——计量学、文本校勘与免疫学合成的可撤销归并授权
关键词：语言符号；重识域；符号同一性；计量溯源；文本校勘；免疫校准；符号奠基；Unicode规范化
“语言符号”是语言学最古老的基本概念之一。课堂上最常见的回答来自索绪尔：语言符号把能指和所指结合起来，而且二者的联系具有任意性；结构主义随后强调，一个符号的价值来自它与系统中其他符号的差异。皮尔斯传统把问题展开为符号、对象与解释项之间的三元关系；二十世纪后半叶以来，规则论、使用论、推理主义、具身认知、生态心理学与符号奠基研究又分别把意义的成立条件放到实践、推理、感知、行动和交互中。到大模型时代，符号问题再次变成热点：语言统计本身到底能获得多少意义，最低限度的外部奠基需要多少，符号系统是否必须拥有身体和环境，已经成为认知科学与人工智能共同面对的问题。2026年8月31日发表的一项信息论研究甚至尝试量化“最小奠基”与语言统计对词义不确定性的共同削减。
这些传统都非常重要，却经常把一个更基础的操作问题当作已经解决：当我们说两个声音、两个字形、两个编码串、两次话语出现是“同一个符号”时，我们究竟凭什么合并它们？反过来，一次变化要大到什么程度，我们才停止说“还是那个词、那个符号、那个单位”，而把它登记成另一项？这个问题并不是词典编纂的枝节。任何符号理论只要使用“这个符号又出现了一次”“同一个词在不同语境里”“同一构式发生变化”这样的句子，就已经在进行重识别；若没有重识别规则，频率、变化、习得、传播乃至意义漂移都没有稳定分母。
现实语言不断制造边界案例。同一个字母可能由不同 Unicode 代码点序列表示；同一个词可能拥有大小写、正字法、语音、形态和历史拼写变体；同一个字形可能又对应两个完全不同的词；同一个表达在转述、引用、戏仿中保持形式却改变责任归属；同一历史文本在手抄传播中几乎没有任何一份见证与“原文”完全相同，但研究者仍然谈论某部作品、某个段落和某个读法的传承。换句话说，“形式相同”既不是充分条件，也未必是必要条件。
如果把语言符号直接定义为一个可见或可听的对象，我们无法解释不同形式为什么仍能被合并；如果把它定义为固定意义，又无法解释多义、语用迁移与历史漂移；如果把它定义为差异关系，仍须回答差异关系经历变形以后凭什么仍归属于同一单位。因此本文把问题收窄：这里不试图取代所有符号学，而是提出一个此前常被埋在理论背后的辨别维度——语言符号的“重识边界”。本文问的是：一个符号允许自己改变多少、以哪些方式改变，仍然被共同体的实际制度和操作记作“同一项”？
这一定义策略也主动承认自己的层级。它回答的是一个已经存在于语言学账本上的实体“语言符号”，因此本文的目标不是宣称发现一种前所未有的本体，而是提供一个能够切开既有案例的新辨别维度。只要这条维度能够在同一材料上给出与“形式同一”“意义同一”“谱系同一”等旧标准不同的判决，并能被独立数据推翻，它就完成了本文应承担的任务。
索绪尔的巨大贡献，是把符号从“名称贴在对象上”的朴素图景中解放出来。能指与所指不是两个天然黏合的实体，符号的价值也依赖系统内部差异。但“价值由差异产生”并不自动给出跨出现的身份规则：如果一次发音偏差、拼写变体或语义扩展改变了一部分差异，何时还算同一个符号？结构主义可以描述系统中的对立，却仍需要某种机制决定新的出现应该投到哪一个格子里。
皮尔斯的三元关系把“解释”放进符号本身：一个东西之所以作为符号发挥作用，是因为它在某种解释中代表某个对象。这比二元映射更动态，也为无限符号过程打开空间。然而，如果两个解释项不同，它们到底是同一个符号链条的延伸还是两个符号事件？皮尔斯理论能容纳这一问题，却不等于已经提供了面向语料、编码或实验的统一重识规则。本文因此不否定解释项，而把关注点放在解释过程前后“同一项”如何被实际结算。
维特根斯坦把规则的生命放回使用。一个词的意义在许多情况下就是它在语言游戏中的使用方式。这能解释为什么脱离生活形式的私人标签不够成为语言，但“同一种使用”仍需要被实践判定。古德曼对作品、类型与实例的研究进一步揭示：有些符号系统依赖严格字符区分，有些艺术对象则容许更宽的变体。德里达的“可重复性”则把同一性问题推向另一个极端：符号之所以能够成为符号，恰在于它能脱离原初语境被再次使用，而且每次重复都可能带来改变。
Harnad的符号奠基问题追问：一个只在形式系统内部被操作的任意标记，怎样获得不是由另一个任意标记定义出来的意义。近年的具身和符号涌现研究继续批评“消息—对象映射”过于贫乏，主张把符号放回具身、情境化主体的互动中。Zubek、Korbak与Rączaszek-Leonardi（2025）明确指出，许多通信涌现模型预设了清晰可区分的符号、把意义简化为映射，并因此错过互动的历史性。Louwerse（2026）则从另一端证明语言内部统计与少量外部奠基能够共同减少词义不确定性。
这些工作构成本文必须正面交手的“占位者”。如果本文只说“意义取决于语境”“符号可以重复时发生变化”“符号不是单纯形式”“意义来自关系”，它没有任何新意。本文真正需要分出的，是一个更窄且可测的对象：在上述所有理论都允许变化之后，实际系统究竟依据什么把变化后的实例继续归入原符号，还是另开一个符号账户？本文把这个集合性的边界叫作“重识域”。
为了避免在语言学内部把已知争论重新排列，本文没有选择传统的“语言学—符号学—认知科学”组合。三者对语言符号的相互吸收已经非常深，很容易得到“形式、意义、语境共同作用”这一正确而不可裁决的综合句。研究材料最终来自三个在“变化之后还算不算同一个”问题上拥有成熟判据、却彼此不共享核心术语的领域：计量学/测量科学、文本校勘与数字人文、免疫学。
第一家，计量学，处理的是跨仪器、跨实验室、跨时间和跨数字系统的可比性。它不允许“看起来差不多”充当同一性的依据，而要求测量结果通过可记录的溯源链与参照关联，并把不确定度纳入结果。2026年BIPM更新SI手册，并发布首个稳定版SI Reference Point，把SI知识模型做成机器可操作的公共参照，以支持数字环境中的一致使用和数字计量溯源。它代表一种“公共参照裁判”。
第二家，文本校勘与数字人文，处理的是一件更反直觉的事：文本在手抄、编辑、损失、重排和创新中不断改变，却仍可被追踪为某个传承系统。2026年PNAS Nexus的一项研究把约2000份跨四个世纪的中世纪手稿作为复杂系统建模；现代计算谱系学正是借“共享创新”而非纯粹字符相似重建传承。与此同时，TEI的批校勘规范明确承认，把哪些读法归成一个“变异单元”并非机械过程，不同编辑者可以不同分组。它代表一种“路径与分组裁判”。
第三家，免疫学，处理的是识别系统本身会不会改变。直觉上，我们容易把配体或抗原想成固定输入，把细胞反应当作读取。2026年Nature Reviews Immunology的综述却强调，初始T细胞在胸腺和外周长期接触自身肽-MHC，这些经历会持续调节以后遇到外来配体时的反应；所谓naive off state既非固定，也非功能中性。识别阈值本身有历史。它代表一种“接收状态裁判”。
三家之所以适合同时进入本文，不是因为它们都谈“识别”，而是因为它们对“同一性该由谁结算”给出互相不能吞并的答案：计量学要求对公共参照可追溯；文本研究要求对传承路径和变异关系可解释；免疫学要求把接收者已经被怎样校准算进当前识别。任何一家单独占据全部解释权，都会在另外两家的材料前碰壁。
《国际计量学词汇》（VIM）把“计量溯源性”定义为一种测量结果的属性：结果能够通过一条有文档记录、不中断的校准链关联到某个参照，而且链上每一步都对测量不确定度作出贡献。这里最重要的不是“有一个标准答案”，而是同一结果能否被别人沿公开路径重新关联。测量结果本身也不是裸数值；VIM把它处理为归属于被测量的一组量值加上相关信息，通常包含不确定度。
这立即削弱“同一＝外形相同”。两个实验室报出完全一样的数字，如果一个没有溯源、量程失配或不确定度不可接受，计量学不会因为字面相同就把它们当成同等质量的测量。反过来，两个数值略有不同，只要不确定度与溯源关系表明它们在规定目的下可比，也不能简单判成两个不相干对象。这里的“同一”是一种受规则约束的可比关系。
2019年以后SI以定义常数为核心，2026年的数字化进一步把这种公共关系显式化。BIPM于2026年6月发布SI Reference Point 1.0.0，提供机器可操作的SI知识模型与持久标识，使单位信息可以跨数字环境复用。这一动作对符号理论有启发：一个单位的公共同一性并不要求每个系统保存同一个物理标记，而要求系统之间共享可验证的重识路径。
但计量学不能单独定义语言符号。因为语言并没有为每个词准备一个国际参照链；意义变化也不是校准误差。若把语言符号完全计量化，我们会错误地把历史创新、隐喻、多义和方言变体都读成“偏差”。计量学真正提供的不是答案，而是一条约束：任何关于符号同一性的理论，都必须说明在表面变化之后，公共重识如何能够被第三方复做，而不是依赖某个解释者的一次感觉。
文本传承把“同一性”推到了计量学不熟悉的方向。手抄本研究中，复制者会改字、漏行、调序、正字化、解释难句，甚至把边注并入正文。若“同一文本”要求形式逐字相同，古代作品几乎无法跨见证存在；但若任何相似都算同一，谱系又失去意义。校勘学因此不把变异只当噪声，而把共享创新当作传承路径的证据。
2026年发表在PNAS Nexus的《On the transmission of texts: Written cultures as complex systems》进一步把文本传承作为复杂动态系统处理。研究利用约2000份中世纪手稿和四个世纪的材料，结合随机模型、模拟与经验数据讨论文本复制、改变和损失。其前提不是“真正文本从未变化”，而是变化本身具有结构，可以帮助推断见证之间的历史关系。
这对语言符号提出第二个压力：形式差异未必破坏同一性，有时恰恰是“这一次来自那一次”的证据。一个抄本若完美复制另一个，单靠共同形式很难判断其独立历史；一个特定的共同错误或共同创新反而更能指示谱系。因此，“相同外形”与“同一传承单位”并不重合。
更关键的是，数字人文规范自己承认“单位”不是自动出现的。TEI批校勘指南明确指出，把离散文本变异识别为一个apparatus entry不是纯机械过程，不同编辑者可以把读法作不同分组。也就是说，研究者必须先决定“这一批差异属于同一个比较单元吗”，才能继续统计和建树。单位边界是操作的一部分，不是材料裸露出来的事实。
然而文本校勘也不能独自定义语言符号。谱系连续不等于语言符号连续：一个词完全可能沿同一文献链持续出现，却在语义上分裂成两个词；一个后来独立创造的形式也可能恰好与祖先形式相同。谱系告诉我们“从哪来”，不能单独裁定“现在算什么”。它迫使本文加入第二条约束：符号重识必须能够记录路径，但不能把血统当作唯一身份。
免疫学带来的压力最不直观，因为它把“裁判者”本身放进变化之中。朴素识别模型容易想象：外部有一个抗原，细胞有一个受体，只要二者匹配就触发反应；输入身份先给定，响应只是读取。真实免疫系统远比这复杂。T细胞在成熟之前已经经历胸腺选择，成熟后的naive T细胞仍持续与自身配体相遇。
Mandl等人在2026年的综述中把这一点概括得非常明确：naive状态不是固定的“off”，也不是功能中性的起点。先前与自身肽-MHC的相遇会留下持续影响，动态调节T细胞后来面对外来抗原时的功能与阈值。同一个或相近的配体，在不同发育史、组织环境和自体配体暴露背景下，可能得到不同的响应。
训练性免疫研究又从先天免疫侧给出类似压力：短暂刺激可以形成持续的功能状态，使后续刺激得到改变后的反应。这里最重要的不是把语言比喻成免疫，而是一个形式结构：识别边界不是输入自身携带的固定属性；接收系统过去发生过什么，会参与决定今天的“同/异”判定。
如果把这条约束放回语言，我们会发现许多熟悉现象突然变得不再边缘。同一句话对初学者和专家不是同一个单位；同一个词对不同方言群体可能落在不同词义边界；讽刺、引用和黑话依赖共同历史；儿童第一次听到一个新词时建立的类别边界，后来会因更多实例而重新校准。语言共同体不是一台固定识别器。
但免疫学也不能独自定义符号。如果把一切都交给接收状态，那么“同一个符号”会退化成每个人每一刻的私人判断，公共语言无法成立。免疫学因此只负责否掉“固定阈值”，不负责否掉公共规则。本文必须同时保住计量学提出的第三方可复做性和文本研究提出的传承结构。
把三家并排，会出现一条表面上很自然的共同前提。计量学争论怎样把一个测量结果关联到参照，文本校勘争论怎样把一个见证放回谱系，免疫学争论一个配体怎样被当前系统识别。三家处理方式不同，却都很容易把待识别单位本身当作已经划好的：有一个“这个量”“这段文本”“这个配体”，随后系统再判断它与参照、祖本或受体的关系。
语言符号理论也常沿用这个顺序。我们先假定有词、有形态素、有构式、有符号实例，然后讨论它表示什么、来自哪里、怎样被理解。真正困难却可能发生在更早一步：这次出现为什么被投进“这个词”的账户，而不是另一个账户？当出现本身在字形、语音、编码或语境上变了，单位边界不是一个先验事实。
推翻这一共同前提的材料恰恰来自三家自己。计量学的测量结果必须带不确定度，说明“值”不是脱离程序与目的的裸实体；TEI直接承认变异单元的分组不是机械给定；免疫学则证明接收阈值本身被过去经历校准。三家都在自己的工作中承认：被比较、被分组、被识别的边界，至少有一部分是在操作过程中形成的。
于是问题从“语言符号由什么组成”发生转移：语言符号也许不应该先被想象成一个完成的物件，再附加意义、历史和语境；更合适的起点是先描述一个共同体如何不断把新的出现重新识别为既有项或新项。符号的公共生命并不要求形态冻结，而要求重识别有边界。这个边界可以历史性移动，却不能在每一次使用时完全任意。
本文的承重判断：一个语言符号的同一性，既不能由可见/可听形式单独裁定，也不能由传承谱系单独裁定，更不能由一次接收反应单独裁定；它由一个共同体在特定历史和任务条件下维持的“重识域”给出。重识域规定：哪些变换后的实例仍合并到同一符号账户，哪些变化越过边界以后必须另记一项。
对符号出现x与变换T，重识域RID(c,q,h)给出共同体c在任务q和历史h下允许归并为同一符号的变换集合Ω。形式相似度只是输入，不能单独决定成员资格；Unicode等价是强制度基线，却不保证每种下游任务都必须按同一粒度处理。
共同体索引决定谁拥有归并权；任务索引决定同一性需要保留哪些后果；历史索引记录先例、标准与纠错。删去任一索引，重识域便退化为静态相似度或无边界的语境主义。
若新证据显示原归并在当前任务中产生不同法律、语音、检索或安全后果，共同体可把T从Ω移出并建立新绑定。可撤销不等于随意：每次翻转必须有公开任务后果和版本记录。
五层模型说明可在哪些层比较字形；RID预测在层值相同或相近时，不同共同体与任务仍会授予不同归并资格。若层级特征已完全预测判决，RID没有独立贡献。
设某一研究任务中的符号单位为 s，预先定义一组允许考察的变换 T={t₁,t₂,…,tₙ}。变换可以是编码规范化、字形替换、语音扰动、正字法替换、形态变化、语境置换或传承操作，但一篇研究只能选择其中一个明确定义的家族，不能把所有变化混在一起。
再定义一个重识函数 R(s,t|C,τ)，其中C表示共同体或制度规则，τ表示时间窗。若在规则C与时间τ下，变换t(s)仍被归入s的同一身份账户，则R=1；若必须另记一项，则R=0；资料不足则记为NA，不允许强行填0或1。于是符号s在该任务下的重识域定义为：Ωₛ={t∈T | R(s,t|C,τ)=1}。
这个定义的价值在于，符号同一性从一句形而上宣言变成可复查清单。研究者必须说清T里有哪些操作、C由什么文档或实验实现、τ取多长、谁有权做最终编码。没有这四件，所谓“同一个符号”仍只是直觉。
为比较不同符号或不同阶段，可以定义重识率 ρₛ=|Ωₛ|/|T*|，其中T*只包含有可判定结果的预注册变换，NA不进分母。同时定义边界翻转点 θ：在一个有序扰动序列中，R首次由1变为0的位置。ρ回答“这个符号在这一类变化下有多宽”，θ回答“第一次在哪里越界”。二者都不是符号本身，只是重识域的读数。
必须强调，ρ不是“越高越好”。一个重识域无限宽，可能意味着系统失去区分能力；无限窄，则可能使正常变体全部被误判为新符号。语言符号的功能性不是最大容差，而是形成与任务相称的边界。这一点正是免疫学反向施加的约束：过宽和过窄的识别阈值都可能造成代价。
为了把“形式是否相似”与“身份是否被重识”分开，可以构造一个二维辨别格。横轴是形式/编码相似度，纵轴是是否位于重识域。四格中最有理论信息的不是常规的“高相似＋域内”，而是两个反直觉格：“低相似＋域内”证明形式同一不是必要条件；“高相似＋域外”证明形式同一不是充分条件。
这个2×2还有一个实用价值：它阻止“只看编辑距离”“只看语义相似度”成为万能判据。一个系统若仅使用字符串距离，会系统性误判右上格和左下格；一个系统若只用语义嵌入，也可能把词源不同但主题相近的词错误合并。重识域理论要求身份判断至少对变换类型敏感，而不是寻找一个全局相似度阈值。
这一形式化同样给出理论的失败条件。如果在大量预注册任务中，R几乎总能被某一个单独变量——例如字符串同一、词源同一或语义相似度——完整预测，重识域就没有增加独立信息，应被相应既有理论吸收。
Unicode TR15区分规范等价与兼容等价，规定NFC/NFD/NFKC/NFKD，并提供跨版本稳定和NormalizationTest。它是形式等价的强基线，而不是社会任务效应的证据。原有21条冻结样本只能检验编码规则，不能证明重识域。
升级实验采用40个项目：一半为Unicode规范等价/兼容等价对，一半为形式近似但非等价对；任务至少含文本检索、法证归属、朗读和视觉设计；样本N≥300并跨两个共同体。主结果是归并率、翻转率与反应时。共同体或任务交互须造成≥10个百分点差异，RID模型相对Unicode/五层特征基线ΔLOO-ELPD>2SE。
数字文字最直观地显示：所谓“字符”不是屏幕上看见的一个图形。编码标准、规范化形式、字体渲染与输入法共同参与身份结算。两个代码序列可以渲染相似却规范身份不同，也可以代码序列不同而被规范化为同一。重识域因此比“字形”更接近实际基础设施。
这还说明规范不是外部附加物。只要搜索、排序、数据库唯一键、用户名比较或文本匹配依赖规范化，重识规则就在决定什么算“同一符号实例”。语言技术研究若忽略这一层，会把工程预处理误当成中性步骤。
词典把大量实际出现合并进词条，已经在实施重识。大小写、屈折、拼写、方言和历史变体是否同列，取决于词典任务。一个学习词典可能把若干变体合在主词条下，一个历史词典则会把词源分化和语义裂变标得更细。
重识域理论不主张“词典决定语言”，而是要求研究者承认：任何以词为统计单位的研究都继承了某种分账规则。比较两个语料库的“词数”前，应先比较它们的重识域是否一致。
同形异义与多义长期存在划界争论。若把问题只写成“两个意义相近不相近”，很容易陷入连续谱。重识域提供另一种观察：在某一共同体和任务里，哪些变换、推理、替换和搭配仍允许两个用法进入同一词项账户？哪一步之后，预测、词法行为或学习路径出现稳定分离？
这不保证产生唯一答案，却把争论从“专家认为像不像”推进到可编码的分账规则。
历史语言研究通常追踪语音、形态、句法和语义变化。重识域增加一条时间轴：一个共同体对“还是这个词/构式”的容许变换集也会改变。重识域扩张意味着更多变体仍被合并；收缩意味着过去同账的用法开始分裂；域迁移则意味着旧边界退出、新边界建立。
这样可以区分“形式变化但身份连续”和“形式变化伴随身份分裂”，也能研究同形保持却因社会索引、专业化或语义分工出现身份重组的情形。
语言学习中最常见的误判，是把形式复现当作符号掌握。儿童或二语学习者可以准确重复一个词、句块或构式，却只在原图、原人物、原语境中识别它；一换说话人、物体或表述方式就无法归入同一单位。此时形式复现率很高，重识域却很窄。
教学目标因此可以多一个维度：不是无限增加变体，而是有控制地测试学习者能否在预注册变化下维持正确分账。真正的迁移不是“什么都能套”，而是知道哪些变化仍属于同一符号规则，哪些变化已经改变符号身份。
翻译提供“低形式相似＋高功能连续”的极端案例，但本文不把译词直接定义为同一个符号。更稳妥的做法是：对具体任务规定需要保持的身份维度，例如术语ID、指称对象、法律定义或数学符号角色，再测试跨语转换是否仍在同一重识域。
这防止把“意思差不多”当作无边界等价，也为术语库、机器翻译和多模态标注提供了可审计规则。
十一之二、几个最容易误判的边界案例
第一类是“同形却不是同一符号”。同形异义只是最简单的情况。更困难的是一个表达被原样引用以后，字面形式完全不变，但它在当前话轮中承担的是“报告别人的说法”而不是“由当前说话者承诺”。如果研究任务关心的是词典词位，二者可以合账；如果任务关心的是承诺归属，二者就必须分账。重识域因此把任务参数放进身份判断，而不是假定一个字符串天然携带唯一身份。
第二类是“异形却仍被当作同一符号”。语音中的口音变体、书写中的异体和规范等价编码都属于这一类，但不能因此把所有相似形式都合并。关键不是“差不多”，而是有没有一个制度或共同体规则反复执行这种合并。例如Unicode规范化拥有公开不变量；词典可能把colour与color标成地区拼写变体；某些语音变化则可能在一个方言内属于同一音位、在另一个方言对立中却必须分开。
第三类是“历史上同源、当前却必须分账”。词源连续经常诱导研究者把同源性当作身份，但语言会发生语义分化、语法化和词汇化。两个用法即使有明确共同祖先，只要在当前系统中拥有稳定不同的分布、推理和学习路径，就可能需要分立身份。这里文本谱系只能说明“从同一条路来”，不能替当前系统决定“现在仍是一项”。
第四类是“历史上不同源、当前却发生合账”。借词、民间词源、拼写趋同和术语标准化可能让原本独立的形式进入同一功能位置。若只看谱系，这种合并不可理解；若只看当前形式，又会忽略合并发生的路径。重识域把它读成边界移动：共同体的分账规则在某一时间点改变。
第五类是“同一输入、不同接收者却获得不同边界”。儿童、专家、方言使用者和专业共同体可能对同一个新例子作不同归类。这不意味着语言没有公共性。更准确的说法是，不同群体拥有部分重叠但不完全相同的重识域；语言教育和标准化工作的一个真实任务，就是让若干关键边界获得足够公共的重叠，同时保留允许变体存在的空间。
第六类是“模型内部同一而人类外部不同”。大模型可能把两个字符串映射到非常接近的向量，却在法律、医学或安全协议中必须严格区分；也可能把两个向量距离较远的表达在任务执行上当作同一指令。若只用embedding相似度作为符号身份，会把系统内部表征结构误当成公共语言的分账规则。重识域要求把模型输出与外部任务标准对账。
十一之三、重识域与“意义”的关系：为什么它不是另一种语义相似度
最容易对本文提出的反驳是：“你说的不就是语义相似度吗？”如果成立，重识域没有必要存在。二者的分离线在于：语义相似度是连续的关系强度，重识域是任务中的身份判决。两个表达可以意义非常相近，却在术语库、法律定义或变量命名中必须分成两个ID；两个形式的分布语义距离也可以很大，却因为正字规范、形态分析或历史词位规则被归到同一个词项。
因此本文不把embedding距离放进重识域的定义，而把它当作一个可能的预测变量。真正的实验问题是：在控制语义相似度以后，预注册的变换类型和制度规则是否仍能解释“合账/分账”。如果不能，本文就被语义相似度吸收；如果能，才说明身份边界不是连续相似度的简单阈值。
这一区分对于大模型时代尤其关键。模型可以产生极高的语义连续性，但数据库、知识图谱、代码、药名、单位与法律条款仍要求离散身份。语言并不只生活在“像不像”的空间里，也生活在“这一次必须记到哪一个账户”的制度里。符号的公共性，至少有一部分来自这些可复做的离散结算。
十一之四、重识域的三种时间变化：扩张、收缩与分裂
重识域一旦写成集合，就可以研究它怎样随时间变化。第一种是扩张：原来被视为错误、外来或不规范的变体逐渐被纳入同一符号账户。常见机制包括频率增长、社会扩散、标准修订和媒介变化。扩张并不意味着意义变多，而是“同一项”允许容纳的变换增多。
第二种是收缩：过去可以被合并的用法开始被共同体稳定区分。专业术语化、身份标记、语义专门化都可能制造这种变化。收缩的经验签名不是“形式差异变大”，而是相同或相近形式在越来越多独立任务中被要求分账。
第三种是分裂：一个旧重识域内部形成两个各自稳定的子域，跨子域的合并率下降。这比笼统说“词义分化”多出一个可检验步骤：研究者可以追踪不同年代的词典、语料标注或行为判断，定位R从1系统性转为0的时间和条件。若找不到这种边界翻转，只看到语义中心缓慢移动，就不应贸然宣称发生了符号身份分裂。
反过来还可能发生合并：两个原本分立的重识域逐渐被制度或使用重新合账。技术标准化尤其容易出现这种情况。重识域理论因此把语言变化的一部分写成“账户结构变化”，与形式频率、语义向量移动形成可区分的三条时间序列。
十一之五、重识边界怎样形成：标准化、传承与校准的三种机制
如果重识域只是对现有边界做一张静态地图，它的解释力仍然有限。三门来源真正允许我们继续问：边界本身怎样长出来？本文暂时区分三类机制，它们可以叠加，但不能互相代替。第一类是标准化机制。某个共同体为了互操作、教育、检索、计量或法律责任，把原来连续的变体空间压成若干可复查账户。Unicode、词典、术语库、考试规范和数据库模式都属于这一类。它们通过公开规则降低第三方重识成本，却也可能把不符合规范的真实变体推到域外。
第二类是传承机制。一个边界不一定由中央机构宣布，也可能在大量复制和使用中逐步稳定。某些变体因为沿同一谱系反复共现，被使用者视为同一词项的正常实现；另一些差异因为与不同群体、功能或历史分支持续绑定，逐渐被分账。文本校勘提示我们，变异不是单纯破坏边界，它还携带边界形成的历史证据。
第三类是校准机制。接收者并非从零开始面对每个符号实例。既往输入、任务反馈、教育经历和群体互动不断调整“多大的差异仍算同一”的阈值。一个初学者可能把两个近义词合并得过宽，也可能把同一词的口音变体分得过细；随着经验增加，边界在局部区域被重新标定。免疫学的价值就在这里：它迫使理论把接收系统的历史写进当前识别。
三种机制有不同的可观察痕迹。标准化机制留下版本号、规则文档、转换表和强制性接口；传承机制留下时间序列、谱系、共享创新和扩散路径；校准机制留下个体或群体在训练前后的分类阈值变化。若一项研究无法指出自己的边界主要由哪一种机制维持，就不应把所有变化统称为“语境影响”。
这三种机制还可以发生冲突。规范机构可能要求两个写法合并，而社群正在把它们用作身份区分；历史上传承为同一项的形式，专业共同体可能因责任风险而强制分开；学习者自身的校准也可能暂时与公共标准错位。语言符号的稳定不是冲突消失，而是关键场合拥有足够明确的结算优先级。
因此重识域理论提出一个比“符号是约定的”更窄的预测：当边界来自标准化时，规则更新应先于大规模身份翻转；当边界来自传承时，局部变体分布的分化应早于正式词典分账；当边界来自校准时，个体判断变化应能在公共规范不变时发生。三种时间顺序若在数据中完全不可区分，本文关于机制分层的扩展就应被放弃。
十一之六、为什么“重识域”不是把语言变成计量工程
跨学科理论最容易犯的错误，是把来源学科的术语直接搬到目标领域。本文使用计量学，不等于主张词义具有物理量式的真值；使用免疫学，也不等于把听者当作受体、把词当作抗原。三门学科在本文中只贡献不可互相化约的约束：公共可复做、路径不能被抹掉、接收阈值有历史。
因此“重识率”不是语言能力的温度计。它只在预注册变换集内有意义，不允许把不同任务的数直接横比。一个词在拼写变换上的ρ=0.9，与另一个构式在语境变换上的ρ=0.6没有天然大小关系。只有当T、C、τ和编码粒度相同，比较才成立。
同样，重识域不要求把所有模糊边界强行二值化。无法可靠判断的案例必须标NA，并报告其比例。若一项研究为了得到漂亮ρ而把模糊项全部当作域内或域外，就重新制造了本文批评的“单位先验”。最值得研究的材料往往正是这些无法稳定分账的边缘区。
这一限制反过来保护语言研究的复杂性。量化的目的不是消灭解释，而是让解释承担边界责任：研究者可以有复杂理论，但必须告诉别人，在一批具体实例上理论到底把哪几项合并、哪几项拆开，以及换一个规则后结论会不会改变。
一个新名字如果不能在同一材料上与既有理论产生不同判决，就只是换皮。下面选择九个最近邻，分别写出它们到哪里、重识域多了什么，以及怎样通过同一案例分出胜负。
最危险的占位者不是最新论文，而是古德曼与德里达。古德曼已经把不同符号系统的同一性条件做成系统哲学问题，德里达已经把可重复与变异写进符号条件。因此本文若只说“符号允许变化”必然失败。重识域只有在两个附加条件下才有独立性：第一，它要求明确预注册一个变换家族并给出入域/出域判定；第二，它允许边界随共同体历史被重新校准，并把边界移动本身当作经验对象。
最新的符号奠基研究同样构成压力。Louwerse（2026）已经把语言统计和最小外部奠基对词义不确定性的贡献量化。如果未来发现重识率ρ只是语义不确定度或grounding比例的单调函数，那么本文不应保留一个独立构念。因此本文把二者关系列为优先证伪任务，而不是把最新研究当作背景引用。
第一处约束来自计量学：重识域不能被写成“共同体想怎么认就怎么认”。计量学要求第三方沿同一程序获得可比结果，因此本文撤回更强的“符号边界由使用者群体协商产生”说法，改为：只有当分账规则能够被文档、实验或稳定行为复做时，才进入本文的重识域。没有复核通道的私人判断不计。
第二处约束来自免疫学：重识域不能被理解为“越宽越好”。识别系统需要同时控制漏识与误识，阈值过宽会让不同对象被错误合并，过窄会把正常变体不断分裂。本文因此撤回“符号越能跨变体保持同一越稳健”的价值判断，改为：重识域只有相对于任务的误分代价才有好坏。
第三处约束来自文本校勘：重识域不能假设只有一个正确边界。TEI已经明确提醒，变异单元的分组可依编辑目标而不同。本文因此把C（共同体/制度规则）与τ（时间窗）写进定义，不再声称一个符号存在脱离任务的全局Ω。不同词典、语料标注和历史阶段可能拥有不同的合法重识域。
这三处让步使理论失去了一部分宏大感，却获得了可证伪性。如果没有这些约束，重识域很容易成为“语境很复杂、边界会变化”的新说法；有了它们以后，任何研究都必须公开任务、规则、时间、变换集和错误代价。
本文不把“未来发现反例则修正”当作证伪。下面的每条都写成竞争解释、独有变量与失败条件。至少有一条可以直接用已有公开数据低成本执行。
一条写死日期的赌注：到2028年12月31日之前，若至少两个公开语言资源（例如历史词典版本库、公开词义标注语料或开源多智能体通信基准）上，在控制字符串相似度、词频和语义嵌入相似度以后，预注册的变换类型对“同一符号ID”的判定完全没有独立解释增量（两类资源均为零或方向不稳定），则本文关于“重识域是独立辨别维度”的主张判伪。
什么不算命中：只展示几个趣味案例不算；只证明“语境影响词义”不算；更换阈值直到显著不算；用训练集同时定义重识规则和验证规则不算；把缺失标注直接当成“不同符号”不算。
经验压力测试已经给出第一层结果，但它只能承担“代码同一不是必要条件”这一小命题。本文最需要的下一步不是继续堆Unicode案例，而是做预测2与预测6：分别寻找“同形却稳定分账”的高质量公开数据，以及把grounding强度与重识域宽度在同一实验中正交操纵。
对语言教学而言，重识域提供一个比“会不会这个词”更细的诊断。学生在原图、原句、原发音中答对，只证明某个实例被记住；真正的符号掌握至少还包括：在允许的变体内能够重识为同一，在越界后能够停止套用。前者防止过窄，后者防止过宽。
这可以直接转化为课堂设计。与其不断增加完全不同的新句子，可以围绕一个目标符号设计一组“域内变换”和一组“域外诱饵”：换说话人、换物体、换语速、换正字变体、换句法位置后哪些仍应认作同一；换关键语义角色、改变指称约束或改成同形异义后哪些必须分账。真正的迁移能力，是在变化中保持正确边界，而不是对所有变化都说“差不多”。
对翻译而言，重识域提醒我们“等值”需要任务参数。法律术语、药品名、数学符号和文学隐喻拥有不同的可接受变换集合。高质量术语管理不是追求一个万能语义相似度，而是公开哪些转换仍保持同一术语ID，哪些转换必须新建条目。
对人工智能而言，这一理论提供了一个区别于通常grounding、compositionality和generalization的评估维度。一个模型可以在通信任务中成功，却依赖极脆弱的token映射；也可以在表面形式变化下保持任务成功，却错误合并本应分开的符号。只报告准确率会把两种错误揉在一起。
更值得警惕的是大模型的“同形幻觉”：模型对相同字符串具有强统计连续性，但不同系统提示、角色、工具协议与上下文历史可能改变它实际执行的符号ID。反过来，多模态系统中的不同token、图像和动作也可能被学习成同一任务符号。若重识域能够被定义，模型对“哪些变化还算一个符号”的边界就可以成为可测试对象。
这同样修正“AI有没有真正符号”这种过于总括的问题。我们可以先问更小但可判的题：在一个明确任务中，系统的某个符号重识域是什么？它是否对允许变体稳定、对关键越界敏感？它的边界是否能从训练分布迁移到新环境？这些问题不先裁定意识与理解，却能产生可复算证据。
第一条边界：本文不把“重识域”当作完整意义理论。一个符号为什么指称某个对象、为什么引发某种体验、怎样进入推理与行动，仍需符号学、语义学、语用学、认知科学和社会理论。重识域只回答身份结算。
第二条边界：本文不主张存在跨层级唯一Ω。编码、字形、词位、词义、语用角色、社会索引可以拥有不同重识域。把不同层级硬合成一个分数，会制造伪精确。
第三条边界：共同体规则不是天然正当。标准化可以提高互操作，也可能压制方言、少数文字和身份实践。若把重识率拿来考核学生、方言使用者或文本编辑者，必须公开编码规则、允许复核，并禁止把“离标准较远”直接解释为“语言能力较差”。
第四条边界：一个读数一旦进入绩效体系，就可能被反向优化。若教师为了提高学生ρ而只训练测试中的预注册变体，重识率会变好而真实迁移变窄。因此教育应用必须把测试变换集与训练变换集部分分离，并保留未知变体。
本文自身也必须接受自己的判据。若把“重识域”改名为“容差区”“可接受变体集合”“身份等价类”，而全部论证和预测丝毫不变，这说明新名字不是承重部分；真正承重的是“预注册变换集＋可复做分账规则＋可移动边界”这三个结构件。若既有理论能够完整提供这三件，本文应放弃新名而并入既有传统。
十六之一、判决性升级：把同一性变成可撤销授权
重识域不是“相似到某个程度”，而是共同体在特定任务与历史下对变换集合授予、记录并可撤销的归并资格。
N≥300、40项目，交叉Unicode等价/非等价、共同体和任务；盲标规则先冻结。至少一个共同体或任务差异≥10个百分点，且RID模型相对强基线ΔLOO-ELPD>2SE，才保留理论。
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。
21条Unicode样本只证明可编码，不证明社会任务效应。若群体/任务交互不跨10个百分点、五层/形式基线已完全预测或撤销事件无法可靠编码，RID撤回。
语言符号的同一性既不是外形恒定，也不是任意语境判断。重识域把它定义为共同体对一组变换授予的任务化、历史化和可撤销归并资格。Unicode与五层字形模型是必须先击败的强基线；只有共同体与任务造成稳定、可复现的额外翻转，理论才有独立位置。
附录B：重识域编码手册（最小版）
编码纪律：同一个研究中的ρ与θ只能在同一变换家族T内比较；不得把编码、语音、语义和语用变换混成一个“总容差率”。NA不允许当0。若共同体规则发生版本变化，应把τ切开分别计算。若指标用于学生、员工或方言群体的评价，必须提供编码规则与人工复核通道。
最后一条纪律：任何新增案例都先问它是否真正改变“合账/分账”的判决；只让理论显得更丰富、却不改变边界的例子，不计作新证据。研究者尤其不能在看完结果后临时扩张变换集，因为那会把重识域从可证伪对象退回任意解释。
Unicode Consortium. (2025). Unicode Standard Annex #15: Unicode Normalization Forms. https://unicode.org/reports/tr15/
Pardede, R., Hosszú, G., & Kovács, F. (2026). A layered model for glyph identity and transformation in scripts. npj Heritage Science, 14, 86. https://doi.org/10.1038/s40494-026-02351-8
参考文献
数据与复算说明
Unicode经验压力测试使用官方公开文件 NormalizationTest-17.0.0.txt 的 Part 0 第43—63行连续21条，文件总计20095行。复算脚本在统计之前冻结样本范围，使用 Python 3.13 / unicodedata 15.1 执行 NFC 与 NFD；本文只报告这21条的结果，不声称完成Unicode 17.0全量合规测试。外部前沿资料检索截止2026年9月3日。
正文与附录总计约 20,055 个汉字；非空白字符约 29,362。版本：2026-09-03。