统自己的反例破坏了“同码即同物”的便利前提。线粒体渗入、杂交、母系遗传、核线粒体序列及参考库误标，会使相同条形码不等于相同物种，也会使一个物种内部出现异常分裂（Rubinoff et al.，2006；Meier et al.，2006）。如果鉴定只保存最终名称，这些冲突只能作为误差被清洗；如果保存序列—凭证—名称链，冲突就能被定位并反过来修正参考库。换言之，代码的科学价值不只在于交付正确身份，还在于使身份分歧可以被追踪。
这条证据给语言符号增加第二个限定：符号身份不能只写成“形式 f 对应意义 m”。必须保留形式出现的位置、说话者、时间、上下文、后续回应及版本。否则两个表面相同的词形会被错误合并，两个表面不同但在同一修复链中发挥相同作用的表达则会被错误分开。不过，“可追溯”仍未回答哪些解释有机会进入链。一个保存得再完整的语料库，也只能追踪它实际采到的说法。因此还需要第三条证据。
现代信息检索从单项判分转向列表排序，给出第三个也是决定性的约束。学习排序研究指出，用户面对的不是相互独立的文档标签，而是一张具有位置和截断的列表；把第一与第二名颠倒，同把第九十与第九十一名颠倒，在实际后果上并不等价（Chapelle & Chang，2011）。点击又不是相关性的无偏标签。Joachims 等（2007）的换位与眼动研究表明，同一文档仅因位置更靠前便获得更多点击。日志记录的“被选择”，同时是内容、位置、界面、信任和停止行为的产物。
反事实风险最小化进一步揭示一个不能靠更多日志自动解决的边界。历史日志由旧策略生成，只记录旧策略曾经展示的动作；对曝光倾向为零的动作，目标策略的表现不可由该日志识别（Swaminathan & Joachims，2015）。推荐系统的去偏研究同样表明，未观察评分不能直接当作负评分；随机曝光或可估计倾向是反事实评价成立的前提（Schnabel et al.，2016）。上下文老虎机之所以付出探索成本，正因为从未展示的选项不会自行产生反馈（Li et al.，2010）。当推荐结果反过来生成下一轮训练数据，系统还会把自己制造的消费趋同误认为用户原有偏好（Chaney et al.，2018）。
这条证据推翻了三条传统共同依赖的结果中心前提：最终类别、身份或相关性并不穷尽对象，因为结果只在已有支持的候选上可识别。把它移到语言符号上，得到本文最关键的区分：一个解释没有被说出、选择或记录，不等于它被否定；它可能只是处在零支持区。 因而符号的本体不能只由当前意义组成，还必须包含一条“什么有机会成为意义证据”的支持边界。
三条知识传统表面相距甚远。文化社会学研究类型和评价；分子分类研究物种鉴定；信息检索研究文档排序与推荐。然而它们长期以不同语言共享一个操作前提：对象经过程序后，被交付给某个类别、身份或相关性结果；研究的主要任务是提高这个结果的准确性、稳定性或正当性。未被选中的候选被当作背景，未进入候选集者更少获得本体地位。
真正的断裂来自信息检索自己的方法论，而不是第四个外部比喻。反事实评价指出：只要某动作的历史曝光概率为零，数据就不能告诉我们该动作好还是坏。零点击、零评分或零出现只有在非零曝光条件下才可能成为负证据。此处被推翻的不只是一个算法假设，而是“可见结果代表全部可能对象”的认识论习惯。支持边界先于结果；没有支持，就没有结果的可比较性。
这一点返回文化分类时，意味着未形成类型名称的实践不能自动归入“非类型”；需要先检查它是否获得场所、评论、标签和档案的曝光。返回 DNA 鉴定时，意味着无参考序列的样本不能被当作与数据库名称不一致；它处在没有可比对支持的状态。返回语言符号时，则意味着未出现的解释不能直接从意义集合中删除。符号首先建立可解释候选的资格分界，然后才在分界内部形成排序、确认、否认与惯例。
因此，本文不是把检索术语贴到语义学上，而是借助一个已经被严格形式化的限制，纠正符号理论对“没有意义证据”的误读。若一个解释从未被共同体、场景或系统允许进入测试，它的沉默不能证明符号排除了它。这种沉默应有自己的字段：零支持余域。语言符号的结构于是至少包含两个部分：非零支持的候选解释集合，以及由当前条件留在集合之外、但不能被判为错误的余域。两者之间的分界，就是释义支持边界。
设H为解释候选空间。对形式f、共同体c、任务q与时点t，释义支持边界S(f,c,q,t)不是所有可能意义，也不是说者私有意图，而是能够被参与者指向同一形式，并接受对象级确认、否认、证据要求或改述的候选子集。候选进入S不表示被相信、被承诺或被选中；它只取得公共审理资格。
可用信息可以指导解释却未公开；支持候选已经可被共同检验；承诺内容把责任归给行动者；共同地面则涉及更强的协调状态。一个候选可以进入支持集而最终被否决，也可以被个体利用却从未取得公共资格。
更新事件以候选为单位编码：首次被提出、首次获得对象级回应、首次被制度收录、首次被明确排除。边界扩张是新候选取得资格，边界收缩是原候选失去资格；首选意义的概率变化只是排序，不自动改变边界。
零支持余域是尚未取得公共检验资格的候选，不等于概率为零，也不等于被否定。研究者若无法提供候选曾被共同定位的行为证据，只能编码为未观测，不能宣称它不存在。
一个新术语如果可以被既有概念一对一替换，就没有理论增量。释义支持边界最容易被误认为“意义由差异产生”“意义就是使用”“交际需要共同基础”“符号容许多重解释”或“沟通出现问题后会修复”。本节不以列举相似性代替创新，而用同一问题检验每个近邻：它是否把未曝光解释与已否定解释作结构性区分，并把这一区分纳入符号本体？
索绪尔把符号理解为能指与所指的结合，并强调语言系统中的价值来自差异关系（Saussure，1916/1983）。这一转向已经否定“词直接贴在事物上”的命名清单论。释义支持边界继承其关系主义，却改变关系的观察单位。差异价值主要说明一个符号在系统中如何不同于其他符号；支持边界说明在一次有索引条件的事件里，哪些解释有机会成为证据。两个词在语言系统中的差异关系不变，其支持边界仍可因群体、平台和探查方式改变。反过来，一个解释从未被暴露，并不能由系统差异自动判为不存在。
皮尔士的符号—对象—解释项三元关系拒绝二元配对，并允许解释项继续成为新的符号，意义因而处在开放的符号过程之中（Peirce，1931—1958）。这与本文对“最终意义穷尽符号”的反对最接近。差别在于，释义支持边界不再增加一种解释项哲学，而提出一个可测的选择问题：在给定群体、时窗和探查制度下，哪些解释项具有非零进入概率？皮尔士理论可以容纳无限解释链，本文则关心经验研究为何只看到了链中的某些分支，以及看不见的分支为何不能被当作已否定。前者提供符号过程的逻辑开放性，后者提供解释证据的支持条件。
后期维特根斯坦把词义放回语言游戏和生活形式，Halliday（1978）的社会符号学与后来的“意义潜势”也强调可供选择的社会语义资源。这些理论已经把意义从静态对应移向实践。本文的增量不在于再次宣称“语境重要”，而在于区分三种用法状态：已实际使用、在当前制度下可被引出、以及在当前制度下没有进入机会。意义潜势容易被理解为可用意义的库存；释义支持边界要求同时报告库存的生成机制和零支持余域。一个社群没有记录某种用法，可能表示规则排除，也可能表示说话者未被采样、平台未展示或研究设计没有相应探查。只有后两类得到独立字段，使用论才能避免把档案覆盖误作语言边界。
格赖斯（1957，1975）将非自然意义同说者意图及听者对意图的识别联系起来；关联理论则把理解刻画为在认知效果与加工代价约束下寻找足够相关的解释（Sperber & Wilson，1986/1995）。它们都能解释候选解释如何获得不同优先级。释义支持边界不与这种排序竞争，而追问排序以前的候选资格。说者可能从未想到某个解释，听者却因社群经验将它纳入支持集；平台也可能让某解释完全没有机会被遇见。首选解释即使正确，仍不能说明零支持候选是错误、低概率还是从未曝光。因此，意图和关联性属于支持集内部或更新规则层，不能替代支持边界。
Clark 与 Wilkes-Gibbs（1986）把指称看作协作过程，Clark 与 Brennan（1991）说明参与者如何逐步建立足以支持当前任务的共同基础。概念契约研究进一步展示对话者会形成局部称呼惯例（Brennan & Clark，1996）。这些成果证明意义不是单方送达。然而共同基础通常以“当前目的下足够理解”为成功条件，释义支持边界则把未成功部分作为对象。符号可以在共同基础尚未建立时成立，只要不同解释被指向同一形式地址并获得确认或否认机会。共同基础描述一种可能的收敛状态；支持边界描述收敛、分歧和无曝光三者共同依赖的前置结构。
Schegloff、Jefferson 与 Sacks（1977）发现，会话修复系统处理说、听与理解中的反复问题，并偏好自我修复。后续研究区分开放式他者启动修复与限制式修复：前者如“什么？”只把麻烦定位到前一构造单位，后者可以重复具体词、提出候选理解或询问类别（Kendrick，2015）。这一路研究与本文的经验判据最接近，甚至直接指出特定修复能够定位麻烦源。
两者仍有清楚边界。会话修复是一组序列实践，研究麻烦怎样被启动和解决；释义支持边界是符号的候选资格结构，可以在没有显性修复时被测量，也可以被教育、平台标签或制度文本改变。修复是观察或操纵边界的一个窗口，不是边界本身。更重要的是，本文的公开语料试跑否定了“被定位词必须逐字返回”的强版本：许多候选理解由简单的“对/不对”更新。因而支持边界不能缩减为修复序列中的词面重复。
Star 与 Griesemer（1989）的边界对象能够栖居多个社会世界：它在局部使用中足够可塑，在跨世界维持共同身份时又足够稳健。这与“同一形式容纳不同解释”高度相似，也是对本文最危险的占位者。决定性差异有二。第一，边界对象理论主要解释异质群体如何协作；释义支持边界无需协作成功，甚至把无法协作而仍可指认的候选分歧作为靶状态。第二，解释弹性描述一个对象可被多方使用，支持边界则要求把从未获得使用或检验机会的解释与已被拒绝的解释分开。边界对象可以是支持边界稳定后的社会载体，但不能替代零支持余域这一测量字段。
Lewis（1969）的惯例论和实验符号学研究说明，在反复协作中，任意信号可以发展为稳定通信系统。Galantucci（2005）让参与者在不能使用现成符号的媒介中建立图形通信，发现符号系统能够快速形成；后续工作表明互动、代际传递和群体规模会改变系统性与可学习性（Fay et al.，2010；Raviv et al.，2019）。这类研究直接观察形式—意义映射的发生过程。
释义支持边界不是另一套符号起源叙事。它追问实验参与者、任务、允许的动作和反馈界面预先决定了哪些候选意义有机会被发明。一个从未进入任务目标的解释不能以“未被约定”为由判为不合适。实验符号学提供操纵支持边界的理想方法；支持理论则要求把实验任务排除的候选与参与者拒绝的候选分开报告。
Harnad（1990）提出符号落地问题，质问纯符号系统如何把形式连接到非符号经验。近年来，大型语言模型引发的新争论继续围绕文本统计、视觉经验、行动与共同情境展开（Bender & Koller，2020；Cuskley et al.，2024；Beuls et al.，2024）。2025年的研究还显示，模型的子词切分方式本身会系统性改变中文词义分类，说明计算 token 并非透明语言单位（Haslett，2025）。
释义支持边界与落地问题正交。一个符号可以成功连接外部对象，却只让一种解释获得曝光；也可以没有稳定外部指称，却在参与者之间打开可确认或否认的候选域。落地回答“符号怎样连接世界”，支持边界回答“哪些连接有机会成为可检验证据”。对大型语言模型而言，增加视觉输入不自动解决后者；模型还需在不确定时提出澄清，使备选任务解释取得非零支持。2025年的多模态他者启动修复检测和2026年的会话落地评估都把这一困难带到前沿：流畅输出不保证系统建立或维护了可检验的共同理解（Ngo et al.，2025；Elizabeth et al.，2026）。
贝叶斯语用模型能够给候选意义赋予先验和后验，形式上似乎已经包含本文的排序结构。但概率模型经常把候选空间 \(M\) 当作预先给定。若一个解释没有进入模型，它不会获得低概率，而是根本没有随机变量位置。释义支持边界要求研究者报告候选池如何产生、谁没有进入候选池，以及探查制度怎样使候选由零支持变为非零支持。它不是与贝叶斯更新竞争的另一种更新公式，而是对样本空间建构的审计层。
抽象理论若只能说“更有意义”“更合理”或“应该理解”，便可以在任何结果后自我保护。本文把核心判断压缩成一句不含价值情态词的观察问题：
该问题要求研究者查录音、转写、眼动、选择、澄清、版本记录、词典修订、教学纠错、平台曝光或模型日志，而不是询问抽象态度。只要数据没有候选、曝光与回应三个字段，就不能声称测到了支持边界。单次“被理解为 m”的判断只测结果；词频只测形式出现；相似度只测表示空间。它们都可能成为组成证据，却不能单独替代边界。
最小编码手册包含七列：表达地址、候选解释、候选来源、首次曝光轮次、确认/否认动作、后续排序变化、未进入原因。未进入原因至少分为“明确排除”“低于阈值”“没有探查”“没有样本”“技术不可见”五类。前两类可以构成语义或语用上的弱/负证据；后三类属于零支持状态。若研究将五类合并，任何高准确率都可能只是缩窄了候选集。
场景一：日常歧义。 甲说“我去 bank”，乙问“河边还是银行？”形式地址是 bank；两个解释在乙的修复中同时取得非零支持。甲回答“河边”后，银行义排序下降。若乙只说“什么？”，麻烦被定位到前一话轮，但两个具体候选尚未同时进入支持。两种修复都可能成功，边界状态不同。
场景二：方言与跨代际交流。 年长者使用一个地方词，年轻听者没有反应。沉默不能直接判为听者否定该词义。只有在改述、举例或选择题使候选进入确认/否认后，研究者才取得支持证据。如果平台语音识别在转写阶段删掉方言词，候选甚至没有公共地址；此时失败发生在可寻址度，而不是候选排序。
场景三：法律条文。 同一条款在两种解释之间长期争议。传统结果模型倾向于把终审解释当作条文意义；支持边界模型同时记录哪些解释曾取得诉辩资格，哪些解释因诉讼资格、举证规则或检索条件从未进入裁判。终审否定是一种负证据，未获审理不是负证据。两者对后案的先例效力不同。
场景四：语言教学。 学习者把一个词稳定地用于课本释义，却从未遇见它的语域限制。测验只要求中译英时，非规范用法没有进入支持；教师通过对比例句引入新候选后，学习者才有机会确认或排除。学习不是简单给既有词形增加一条定义，而是改变候选集及其更新规则。
场景五：人机对话。 用户说“把它处理一下”，模型直接执行默认任务。表面成功率只能说明默认解释在模型排序中靠前；若系统从不提出“是删除、归档还是摘要”，其他任务解释处于零支持，错误发生时也缺少可复核路径。一个会在高风险或低置信度时提出最小澄清的问题，不只是“更礼貌”，而是主动扩展释义支持集。
五个场景不会给出同一答案。日常歧义主要改变支持集内部排序；方言识别可能使公共地址直接丢失；法律争议受制度资格控制；教学由任务设计引入新候选；人机对话由模型策略决定是否探索。正因为读数不同，释义支持边界才不是“语境重要”的同义反复，而是一套把语境影响分解为地址、支持、排序和更新的判据。
理论若只预测“候选越多越好”，会迅速退化为多样性口号。本文设置两个反向约束。
第一，过度扩域会损害行动。 当无关候选大量进入支持集，排序熵上升、确认成本增加，交际可能变慢。急救指令、航空通信和程序接口常通过受控语言主动收窄支持边界。因而好的符号系统不是覆盖所有解释，而是在错误代价、时间预算与探索成本之间设定可报告的边界。
第二，稳定边界会隐藏结构性遗漏。 当一个解释长期占据首位，系统准确率和沟通速度可能提高，同时边缘社群、混合语域或新用法进入零支持区。短期成功会自我加固：未被系统显示的解释不产生反馈，没有反馈又被当作“不需要显示”的证据。该状态没有明显报警，却正是支持理论需要揭示的靶格。
支持边界理论给出一条可区别于“意义库存增加”的时序预测。新解释的社会生长应依次出现四个可观察阶段：
若资料显示某解释先大规模稳定使用、后才出现任何公共地址和候选检验记录，本文所述时序便失败。若所谓“新意义”只提高旧候选的频率，没有候选由零支持转为非零支持，则那是排序变化，不是边界扩张。
任一单条失败只要求收窄相应机制；若第2与第3条在多语种、多任务中同时失败，释义支持边界作为独立理论层便失去必要性。
最强竞争解释不是静态配对，而是“共同基础＋会话修复”的组合：对话者通过修复逐步达成足够理解，未暴露候选无需另设本体字段。要区分两者，实验应固定最终任务成功率与首选解释，只操纵候选曝光。比如让两组对话者最终都选中同一对象：一组先看到两个可确认候选，另一组只看到默认候选。若后续出现新场景时，两组对误解的检测、迁移或恢复速度不同，支持边界提供了超出最终共同基础的解释量。
第二个竞争解释是一般频率效应。高频解释更容易被说出，也更容易被确认。研究应把频率与曝光机制分开：随机向低频候选提供一次可判定澄清，观察它是否在后续选择中获得持续非零概率；同时向匹配频率的控制候选提供无关曝光。只有定向曝光改变支持，才能排除“看见得多所以说得多”的平凡解释。
第三个竞争解释是表征相似度。向量模型可能认为两个解释接近，因此都进入输出。支持边界要求加入社会和程序字段：同样的向量距离，在不同平台、课堂或制度中是否获得不同确认机会？若没有，支持理论退化为表示空间的另一种命名；若有，边界变化不能仅由内部相似度解释。
为避免指标漂移，本文把支持覆盖率设为主口径：
\[ SCR=\frac{|S_{\varepsilon}^{+}(x)|}{|M_x|}. \]
候选池 \(M_x\) 必须在分析前由跨群体列举、历史语料或受控生成固定；\(\varepsilon\) 与观察窗口同时冻结。公共可寻址度、排序熵、边界位移和任务成功率只作辅助结果。边界位移可写为：
\[ BSD=1-J(S_t^+,S_{t+1}^+). \]
高 BSD 表示候选资格变化大，不表示变化正确。研究同时报告新进入、被明确否定、因窗口结束仍未知三类计数，禁止用净变化掩盖方向。
Switchboard压力测试继续保留：仅凭会话修复标签不能可靠恢复候选支持边界，因为同一修复形式可能处理听觉、指称、承诺或行动安排。这个未越阈结果否定了“修复出现即可观测支持集”的早期强版本。
第二入口使用Colors in Context（英语948局、53,365条话语；另有中文175局、5,775条话语）。以颜色候选、上下文距离、对象级确认/否认与最终点击为字段，比较三类模型：共同地面状态、修复启动、释义支持资格。主指标是留出AUC；支持边界相对组合基线须提高至少0.03，并在英语与中文方向一致。
若新模型只复述首选意义概率、对明确否认与未曝光无法区分，或第二语料不复现，则撤回独立理论。
词汇歧义通常按一个词拥有多个词义处理。支持理论增加两个问题：这些词义是否在当前场景取得非零暴露？它们是否接受同一类确认和否认？字典列出十个义项，不代表每次使用都打开十个候选；反过来，社群中新出现但未进字典的解释可能已在自然修复中取得支持。歧义程度因此不能只按义项数测量，还应报告当前支持覆盖度与排序熵。
该观点能够区分表面相同的两种单义状态。一种是稳定单义：其他候选被反复明确排除，首选解释占高排序；另一种是曝光贫乏：系统只展示过一个解释，其他候选没有数据。两者的即时准确率可能相同，面对新群体或新任务时的脆弱性不同。前者经得起反例，后者可能在第一次扩域时崩溃。
语义变化研究常跟踪某用法频率上升。释义支持边界要求在频率曲线之前寻找首次资格：新解释何时第一次被公开提出，何时开始接受确认或纠正，何时进入评论、词典、课程、检索标签和模型训练数据。一个新用法从零次变成一次，不一定表示边界扩张，因为可能只是转写错误；只有它在不同实例中持续获得可判定回应，才构成支持进入。
这一框架尤其适合研究隐语、污名词再占用、专业术语通俗化与平台热词。权力不只决定哪个解释排名靠前，还决定谁能把解释送入候选池。删除内容、拒绝收录方言、统一标签和只训练高频语料，都可能在没有显性禁令时制造零支持余域。语义政治因此不只表现为“谁定义词”，也表现为“谁的解释从未取得被定义或被反驳的机会”。
语言教学经常把词汇掌握等同于形式—母语译义配对。支持理论预测，学习者即使能在孤立测验中给出正确翻译，也可能没有掌握语域、搭配、礼貌、隐喻和修复条件，因为这些候选从未进入支持。高质量教学应设计对比暴露：让两个表面都可接受的解释进入同一任务，再通过不同回应显示边界，而不是只增加例句数量。
可执行的课程指标不是“学生觉得理解更深”，而是：在相同首选答案下，学生能否指出至少一个在新语境中进入支持的解释、一个被明确排除的解释，以及一个因资料不足仍未知的解释。若学习者只会把所有未见用法判成错误，说明教学把零支持与否定混同。该指标也适用于词块、构式与语用标记，但本文不把它扩张为一般学习理论。
当前大型语言模型可以在不确定输入下给出连贯答案，却常少问澄清问题。2026年的会话落地综述指出，人类会通过确认、反馈、改述和修复显式标示理解程度，而指令跟随模型的训练方式可能压低这些行为（Elizabeth et al.，2026）。支持边界把这一缺陷重新表述为“探索预算为零”：系统持续利用首选解释，却不向备选解释分配曝光，因此日志无法告诉我们未选择任务是否更符合用户意图。
一个支持感知型对话系统需要报告三项而非单一正确率：当前候选池、每个候选获得澄清的倾向，以及澄清后的排序变化。高风险场景可提高探索预算；低风险、时间敏感场景可收窄候选，但必须记录被收窄者。系统的失败也应区分：模型提出了候选而用户否定，属于负证据；模型从未提出候选，属于零支持；界面无法让用户指回某个跨度，属于地址失败。三类错误需要不同修复策略。
语料库按可采集、可转写、可检索的语言实践建成。频率为零可能源于用法不存在，也可能源于群体缺席、转写规范、隐私删除、平台接口或查询方式。词典编纂若只把可检索语料中的出现当作候选入口，会把技术覆盖边界写入语言边界。支持理论要求为“未采样群体”“不可识别形式”“未设查询项”和“明确排除”建立不同状态。
这并不否定语料证据，恰恰相反，它提高语料推断的责任。研究者可像反事实检索报告支持度那样，说明目标用法有多少群体—场景组合在语料中具备观察机会。没有覆盖的组合不进入否定结论。词典可以在义项旁增加证据状态：稳定支持、竞争支持、初现支持、无足够支持，而不是把“未收录”默认为“非词义”。
法律解释把语言符号的制度边界放大。某条文的意义并不只由字面或终审判决组成；诉讼资格、举证责任、案件筛选、数据库收录和引用实践先决定哪些解释可以进入裁判。一个解释被法院明确驳回，与没有当事人有能力提出，具有完全不同的规范含义。若研究只统计胜诉解释，便把制度支持当作语义优越性。
支持边界提供一种克制的分析方法：不宣称所有未审解释都合理，只要求把它们的证据状态与已驳回解释分开。公共政策文本也可用同样方法检测群体覆盖。问卷没有给方言使用者或残障者提供可选解释时，空白回答不构成反对；它显示候选没有进入可回答域。由此，语言公平的最低要求不是所有意义获得同等地位，而是重要候选的进入机会与拒绝理由可以被审计。
释义支持边界最明显的困难是候选全集 \(M\) 无法在开放语言中穷尽。如果把研究者列出的候选当作所有可能意义，理论会重犯自己批评的错误。本文因此只允许在明确抽样框内定义“操作性零支持”：跨若干群体、场景或诱发任务得到候选池，再判断某候选在目标条件中的曝光状态。研究结论必须写成“相对于候选池 M、阈值 ε、窗口 w 和探查制度 π”，不能宣称发现绝对零意义。
可采用两阶段候选生成降低偏差。第一阶段由多群体自由列举、历史语料、专家与模型分别生成候选，不做合并；第二阶段由独立编码者建立等价关系，并保留无法归类者。模型可以扩大候选池，但不能同时生成候选又替候选判零支持，否则其训练边界会循环地成为研究边界。跨时间复测还应允许新候选回填旧资料，形成版本化支持集。
探查一个候选本身可能提高它的可用性。向参与者问“这里是否含讽刺”，会把讽刺解释送入支持集；实验因而不是透明观察。支持理论不把这种回写当作缺陷删除，而要求把自然曝光与研究诱发曝光分开。若候选只在明确提示后出现，它具有实验支持，不等于自然互动支持。平台推荐、课堂例句和司法问题设置同样会制造被观察对象，这也是理论必须记录 \(\pi\) 的理由。
下一步实验可随机分配探查强度：无提示、开放澄清、候选澄清、反例展示四组，比较候选首次进入、后续保持和迁移。若候选在提示撤回后立即消失，它可能只是顺应任务；若进入后跨场景保持并接受独立修复，才形成更稳定的边界变化。
公开语料试跑已经表明，词面复现不是必要条件。语调、眼神、指点、停顿、界面高亮和任务动作都能提供地址。纯文本语料会低估这些通道，也会把“yes”之类极性回应从其指向关系中剥离。2025年的多模态修复检测结果说明韵律特征能够补充文本和音频嵌入，但其任务仍是识别修复，不是直接测量支持边界。
后续研究应使用带视频、眼动和对象操作标注的语料，例如成人—儿童共同对象谈话的多模态资源，建立跨模态地址指标。必要条件不是形式完全重复，而是独立编码者能把回应匹配到同一候选解释，且匹配优于相邻无关候选。若多模态证据仍无法产生稳定地址，理论对自然会话的适用性就需显著收窄。
一个解释取得非零支持，只说明它进入可确认或否认的位置，不说明它真实、善意或应被承认。阴谋论、仇恨表达和错误术语也可能拥有宽支持域。反之，出于安全和隐私而不曝光某候选，不自动构成不公。释义支持边界是描述与诊断工具；规范判断还需加入伤害、权利、证据质量与制度目的。
这一区分也防止“越多候选越民主”的误解。支持扩张有探索成本，某些任务必须快速收敛。理论的最低要求是公开边界与代价：谁被允许进入候选，谁被明确排除，谁因没有数据仍未知。是否扩张，则由领域规范决定。
Switchboard 试跑只使用一个较旧的英语电话会话语料和一个粗粒度 br 标签。自动选择最近的异说者发话可能跨越真实话轮结构；停用词表、转写标记和词形匹配会同时制造漏报与误报；52个定点三联不足以支持复杂分层。随机基线只有38例具备非空池，bootstrap 区间的下界为0，已经明确拒绝强结论。
探索性67.31%合并率也不应被包装成验证成功。极性词可能回应命题而非候选词，br 可能承担惊讶、怀疑或礼貌功能；只有人工序列分析才能判断回接对象。下一步最低样本设计应在分析前随机抽取不少于300个候选修复序列，由两名不知假设的编码者分别标注地址、候选、确认、否认、改述和未解决状态，报告一致性，并把开放修复与限制修复分层。多语种复现至少包含一种形态丰富语言和一种自然手语。
本文不替代音系学解释形式如何被辨认，不替代句法学说明结构限制，不替代形式语义学计算真值与组合，不替代语用学分析意图和推理，也不替代符号落地研究连接感觉—行动世界。它提出的是一个更窄的本体与方法层：这些理论在解释“某候选为何胜出”以前，需要说明该候选如何进入可检验范围；在把一个候选称为“不成立”以前，需要排除它只是没有曝光。
这种克制决定了理论的价值。释义支持边界若被扩张为“语言的一切都与可见性有关”，便不可证伪；只有坚持地址、候选、曝光、确认/否认和零支持五个字段，才形成可与既有理论竞争的对象。
十之一、判决性升级：从漂亮定义到双语料竞争
释义支持边界是解释候选获得公共确认/否认资格的边界；它弱于共同相信与承诺，早于最终选义，也不等于修复启动。
两名盲标者先在Switchboard与Colors in Context独立编码候选资格，Krippendorff α须≥0.80。比较共同地面、修复与组合基线；新模型留出AUC提高≥0.03且双语料方向一致才保留。
矩阵不是类比清单。每一行都把同一承重变量落到可识别对象、独有预测与撤回结果；任一领域只负责提供潜在反例，不能单独证明上位理论。
现有Switchboard结果未越阈，已作为理论削弱依据而非成功证明。若第二语料不复现，或候选资格无法与相信、承诺、选择、修复可靠区分，理论撤回。
意义一致不是符号成立的唯一入口。一个解释候选可以尚未被相信、承诺或选中，却已取得被共同确认、否认和要求举证的资格。释义支持边界为这一状态提供独立字段；它的存活取决于双语料、盲标与相对强基线的AUC增量，而不是定义的感染力。
Bary, C. (2025). Speech acts, common ground and commitments. Linguistics and Philosophy, 48, 505–526. https://doi.org/10.1007/s10988-025-09434-y
Simons, M. (2025). Availability without common ground. Linguistics and Philosophy, 48, 179–211. https://doi.org/10.1007/s10988-024-09426-4
Monroe, W., Hawkins, R. X. D., Goodman, N. D., & Potts, C. (2017). Colors in Context. TACL, 5, 325–338. https://cocolab.stanford.edu/datasets/colors
参考文献
资料与复算说明
资料与复算说明：公开语料使用cgpotts/swda发布的swda.zip；压缩包哈希、事前分析单、清洗规则、失败阈值与脚本版本须随正式投稿开放。正文区分事前主分析与探索性描述，不在观察结果后更换阈值。