——最小扰动、反问题与判断分裂的事件理论
关键词：盲界事件；最小扰动；响应分裂；语境敏感性；WiC；反问题；可证伪性
语言符号研究有一个极强的直觉：我们总想从符号内部寻找智慧。一个声音或字形之所以重要，似乎因为它“装着”某种意义；如果意义不是固定装在里面，那么智慧就被放到符号与对象、符号与解释者、符号与语境、符号与共同体的关系之中。于是，现代语言哲学和符号学不断把符号从一个静态容器改写成关系过程：Saussure 把价值放在差异系统中，Peirce 把解释项写进符号结构，Wittgenstein 把意义推回使用，语用学把说话者意图、共同知识和推理写入意义实现，认知语言学强调范畴的原型、图式和情境化，动态语义和预测加工则继续把意义看成随输入与任务更新的状态。
这些传统都极其重要，但“语言符号为何智慧”仍可能被一个更隐蔽的前提锁住：只要当下解释没有改变，我们就倾向于认为符号系统当前没有暴露新的语义差异。换言之，差异若尚未改变答案、尚未形成新义项、尚未触发误解、尚未造成修复，就很容易被视为“还没有发生”。
这正是本文要寻找的空位。想象两个人看到同一个词，在当前任务中给出完全相同的解释；他们也都答对了，没有争论，没有修复，没有明显歧义。如果研究到这里结束，常规账本会把两次表现记成“同义、同解、正确”。可是，只要把周围条件做一个足够小而受控的改变——换一个施事角色、改变一句前文、把时间范围从十分钟改成一天、把对象从典型成员换成边缘成员——两个人的下一步判断可能迅速分叉。此时出现了一种奇怪的事实：差异在基线答案里不存在，却在微扰响应里存在；它此前已经潜在地组织了行为，却没有获得语言对象的名分。
本文把这种“基线相同、微扰后分叉、而现有符号分类没有字段记录”的发生称为“盲界事件”。“盲”不是认知者愚昧，而是当前符号划分把若干状态压平为同一格；“界”不是词典已经列出的义项边界，而是只有在受控扰动中才显出的因果边界；“事件”强调它不是一个新的玄学实体，而是一类可以被编码、计数、复算并被证伪的发生。
因此，本文要回答的并非“语言符号有什么神秘智慧”，而是一个更严格的问题：一个有限、可重复的符号为什么能够成为揭示自身边界的实验装置？如果这件事成立，那么语言符号的智慧并不首先来自内容的丰富，而来自一种反身的可诊断性：它能在保持自身形式稳定时，让别的条件变化，并把“哪些变化会撕开当前同一性”显示出来。
本文不再把“智慧”当作待解释属性，也不把三门学科的生成过程留在正文。目击辨认约束反馈与置信不可混同，反问题理论约束探针必须具有诊断性，凝聚态物理约束显性答案不变时内部响应仍可能在条件场改变后分叉。三者只提供实验限制，核心对象仍需由行为事件定义。
承重问题是：什么样的成对观察，足以把“基线同答”拆成此前未被记录的两种状态？答案必须能由独立编码者和预注册阈值共同判定。
目击辨认研究最反直觉的一点，是“选了谁”并不能穷尽这次证据事件。经典的 post-identification feedback 研究显示，在辨认后得到“你选对了”之类确认反馈，会提高证人对自己辨认的信心，甚至影响对观察条件的回忆。2026 年 Bell、Menne 与 Buchner 用 1,565 名参与者验证扩展的 lineup confidence model：确认反馈可以选择性改变置信度，而模型中关于罪犯存在检测、缺席检测、偏向性选择与猜测性选择的参数并未随之改变。这给出一个对本文非常值钱的事实——同一个外显辨认结果并不是一个单层状态；至少“我选了谁”和“我以多大确定性把这次选择当作证据”可以被实验上分离。
目击辨认证据法若进行单因锁定，会倾向于主张：证据状态何时发生质变，关键先手是证据取得与反馈程序。同一个人、同一段记忆，只要程序中的反馈、阵列结构、初始置信记录时点不同，后来法律系统所拥有的“证据”就不同。该领域因此坚持尽可能记录初始、未污染的置信状态，并区分后来反馈造成的膨胀。
它自己的反向材料也很清楚：反馈并非总能改变真正的识别能力或后续行为。2024 年关于反馈是否转化为证人后续行为的四实验研究稳定复制了置信膨胀，却没有得到同样稳定的行为效应。也就是说，程序条件能够先改变元认知层，但不必然成为所有后续层的决定原因。这一“我所强调的驱动有时只是被其他过程约束的一层”正好为后续共有前提的推翻提供接口。
反问题研究从结果反推原因：给定可观测数据 y 和前向映射 F，推断隐藏参数 x。困难在于，不同 x 可能产生近乎相同的 y；噪声、分辨率、采样位置与先验都会使问题出现不适定或实际不可辨识。于是“真相在那里”等待被读出这一朴素想象并不够。可辨识性取决于隐藏系统、模型、数据和实验设计共同构成的关系。
2026 年 Liu、Maini 与 Baker 的研究把“参数可辨识性”和“模型判别”区分得很清楚：一个实验可以被优化为收窄参数置信区间，也可以被优化为让两个竞争模型的预测差异最大；二者相关但并不等同。更关键的是，外部控制输入可以被设计成“探针”，主动把原先给出相近输出的模型拉开。换言之，在原数据下不可区分的两个解释，不必等待系统自己发生更大变化；研究者可以改变输入，让差异显形。
反问题理论单因锁定后的立场是：隐藏差异能否成为知识，决定性先手是观测算子和实验输入。如果探针设计不好，再真实的内部差异也可能永远落在同一可观测结果上。
它自己的反向材料同样强：探针不是全能的。稳健最优实验设计之所以成为独立研究方向，正因为先验失配、测量噪声和模型错误会改变“什么最有信息”。也就是说，观测设计本身会被隐藏结构与噪声条件反向规定；“探针决定一切”无法固定为永恒方向。
凝聚态物理研究大量“宏观读数相似、微观组织不同”的系统。特别在相变和隐藏序研究中，一个常用的宏观平均量可能不足以标识真实状态。Pourovskii 等人在 2025 年综述中把 hidden order 概括为：系统已有明确热力学相变证据，却缺乏容易被标准手段直接检测的序参量。2026 年 Allemand 等在 Nature 直接测量连续相变两侧序参量的完整概率分布，发现靠近临界点时出现显著非高斯统计与高阶累积量突变，强调“全分布”而非仅仅平均量对识别临界性的重要性。
这门学科给本文的不是“语言像量子”之类比喻，而是一条方法纪律：相同或近似的粗粒化均值，不意味着系统对微小扰动有相同响应。在临界附近，真正先显出变化的可能是涨落、susceptibility、噪声谱和高阶统计，宏观分类标签反而滞后。
凝聚态物理单因锁定后的立场是：隐藏差异何时显形，决定性先手是系统内部相互作用与外部控制参数构成的条件场。场把系统推近边界，响应函数和分布先改变，随后宏观相才跨越阈值。
它自己的反向材料是：什么叫“有序”、什么叫“隐藏”，高度依赖测量通道。2026 年隐藏序相的研究常常正是因为换用了噪声谱、热电或高阶统计等探针才发现原来没有名字的相。于是条件场不是唯一驱动者；测量路径同样参与了相的“可见性”。
把三家放进 三原理竞争框架，不是为了类比，而是为了逼出三条互斥动力。这里令 S 表示“当前显性判别/外显结果”，D 表示“从证据到判别的重建与解释路径”，E 表示“使该判别发生的情境、反馈、测量和相互作用条件场”。三家的单因主张可以分别写成：
目击辨认证据法：S×E→D。一个已经做出的显性辨认 S 与后续反馈环境 E 发生张力，首先改变证人如何把这次经验当作证据的路径 D；改变后的路径再回写下一轮 S 与 E。
反问题理论：S×D→E。相同观测 S 与多个都能拟合的重建路径 D 冲突，迫使实验者首先改造观测/控制条件 E；新 E 再使路径和结果获得新的可辨识性。
凝聚态物理：D×E→S。微观组织路径 D 与控制条件场 E 逼近不稳定区，首先使宏观响应分布、涨落或序参量 S 改变；新的 S 再反过来改变对 D 与 E 的测量。
如果硬要决定“到底谁才是真因”，三家会互相否定。法律证据程序会说，不先保护初始证据状态，你根本不知道后来变化来自记忆还是反馈；反问题理论会说，不改变探针，隐藏状态再真实也可能永远同像；凝聚态会说，系统离临界点很远时，换探针也未必出现任何结构分叉。
碰撞后最重要的变化，是问题从“哪个因素驱动语言符号的智慧”改成“驱动权何时换手”。对语言符号而言，三种情况都可能发生：有时先是语境反馈改变了解释路径；有时先是研究者/交谈者改变提问方式，把原来同答的两个状态拉开；有时则是现实任务和关系场本身先改变，使原来稳定的词义突然表现出高敏感性。智慧不能被固定在某一个环节上。
由此得到三原理型的轮次预测：
第一轮，当前符号把多个状态压到同一显性判断 S；第二轮，一处不兼容首先出现于 S、D、E 中的某一对，迫使第三项改变；第三轮，第三项的改变回写另外两项，并可能使下一轮的“先手”换位。
这仍然只是动力框架，还不是新理论。因为“意义随语境和互动变化”早已是语言学常识。真正的二阶必须继续问：三家在争谁先动时，共同默认了什么？
结构主义最小对立、语境敏感性、原型渐变、词汇竞争、预测误差、反事实敏感性和WiC已经覆盖“改变条件会改变解释”。盲界事件的独有位置更窄：当前答案先保持一致，诊断性最小扰动随后揭示稳定、成对且可复制的响应几何分裂。
最强反例是非诊断性惊奇：任何罕见改写都可能提高反应时或降低信心。故主分析必须有匹配控制扰动，并把信心、惊奇度、频率和阅读难度作为协变量，而不是把所有敏感性都算作盲界。
三家表面上互相争夺驱动权：证据程序先动、探针先动、条件场先动。可是把这三个领域的常规账本放在一起，会发现它们共享一个很自然的前提：一个隐藏差异若要取得研究对象资格，通常必须在某个被承认的观测量上造成差别。法律要看到不同证据质量或置信，反问题要看到可判别输出，凝聚态要看到响应函数、涨落或序参量异常。若任何读数都不变，“差异”就没有经验地位。
这个前提几乎无法反驳，因为“完全没有任何可观察后果的差异”当然不能成为科学对象。真正的问题在于，语言研究往往把“可观察后果”过早等同为当前语义答案已经不同。于是，只要两个使用者都把某个词判为同一意思，就被记入同一格；后续局部扰动会不会让他们走向不同决策，通常不是这个语义标签的字段。
推翻共有前提的材料不需要第四学科。三家自己已经给出：
目击辨认：同一个阵列选择可以对应不同的置信状态和潜在过程；确认反馈还可以只改变置信层，而不改变若干识别过程参数。外显选择不变，不等于证据状态不变。
反问题：多个参数集/竞争模型可以在当前数据上同样拟合；只有改变输入或观测设计才把它们拉开。当前拟合相同，不等于隐藏机制相同。
凝聚态：均值或标准序参量可以不足以发现隐藏序；全分布、高阶累积量、噪声谱对临界和隐藏结构更敏感。当前粗粒度状态相同，不等于响应几何相同。
这三件材料合起来迫使语言符号理论承认一个此前很少被独立记账的位置：
> 一个差异可以在“当前意义判断仍相同”的时候已经具有可干预的因果效力。它的第一张身份证，不一定是新义项，而可以是对最小微扰的稳定反应分叉。
这就是“盲界事件”的本体入口。它不是说任何潜在差异都应被命名；只有当差异能够在预注册扰动下重复改变后续反应，它才从哲学可能性进入可清点对象。
对基线刺激x与最小变换T，若两类参与者/状态在x上的当前判断一致，却在T(x)上的响应分布出现稳定分离，且匹配控制变换C(x)不产生同等分离，则记录一个盲界事件。事件身份由〈基线同答、诊断扰动、响应分裂、控制不分裂〉四字段组成。
若删去事件字段，基线数据把两种状态压成同一格；扰动后研究者只能把差异归为随机误差、一般难度或事后新义项。盲界事件把“尚未改变当前标签、但已能改变下一反应”的发生作为独立分析单位。
最小不是字数最少，而是只改变一个预先声明的因果维度；诊断性要求理论在见到结果前指出应由哪一组先分裂、分裂方向是什么。不能给出方向的探针只属探索性材料。
为了避免“这个词很敏感”“这个意思很深”“这里有潜在差异”之类不可裁决语言，盲界事件必须满足以下五个可记录条件。对一个目标符号 σ、基线任务 T0、两个使用状态 x1 与 x2，以及预注册微扰集合 P：
符号不变：探测轮次中目标词形/声音/核心表达 σ 不被替换；若换掉目标符号，本次更接近传统最小对立或换位检验。
基线同格：在 T0 下，x1 与 x2 的显性语义判断落入同一预先定义类别；如果一开始就被标成不同义，不是盲界，而是已知边界。
单变量微扰：P 中每一步只改变预注册的一项情境或任务变量，且改变幅度/类别在看到结果前写死；事后挑最有效上下文不算。
稳定分叉：至少一个微扰 p 使 x1 与 x2 的下游反应达到预设分叉阈值，且在重复/交叉验证中保持方向；反应可以是选择、预测、行动、反应时或置信，但全文必须使用同一编码口径。
无现成字段：现有用于该任务的语义标注体系没有一个直接字段可以把这一分叉记成已知义项差异、显性歧义或基线错误；若已有字段完整吸收它，就不需要新对象。
因此，盲界事件的最小判定不是“我觉得这里有深层差异”，而是一个五元记录：
〈目标符号不变，基线同格，预注册微扰，反应分叉，现有字段缺失〉。
任何一项不满足，都不能用“盲界”这个名字兜底。
一条“微扰敏感度”轴仍然不够，因为很多明显错误本来就会对任何变化高度敏感。本文加入第二轴，形成“基线判别一致性×微扰反应同构性”二维格：
第四格是本文的靶格。它具有 v4.0 要求的几个反常性质：
形式上完全合规：两个参与者/两个语境都可以答对。
短期指标甚至很好：一致率高、教师评分高、模型 accuracy 高。
失效不会报警：没有错误、没有修复、没有争论。
系统越依赖“最终答案正确率”，越可能把这一格稳定地压扁。
这也解释“为什么语言符号的智慧不等于准确率”。一个符号系统可以在当前任务上高度准确，却对某些最小现实变化出现完全不同的下一步。盲界显影不是反对稳定分类，而是给稳定分类增加一项诚实条件：你可以把两者暂时当成同一个，但必须知道什么扰动会让这个同一性失效。
在预先筛出的“基线同格”项目中，至少存在一个预注册微扰导致稳定反应分叉的项目比例：
BBR = N(基线同格且至少一个微扰分叉) / N(基线同格且完成全部微扰)
BBR 不等于“智慧分数”。高 BBR 可能说明当前符号划分过粗，也可能说明样本被刻意选在边界附近。它只回答一个事实问题：当前“同一”内部有多少项目能被受控微扰撕开。
对已发生盲界事件的项目，记录使响应首次超过分叉标准的最小预注册扰动级别。不同任务不能用同一物理单位硬比；必须在单一研究中先规定阶梯，如角色距离、时间窗口、典型性等级或背景前提数量。τ* 越小，说明当前同一性对局部条件越脆弱，但这仍不自动等于更坏或更好。
若实验包含后续真实任务，可以记录盲界分叉首次出现的时间/轮次与显性误解、错误或修复首次出现之间的距离：
L = t(显性错误/修复) − t(首次盲界分叉)
L>0 才支持本文最强主张之一：盲界显影可能先于错误，为共同体提供“错误前诊断”。若 L≈0，盲界更可能只是错误的另一种记录；若 L<0，则它不是前置机制。
三个读数各管不同问题，全文不得互换阈值。BBR 统计发生率，τ* 统计局部阈值，L 统计时序领先。若未来数据证明三者高度共线，应按 v4.0 的合并纪律压缩，不保留三个名字制造复杂度。
WiC提供同词在两个语境中是否同义的专家标签，但没有基线同答被试、最小扰动、匹配控制和个体内时序，无法直接识别盲界事件。这个失败不是数据不足的借口，而是迫使理论明确所需观察结构。
实验N≥400，材料集A取多义词/指称边界，材料集B取量词、时态或角色转换。基线阶段筛到一致率≥0.85的项目；主扰动只改变一个诊断维度，控制扰动匹配长度、惊奇度和表面编辑量。主要效应为两潜在状态的响应分歧相对控制增加≥0.20，并在A/B复现。
统计模型同时纳入词频、反应时、主观信心、惊奇度和一般语境难度。若效应只表现为更慢或更不自信，却不产生预测方向的响应分裂，不计事件。
以下划界不靠“更深”“更系统”“更动态”等空话，而要求具体反例。
邻居预测：只要符号产生不同解释项，符号关系就已不同。
本文预测：两个状态可拥有同一个基线解释项/同一任务标签，却因最小微扰反应分叉而构成盲界事件。
判决：若所有盲界分叉都能在基线解释项编码中提前分开，本文被 Peirce 式解释结构吸收。
邻居预测：替换表达单位造成意义差异即可确立对立。
本文预测：目标符号必须不变；若只有换掉目标词才出现差异，不计盲界。
判决：若保持目标符号不变时不存在稳定分叉，而更换符号才有，本构念无独立性。
邻居预测：词义在上下文中具有不同稳定区域，语境变化本来就会细调意义。
本文预测：并非所有细调都算事件；只有基线同格、单变量微扰、重复分叉、无现成字段同时成立。
判决：若 BBR 只是现有 graded similarity 或 context-sensitivity 指标的单调变换，则合并。
邻居预测：越靠近范畴边界，成员判断越不稳定、反应越慢、置信越低。
本文预测：匹配基线典型性、正确率和置信后，仍可出现不同微扰阈值。
判决：匹配后效应消失，则盲界归入一般范畴不确定性。
邻居预测：分叉来自两个或多个已激活意义之间的竞争。
本文预测：盲界可以发生在没有已知第二义项、没有基线竞争迹象的项目上。
判决：若所有事件都只出现在已有多义词/同形异义词上，应并入竞争模型。
邻居预测：意外输入产生预测误差，误差驱动模型更新。
本文预测：盲界可以在任何显性错误之前出现，L 应大于 0。
判决：若分叉从不早于错误/修复，则降为预测误差的记录方式。
邻居预测：对输入做最小反事实修改，观察输出变化即可判断系统依赖关系。
本文预测：probe 只是方法；新对象是“基线同格但 probe 后分叉且语言标注无字段”的事件类。
判决：若现有 counterfactual sensitivity 文献已经把这类语言事件作为独立语义对象并使用等价编码，本文撤回命名。
邻居预测：一次语言闭合经行动回写后改变下一轮可提出问题的可能域。
本文预测：不需要完成行动—环境—下一轮回写；第一次受控微扰就可以发现盲界。
判决：若所有盲界事件都只有在未来问题空间发生改变之后才可读出，则并入开域环。
邻居预测：核心在跨事件继承：旧判别是否成为后来默认解释，并可在反证下撤回。
本文预测：盲界不需要旧判别被后人继承，同一场实验中的两个同答状态即可构成事件。
判决：若去掉跨事件历史后 BBR 无法定义，则本文应并回续判理论。
经过两轮敌拓，本文已经不能再把“智慧”理解成任何宏大的“语言会创造意义”。剩下的答案反而更朴素。
第一，符号会压缩。同一个词把无数具体经历归到一个可共享类别。没有压缩，就没有交流效率，也没有规则、词典和共同记忆。
第二，符号会重复。正因为形式可以保持相对稳定，人们才能让对象、角色、时间、空间、目的等变量分别发生变化，而不必每次连符号本身一起重造。
第三，重复形式提供了一个干预锚。保持 σ 不动，就可以问：只改变 x，解释/行动是否变？只改变 y 呢？这使语言使用获得一种近似实验设计的结构。
第四，若两个原本被 σ 压在同一格的状态对微扰产生不同反应，就说明“当前同一性”并不是完全错误，而是分辨率有限。它足以处理旧任务，却不足以处理新边界。
第五，共同体此时获得一种特殊知识：不是“新答案”本身，而是“我们现有符号在哪种改变下会失效”。这是一种关于符号自身适用边界的知识。
所以语言符号的智慧不需要被神秘化成“符号自己思考”。它来自一个结构事实：有限的、可重复的分类工具可以反过来成为测试自身分辨率的装置。一把尺子的刻度不能覆盖无限精度，但固定刻度让误差模式可见；一个词不能提前包含所有未来意义，但稳定词形让我们能够识别什么新差异已经开始要求新的词、限定语、规则或任务字段。
在这个意义上，语言符号最深的智慧不是永远正确，而是具有一种“可被现实指出不够用”的结构。一个完全不能暴露自身盲点的符号系统，也许短期极其稳定，却会把所有新差异都解释成使用者错误；一个能够通过微扰让边界显形的符号系统，则把有限性转化成继续生成知识的接口。
真正的多学科碰撞不能让三家只负责支持本文。至少两家必须反向削弱强主张。
确认反馈可以提高置信，却不一定改变识别检测过程，更不保证稳定改变后续行为。因此本文不能把任何“置信分叉”直接叫作语义边界。置信只能作为一种响应通道；若分叉只存在于易受社会反馈操纵的置信指标，而不在行为、预测、延迟迁移等独立通道复现，盲界证据等级必须降低。
一个“很会拉开两个模型”的刺激不一定对应真实自然边界，它可能只对特定模型假设最敏感。因此 WiC-P 等未来实验必须防止研究者事后挑上下文、过拟合探针或用模型知道的特征设计差异。微扰集合必须预注册，并保留一组未参与设计的验证项目。
临界系统对微扰极其敏感，但这可能意味着不稳定、噪声放大甚至灾变。类比到语言，极低 τ* 并不自动更好。智慧不等于“越敏感越聪明”，而在于边界是否能被稳定、可复算地检测，并被用于更合适的后续划分。本文因此拒绝构造一个从 τ* 单调推出“智慧值”的总分。
三条约束共同把理论从“语言越敏感越智慧”削弱为：语言符号的智慧在于它允许盲界被识别，而不是盲界越多、响应越剧烈越好。
若本文只是说 S、D、E 互相影响，它会退化成“三因素共同作用”。三原理型要求轮次预测。
路径 A：反馈先动
在一组基线同格项目中，先改变社会反馈/任务后果 E，而保持目标词和客观材料不变。预测是：元认知/解释路径 D 先分化，随后在新的边界任务中 S 才开始分叉。若 S 在反馈前就分叉，则不是这一路。
路径 B：探针先动
当前 S 相同且存在多个 D 候选时，研究者先改变测量条件 E（例如角色、目标、时间尺度之一）。预测是：若探针设计命中隐藏差异，两个 D 的预测先被拉开，随后 S 出现可编码的新区别。若任何探针都不能复现差异，盲界候选应消失。
路径 C：条件场先动
现实任务/共同体条件 E 自发跨过某个阈值，例如资源紧张、角色责任改变、时间尺度延长；预测是：响应分布/变异先增加，随后才形成新的显性语言划界 S。若词典新义项总是先出现、现实响应后来才改变，则这一路被反驳。
回写与换手
一旦 S 新增了一条语言区别，它会反过来改变后续 D 与 E：研究者有新的标签可用于设计实验，共同体也可能据此重新组织责任。下一轮驱动者可能从“现实条件”换成“新标签引发的制度操作”，或从“实验探针”换成“参与者对标签的反馈”。
因此最强的时序证据不是 A 与 B 相关，而是：盲界响应先出现→显性错误/新命名后出现→新命名反过来改变下一轮微扰阈值或发起位置。若长期数据中顺序可以任意倒置，三原理机制不成立。
为了让理论离开哲学层，可以设计一个三阶段、预注册的语言实验。
选择 120 个在日常使用中具有明确核心义、但边界受任务影响的词或短表达。排除明显同形异义词，避免一开始就有词典第二义项。可以覆盖 quiet、safe、clean、near、fair、open、empty、finished 等英语词，也可在汉语中选“安全、干净、附近、完成、公平、公开、空”等。
给每个词一个典型情境，让参与者做二元或三元的任务相关判断，同时记录反应时和置信。只有在两组/两个个体的基线标签相同、置信处在匹配区间的项目才进入盲界探测。
对每个项目预先生成四类单变量改动：角色改动、时间尺度改动、目标/责任改动、边缘实例改动。每次只动一项，不改目标词。参与者完成与基线相同的实际预测或行动选择，而不是只问“这个词意思变了吗”。
先在训练子样本确定反应分叉阈值，再冻结阈值到验证子样本。某项目若基线同格、至少一个微扰导致跨组/跨个体稳定分叉、且该差异不能由基线置信/典型性解释，记为盲界事件。
最强竞争解释至少有四个：一般不确定性、阅读能力差异、工作记忆差异、对实验任务策略不同。实验必须匹配/测量这些变量。若控制后 BBR 消失，就不能把结果称为符号盲界。
若基线置信、典型性和反应时已经完整预测所有后续分叉，则“盲界事件”没有增加新字段；若只有明显多义词出现分叉，则并入词汇竞争；若分叉从不早于显性错误，L 不支持“错误前诊断”；若不同微扰集合得到完全不稳定的项目排名，则该构念过度依赖探针设计，应降格为方法现象。
本文若成立，对语言学习的启示并不是“多给孩子讲词的不同意思”。相反，它提醒我们区分两种能力：基线命中与边界诊断。
一个学习者可以在教科书例句里稳定知道 safe=安全、quiet=安静、fair=公平，并在选择题中保持很高正确率；但当“安全”的对象从一辆正常行驶的车变成“没有儿童座椅但速度很慢的车”，当“安静”的任务从“没人说话”变成“能否让婴儿睡觉”，当“公平”从平均分配变成按贡献分配时，他的系统是否知道自己正在接近边界？
传统教学常在错误发生后纠正：孩子说错，教师解释新语境，学习者添加例外。这属于必要的修复。但盲界视角增加一个更早的教学动作：在孩子尚能给出相同正确答案时，用小而连续的情境变化寻找“哪一步开始需要重新定义”。教学重点从“告诉更多义项”转向“训练边界扫描”。
这种训练不要求每个词都无限开放。恰恰相反，安全指令、数学定义、实验操作术语往往需要非常稳定的闭合。盲界训练只在一个条件下启动：当任务要迁移到新的现实场景，而旧分类可能承担新的后果。此时教师可以让学习者比较一串渐变情境，记录第一次出现分叉的位置，并要求说明是对象变了、任务变了、尺度变了还是责任变了。
对于儿童英语学习，这可能解释一个常见现象：孩子“知道单词意思”，却在真实场景中突然听不懂或不会用。问题不一定是词汇量不足，也可能是学习记录只有“词—中文义”或“词—典型例句”，没有记录词义的局部反应几何。会背 safe 的译义，与知道“安全”在哪些微小条件变化下需要重新判断，是两种不同的知识。
生成式 AI 让“给出一个像样答案”快速变得廉价，也因此放大了本文问题的现实性。一个模型可以在标准测试中持续给出正确答案，却在提示中改一个无关表面细节后大幅翻转；反过来，它也可能在推理链被破坏后仍输出原答案，说明答案正确但内部依赖不忠实。2025–2026 年 counterfactual sensitivity、perturbation robustness 等诊断正是为了捕捉这种“表面正确掩盖内部差异”。
但本文不把 LLM 诊断直接等同于人类语言符号。AI 文献在这里提供的是时代性反例：最终答案正确不再足以证明内部结构可靠。这使语言教育和知识生产都需要更重视“对小变化怎样响应”。
对跨域理论生产而言，这还有一层自反意义。AI 可以极快地生成新术语、新比喻、新跨学科组合。若只看成品文本，每篇都可能“像创新”。真正稀缺的是：保持承重命题不变，系统改变近邻、反例、数据和应用场，看它何时崩溃。换句话说，AI 时代的理论也需要自己的盲界显影实验。
所以“语言符号为何智慧”在 AI 时代得到一个更尖锐的回答：智慧不是输出数量，也不是一次准确率；智慧至少包含让内部依赖在受控变化中暴露。一个系统越能把“我在哪些条件下仍然成立、在哪些条件下开始裂开”外显出来，就越容易接受纠错、迁移和新知识发生。
工序 7.5 之后还需要一次更广的盲区交集。把本文最危险的近邻放在一起会发现：结构主义、语境论、原型理论、词汇竞争、预测加工、反事实敏感性其实都非常擅长处理“变化”。它们的盲区不在“不承认语境”，而在研究记录的终点常常仍是一个既有变量：意义是否变、类别置信多少、竞争激活多强、预测误差多大、输出是否翻转。
于是学术界第二层共有前提可以写成：只要现有标签仍能容纳当前输出，局部响应几何差异就只是解释变量，而不是一个需要单独建字段的语言事件。
盲界事件的挑战非常有限，也因此可裁决：它不要求推翻现有理论，只问“是否值得把同答分叉作为一类独立记录”。若未来数据表明该字段不能带来任何独立预测——不能提前预测迁移错误、不能预测后续新义项形成、不能预测跨伙伴分歧，也不能解释任何现有指标之外的方差——那就没有必要为它保留本体地位。它应该退回为实验设计中的一个中间读数。
这一条把新理论最容易膨胀的地方堵住了：有新字段不等于有新世界。只有新字段持续改变我们能区分什么、预测什么，才有资格保留。
本文给出四条可以撤回强主张的条件，统一检验截止日设为 2031 年 9 月 4 日。
赌注一：独立增量
至少三项预注册研究中，在匹配基线语义标签、正确率、置信、典型性和一般认知能力后，BBR 对后续迁移错误、跨伙伴分歧或新标签形成没有任何独立预测力。若命中，撤回“盲界事件具有独立语言学地位”，归入一般语境敏感性/不确定性。
赌注二：时序领先
若在具有足够时间分辨率的数据中，盲界分叉从不早于显性错误、修复或新义项命名，即 L 的稳定中位数不大于 0，则撤回“符号能够在错误前暴露自身边界”的强主张。
赌注三：探针稳健性
若换用两个独立研究团队预注册的微扰集合后，项目级 BBR 的一致性接近随机，且无法由任务差异解释，则说明“盲界”主要由研究者如何设计 probe 制造，降格为实验工具现象。
赌注四：近邻吸收
若系统文献检索找到一个在本文之前已经明确满足五元判据〈目标符号不变、基线同格、单变量预注册微扰、稳定分叉、语义字段缺失〉，并把它作为独立语言事件类别使用的成熟理论，则撤回“盲界事件”命名，只保留本文的跨学科重述和测量建议。
不算命中的情况：单一小样本研究失败；只用模型生成的微扰且没有人类验证；事后选择最有差异的上下文；把不同目标词之间的差异当作盲界；没有基线同格约束；没有公开编码规则。
第一，盲界读数只能用于指认任务、词义或制度中的边界位置，不应用于给学习者贴“有智慧/无智慧”“语言敏感/迟钝”的人格标签。
第二，在医疗急救、交通指挥、儿童保护、灾害响应等安全关键场景，不得为了测试符号边界而故意制造歧义或改变关键指令。边界探测应在模拟、复盘或低风险环境中完成。
第三，微扰设计可能操纵参与者信心或社会反馈。来自目击证据研究的教训要求研究者保存初始状态并尽量避免不可逆污染；若必须使用反馈操纵，应明确告知事后解释并有伦理审查。
第四，不能把“当前同一性有盲界”推成语言虚无主义。绝大多数日常交流依赖稳定类别；本文不主张每个词都无限细分。新边界只有在能改变后续行动/预测且可重复时才值得进入语言账本。
第五，凝聚态物理在本文中提供的是“粗粒化读数可能隐藏不同响应几何”的形式资源，不构成“语言是物理相变”或“词义服从量子规律”的主张。任何把跨学科碰撞变成物理神秘主义的表述都应删除。
盲界实验最危险的偏差来自研究者自由度：可以不断改写探针直到出现分裂。正式研究必须在收数前公开材料、诊断维度、分裂方向、排除规则与匹配控制；由独立团队复现时沿用同一判据。若换一组同理论探针便无法复现，效应降格为工具依赖。
信息论给语言研究留下了一个极强的形式传统：消息可以被看成从符号集合中选择，信道可以被噪声扰动，编码的价值可以用不确定性降低和传输效率来衡量。从这个视角看，语言符号似乎越能稳定区分状态、降低熵、提高可恢复性，就越“聪明”。但盲界显影恰好指出另一种价值：一个编码系统可能在当前任务里传得非常准，却因为分类过粗而持续把未来会产生不同后果的状态压成同一个码。高传输准确率与高边界可诊断性并不等价。
举一个简单例子。假设家庭共同约定“附近”指步行十分钟以内。所有成员都能准确执行，这个符号在当前信道里几乎零误码。后来祖父母加入，步行速度和身体条件发生变化，大家仍然都理解“十分钟以内”这个规则，符号没有歧义、传输没有失败；可是当任务从“年轻人取快递”换成“老人独自去医院”时，同一十分钟范围会产生完全不同的行动后果。这里真正需要被发现的不是“附近”传错了，而是这个稳定编码隐含地把“不同身体条件下的十分钟”当成同一种空间关系。只有改变行动者条件，盲界才显出来。
这与 Peirce 式解释链的分离线也类似。解释项理论允许同一个符号在不同解释者那里产生不同效果，因此非常容易把本文吸收进去。但本文要求的不是“不同解释者可以解释不同”，而是一个更苛刻的实验情形：在当前任务中他们必须先解释相同。只有在这个同一性已经成立之后，局部微扰使后续反应分叉，才构成本文对象。换言之，本文研究的不是符号如何容纳差异，而是符号如何在已经成功压平差异之后，留下一个可被重新撬开的缝。
这一分离线也能防止“智慧”被无限膨胀。语言符号有许多智慧维度：信息压缩、社会协调、抽象指代、跨时空传承、语境推理、隐喻生成、共同注意、规范承诺。本文没有资格把盲界显影宣布为全部语言智慧。它只主张一种更小的必要候选：如果一个符号系统永远只能告诉我们当前分类，而从来不能在受控现实变化中暴露分类边界，那么它的适应性将高度依赖外部观察者替它发现错误。相反，一个可被探测的符号系统允许共同体把“我的分类在哪儿开始失效”也纳入知识。
因此，本文的理论位置应写成三层：第一层，符号作为编码和传递工具；第二层，符号作为解释和行动协调关系；第三层，符号作为可固定的诊断锚，使当前同一性内部的潜在因果边界能够在微扰下显形。第三层不否定前两层，而是在前两层都已经成功时才问一个剩余问题：传得准、解释通、行动也一致之后，我们还能不能知道这个一致性在哪里会先裂开？
如果把语言学习理解为不断把词和意义配对，知识增长的基本单位就是“又多会了一个词”或“又多掌握了一个义项”。如果把学习理解为语境化选择，单位就变成“在新上下文中选对解释”。盲界显影提供第三种单位：学习者第一次发现，自己原先稳定使用的同一分类，在某个局部变化下必须分成两种未来处理。
这个发生单位具有一个重要特点：它通常先于命名。儿童可能还没有词说出“道路的物理距离”和“对三岁孩子而言可独立到达的距离”是两种不同的 near；学习者也可能还没有术语区分“语法上完成”和“任务后果上完成”的 finished。但当情境连续变化到某一点，他们开始犹豫、改策略、询问新问题、增加限定语或拒绝沿用旧规则。此时新的语言差异还没有稳定，却已经以行为分叉的方式出现。
这与 发生学取向高度兼容，但本文必须保持自己的分界：开域环研究一次闭合如何使未来出现新的可提问维度；盲界事件研究的是新维度获得问题资格之前的第一张经验凭证。可以把两者的潜在顺序写得更清楚：盲界显影并不自动产生新问题；它只告诉系统“这里有两种不同响应”。共同体可以忽略它，也可以把它解释为噪声。只有当这个分叉被记录、讨论，并进一步改写可提问空间时，才可能进入开域。因而盲界可以成为开域的前置材料，但不是开域的同义词。
对于语言发生学研究，这一点可能特别有价值。传统研究喜欢从已经稳定的语言对象倒推：词义已经形成、语法范畴已经形成、社会规范已经形成，然后问它们如何习得。发生学更关心对象还没形成时什么先发生。盲界事件提供一个可观察的中间态：旧标签仍在，新标签尚未出现，但旧标签内部已经出现可重复的未来响应分叉。这恰好位于“没有新对象”和“新对象已经命名”之间。
如果未来研究证实这种中间态稳定存在，它可以帮助回答一类更大的问题：新的语言区别为什么会出现？不是因为人类随意发明更多词，而可能因为旧符号在新的行动条件下不断出现可重复的盲界；当这些盲界对后果足够重要，共同体才开始增加限定语、形成术语、重划范畴。此时语言创新可以被重新描述为：可重复分叉积累到足以要求公共编码。
这一推论目前仍属于第二层理论外推，不能当作实证结果。它需要纵向数据：首先测到盲界分叉，随后观察是否出现新表达、新规则或新词义。如果新命名总是先于盲界响应，或者盲界与后续编码完全无关，那么“盲界是新符号区别的前发生状态”这一强主张应当撤回。
这一发生学位置也让“语言符号为何智慧”得到一个更完整的回答。语言符号不只是世界已经被分好类之后的标签，它也可以成为世界重新分裂的触发器。符号先把世界压成一个可操作的同一性；现实再通过微扰让这个同一性内部的差异显影；共同体最后可能据此重新编码。智慧因此不是无限精确，而是有限分类仍然保留被未来事实重新切开的可能。
二十七之一、判决性升级：事件必须越过四道门
盲界事件由基线同答、诊断性最小扰动、稳定响应分裂和匹配控制不分裂共同构成；任何一般敏感性都不自动算事件。
N≥400；基线一致率≥0.85；主扰动相对匹配控制的响应分歧增量≥0.20；两套材料复现，并控制信心、惊奇度、频率和难度。四门缺一即撤回。
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。
WiC不能直接运行该事件，它只提供强基线与材料来源。若效应只剩反应时/信心变化、分裂方向不复现或匹配控制同样分裂，盲界事件撤回。
盲界事件不是“符号很有智慧”的修辞，而是一组严格观察：基线同答，最小诊断扰动后稳定分裂，匹配控制不分裂。它把此前被同一答案压平的状态重新记账，也把理论暴露在N、阈值、双材料复现和强协变量控制之下。四道门过不了，就没有新事件。
Pilehvar, M. T., & Camacho-Collados, J. (2019). WiC: The Word-in-Context Dataset. NAACL-HLT 2019, 1267–1273. https://doi.org/10.18653/v1/N19-1128
Baes, N., & Haslam, N. (2026). Threshold-Calibrated Word Sense Disambiguation: Semantic Broadening Without Sense Redistribution in Schizophrenia. LChange 2026, 50–74. https://doi.org/10.18653/v1/2026.lchange-1.5
参考文献
[1] Allemand, M., Dupuy, G., Paquiez, P., et al. (2026). Non-Gaussian statistics of the order parameter across a phase transition. Nature, 655, 1148–1153. https://doi.org/10.1038/s41586-026-10811-1
[2] Bell, R., Menne, N. M., & Buchner, A. (2026). Validating a multinomial processing tree model for measuring confidence in lineups using a post-response feedback manipulation. Cognitive Research: Principles and Implications, 11, 23. https://doi.org/10.1186/s41235-026-00719-9
[3] Benning, M., & Burger, M. (2018). Modern regularization methods for inverse problems. Acta Numerica, 27, 1–111.
[4] Brennan, S. E., & Clark, H. H. (1996). Conceptual pacts and lexical choice in conversation. Journal of Experimental Psychology: Learning, Memory, and Cognition, 22(6), 1482–1493.
[5] Cruse, D. A. (2000). Aspects of the micro-structure of word meanings. In Y. Ravin & C. Leacock (Eds.), Polysemy: Theoretical and Computational Approaches (pp. 30–51). Oxford University Press.
[6] Denis, P., Theodoropoulos, C., & Vande Wouwer, A. (2026). Robust optimal experimental design for identifiability using the overall mean squared estimation error. Computers & Chemical Engineering, 208, 109581.
[7] Fukushima, H., Jordan, J., & Garry, M. (2024). To what extent does post-identification feedback translate into witness behaviour? Memory. https://doi.org/10.1080/09658211.2024.2372384
[8] Grice, H. P. (1975). Logic and conversation. In P. Cole & J. Morgan (Eds.), Syntax and Semantics 3: Speech Acts. Academic Press.
[9] Guo, Z., & Yilizhati, M. (2025). Semantic activation and time course of ambiguous morphemes and whole words in Chinese compounds. Acta Psychologica, 256, 105047.
[10] Jeppsen, C., Baxelbaum, K., Tomblin, B., & Klein, K. (2025). The development of lexical processing: Real-time phonological competition and semantic activation in school age children. Quarterly Journal of Experimental Psychology, 78(3), 437–458.
[11] Lewis, D. (1969). Convention: A Philosophical Study. Harvard University Press.
[12] Liang, X., Huang, F., Liu, D., & Xu, M. (2024). Brain representations of lexical ambiguity: Disentangling homonymy, polysemy, and their meanings. Brain and Language, 253, 105426.
[13] Liu, Y., Maini, P. K., & Baker, R. E. (2026). Optimal experiment design for practical parameter identifiability and model discrimination. Mathematical Biosciences, 399, 109710. https://doi.org/10.1016/j.mbs.2026.109710
[14] Oppenheim, G. M., & Nozari, N. (2024). Similarity-induced interference or facilitation in language production reflects representation, not selection. Cognition, 245, 105720.
[15] Peirce, C. S. (1931–1958). Collected Papers of Charles Sanders Peirce. Harvard University Press.
[16] Pilehvar, M. T., & Camacho-Collados, J. (2019). WiC: The Word-in-Context Dataset for Evaluating Context-Sensitive Meaning Representations. NAACL-HLT, 1267–1273. https://doi.org/10.18653/v1/N19-1128
[17] Pourovskii, L. V., Mosca, D. F., Celiberti, L., et al. (2025). Hidden orders in spin–orbit-entangled correlated insulators. Nature Reviews Materials, 10, 674–696.
[18] Quine, W. V. O. (1960). Word and Object. MIT Press.
[19] Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192–233.
[20] Saussure, F. de. (1916/1983). Course in General Linguistics. Duckworth.
[21] Wittgenstein, L. (1953). Philosophical Investigations. Blackwell.
[27] WiC official project page. https://pilehvar.github.io/wic/ (accessed 2026-09-04).