第二十一章 层级、粒度与频率
一、三个问题为什么不能只用一个“细”字
讨论判断时，我们常说某人看得不够细，或者某个系统检查得更细。但这里可能混有三种不同要求：把任务内部的结构展开，把同一对象分辨得更精确，以及更频繁地检查当前状态。三者都重要，却不能互相代替。
层级说明任务之间怎样承接。例如，一项局部推导进入一个引理，引理进入证明，证明进入研究计划。粒度说明当前判断保留哪些差异，例如只看引理结论，还是连同前提、依赖及具体推导一起展开。频率则说明检查在时间或事件序列中发生多少次。层级、粒度和频率可以相关，但没有简单的一一对应。
一个高层任务可以需要非常细的区别。原命题中的“任意”与“存在”只差一个量词，检查它却可能决定整个研究是否完成。一个低层任务也可以整体调用成熟模块，不必时时展开。频繁查看进度则可能始终只看到同一个粗粒度的百分比，完全没有检查决定结论的条件。
本章建立这些区别，是为了让灵活判断有具体对象。若概念不清，增加频率会被误当成增加深度，要求领导参与会被误当成提高层级，增加输出长度又会被误当成提高分辨率。实际判断可能没有改变，负担却不断增加。
二、层级首先是任务关系，不是人的等级
本书所说上层与下层，不是把人按地位、聪明程度或价值高低排列。上层任务调用下层能力，下层结果参与上层判断，这是一种功能关系。某个下层计算可以非常复杂，某个上层选择可以很简单；它们在任务中的位置不能被误读为智力排名。
以乘车思想实验说明，乘客判断是否到达目的地，属于出行任务层；运行系统内部的检测与控制属于承接这段出行的另一层。乘客不因此比工程系统更会判断所有事情，工程判断也不因为在下层就较少价值。不同任务需要不同依据，层级只是帮助说明它们如何连接。
数学研究同样如此。一个形式检查器可以承担细致而严格的推导核验，研究者选择下一项问题时也可以借助AI与文献系统。不能由此固定“人永远最高、机器永远最低”。某一次工作安排可以由人主导上层任务，判断的本体构成却不应被该安排永久锁定。
此外，任务关系未必是一棵没有回路的树。一个引理的失败会返回修改证明目标，一个新证明又会改变研究计划，计划调整再改变需要哪些引理。为了管理可以画出层级，为了发生分析则必须保留反馈与跨层重组，不能让图上的箭头方向取代实际互动。
三、粒度是选择保留哪些差异
粗粒度判断并不是把细节全部忘记，而是在当前任务中把某些不同状态作为同一种情况处理。研究者调用一个已经证明的引理时，不必区分它内部每一项表达变化，只要这些变化不影响当前结论、条件与使用依据。粒度选择因此始终相对于任务。
可以用集合语言把这一点说清。设X是一组可能的详细状态，α把每个详细状态映射为一个较粗的表示z。所有被映射到同一个z的状态，在这层表示中暂时不作区分。它们内部可以有很多差异，问题是当前判断是否需要这些差异。
这个抽象模型不意味着现实中的X能够被全部列举，也不意味着E就是一个状态清单。它只是把“哪些差异被折叠”变成可以分析的关系。具体应用仍需说明详细状态包含什么、粗表示保存什么，以及实际条件如何改变这些差异的作用。
粒度的好坏不能脱离这个关系判断。为了决定一本书是否包含四十章，只需适当读取章节结构；为了判断第二十九章的证明是否成立，则需要不同表示。把全部正文展示出来可能信息很多，却未必比一个准确结构记录更适合第一个任务。
四、何时可以在粗表示上作出同样判断
设当前任务的判断由函数r表示，它把详细状态x映射为某个判断结果。我们希望只根据粗表示α(x)作判断，即存在一个粗层判断函数r粗，使r(x)＝r粗（α(x)）。这在什么条件下可能？答案是：被α归为同一粗表示的任意两个状态，必须具有相同的r结果。
必要性很直接。如果α(x一)＝α(x二)，而判断完全依据这一粗表示，那么r粗接收到相同输入只能给出相同输出，于是r(x一)必须等于r(x二)。若两者不同，任何只看粗表示的确定判断都会在其中至少一种状态上出错。
充分性也直接。若同一粗表示下的所有详细状态具有相同判断结果，就把r粗(z)定义成其中任一状态的r值。由于结果一致，这个定义不依赖所选状态，从而得到所需关系。对没有实际对应状态的表示，不必赋予当前任务中的含义，或者另行规定不适用状态。
这是一条基本的集合论分解事实，本书不将其宣称为原创数学定理。它的用途，是明确粗粒度判断的一个逻辑条件：可以折叠内部实现，但不能把会改变当前判断的区别一并折叠。可靠封装应当保存足够的任务相关信息，或者在不足时要求展开。
现实任务的r有时尚未完全知道，因此不能直接用该条件给所有封装开合格证。它更适合作为设计与反例寻找的原则：尝试找到两个看起来相同、却应当得到不同判断的状态。一旦找到，就说明当前粗表示不足，需要增加条件或改变返回方式。
五、两个很小的例子
若任务是判断一个十进制整数是否为偶数，保留个位数字就足以区分相关情况，因为整数可以写成十倍的另一整数加个位数，前一项为偶数，奇偶性由后一项决定。这里可以给出明确推理，支持在较粗表示上完成判断，不必读取全部数字。
但若任务是判断正整数是否为素数，只保留个位数字就不够。十三与三十三都以三结尾，前者没有二或三这样的不超过其平方根的整数因子，因而为素数；后者等于三乘十一，是合数。同一粗表示对应不同判断，必须进一步展开。不是个位数字没有用，而是它不足以承担这项任务的全部判断。
在证明模块中，也可以构造类似差别。两个输出都写“通过”，一个表示形式语法通过，另一个表示完整证明已经核验。若上层界面把它们视为同一种状态，便无法仅凭该表示决定原命题是否获得支持。需要增加的是完成范围和证据身份，而不一定是展示所有底层代码。
这些例子说明，细粒度并不总意味着更多文字。一个额外状态位、一项前提说明或一个单位标记，可能比几千行日志更能保存当前判断所需的差异。适当粒度是任务相关性问题，不是信息数量竞赛。
六、三种合法反应：整体判断、局部展开、暂不裁决
粗表示不足时，不必立刻展示全部细节。可以先增加最能区分候选状态的信息。例如，证明模块先显示是否存在未完成依赖；若有，再展开相关子证明；其他已经独立获得支撑的部分仍可保持封装。这样的定向展开，比全量重做更接近灵活判断。
另一种反应是暂缓裁决。当前信息不能支持“成立”或“不成立”，可以明确返回“证据不足，需进一步检查”。这不是把真假变成第三种真值，而是对当前知识状态作出区分。命题可能有确定真值，系统却未必已经掌握足够依据。
第三种反应是改变任务。在某些情境中，当前只需要判断是否值得继续探索，而非最终证明是否完成。较粗信息可能足够支持前者，却不足以支持后者。任务变化必须公开，不能把适合探索的依据偷换成适合最终验收的依据。
由此，粒度机制可以同时保护探索与完成标准。它允许在有限依据下开始研究，也要求在宣称完成时满足相应证据。灵活的是展开程度与任务安排，不是把未证明结论按场合随意算成已证明。
七、频率回答的是何时再看，不是看到了什么
设想乘客每分钟看一次窗外，始终问列车是否正常。这是高频检查，但其信息粒度可能很粗。某项运行系统对相关变量进行更细致监测，则承担不同的判断工作。不能把乘客的担忧次数加总成工程检测能力，也不能因乘客没有频繁查看就推断系统缺乏判断。
在文稿审校中，反复打开同一份进度报告，也可能只增加频率而不增加依据。若报告没有保存关键依赖，刷新再多次仍看不到条件遗漏。改变粒度需要取得不同信息，改变频率则需要说明哪些状态可能在两次检查之间发生有意义变化。
检查频率可以按事件组织，而不只按钟表时间。修改了定义、加入了新数据、更换了模型版本或收到反例，都可以触发相关复检。没有变化时，不必重复执行全部高成本检查；存在变化却没有触发，定时检查也可能来得过晚。具体安排要根据任务的变化机制决定。
频率同样有成本。过密检查可能切断探索的连续性，使使用者疲于回应不重要变化；过疏检查则可能让关键错误传播。判断需要比较这些代价，不能以最多或最少作为统一目标。第五编所谓灵活，正包括让频率随相关条件变化。
八、频率替代：担忧不是判断粒度
导论里有一句话一直没有被展开：高频担忧与细粒度专业判断不是一回事。本节给这件事一个名字。高频的担忧不是细粒度的判断，而是尚未封装的频率——我们称之为频率替代。
操作定义：在一段时间内，某人对同一对象的检查次数上升，而他每次检查能够区分的状态数没有增加——每次得到的仍是同一组粗区分，例如“还好”和“不对劲”——这样的检查就是频率替代：用检查次数去填补表示单位没有组织好的空缺。判据可以写成两列：检查次数，可区分状态数。前一列上升而后一列不动，是频率替代；两列一起上升，才是粒度在变细。
第一个案例：新手父母。婴儿睡着了，新手父母夜里每十分钟去看一次。每次看到的是什么？在呼吸，脸色正常，没有被被子盖住。第一次看和第十次看，能分辨的是同样几种状态。检查次数多了几倍，能分辨的状态没有多一种。设想一位有经验的儿科护士，她可能只在固定时间看一次（这是说明性的设想，不是观察记录），但她看的时候分得出呼吸节律、肤色、体温的几种不同状态，并知道哪一种需要叫醒、哪一种可以接着睡。前者是频率替代，后者是粒度。家长的问题不在于不够关心，而在于“孩子在睡觉”这一段还没有被组织成一个可以暂时放下的单位：不知道哪些信号出现时必须去看，只好靠时钟去看。一旦父母掌握了几条明确的触发信号——呼吸声变了、监护器报警、某种特定的哭声——检查就从按钟表转为按事件，次数下降，能区分的状态反而增加。
第二个案例：第一次用导航开车的人，每个路口都要看一眼手机。看的内容只有一个：“还在路线上吗？”答案只有是或否。熟悉导航的人只在语音提示前后看一眼，但看时能区分“该变道了”“下一个路口才转”“前方拥堵已改道”等几种状态。前者看得多，后者分得细。还要注意，频率替代有代价：新手每个路口低头看手机，看路的时间被挤掉，真正需要细看的路况反而分辨得更粗。高频检查不只是多花力气，还可能挤占细粒度判断需要的注意。
导论中王德生使用 GPT 的自述，可以用同一组判据重新读。2023 年他几乎每次都查看输出，这时的检查可能有相当一部分是频率替代：每次看的是“这次有没有离谱”，能区分的状态不多。后来他不再逐句阅读，若同时形成了几条明确的触发信号——例如涉及具体数字、引文、专有名词时才展开细看——那么检查次数下降，而能区分的状态反而增加了：他分得出“这类内容可以整体接受”和“这类内容必须展开”。这只是用本节的判据重新描述一段自述，不证明这一转变确实如此发生；要确认它，需要记录每次查看时实际区分了什么。
重组表示单位在实践中意味着三步。第一，把原来连续的一段过程，切成有明确出口的段落：婴儿的一夜、一段车程、一次 AI 对话。第二，为每一段写出少数几条触发信号，出现时必须展开，不出现时可以放下。第三，在信号出现时，展开的不是“再看一眼”，而是一组更细的区分。这三步做完，检查就从时钟驱动变成事件驱动，这与本章第七节所说“检查频率可以按事件组织”是同一件事从使用者一侧看。
与最近邻的分离线在这里很清楚。信任校准理论 [R19] 会把这两个案例里的高频检查解释为信任不足：使用者对系统的信任低于系统的实际能力，开出的药是提供更多可靠性证据——让家长了解婴儿睡眠中真实的风险水平，让新手看到导航一路都没出错。本书的诊断是：频繁检查说明表示没有被组织成可暂时放下的单位，开出的药是重组表示单位——给出触发信号，把“一段路”划分成几个有明确出口的段落。要承认重合处：Lee 与 See 也讨论信任的“分辨率”与“具体性”，即信任能否随具体情境区分，这与本书的粒度说法相当接近。本书的增量只在于把问题放在表示单位上，而不是放在信任这个态度变量上。
两种药什么时候效果不同？只给可靠性证据、不重组单位：家长知道统计上风险很低，却仍不知道今晚哪些信号该起身，结果要么检查次数下降不明显，要么下降了却连真正的异常也错过——这恰好是信任校准理论自己所担心的过度信任。只重组单位、不给可靠性证据：导航新手学会了“听到提示再看”，即使对软件仍半信半疑，预期检查次数也会下降，且不增加漏看，这是待检验的预测，不是已有结果。由此得到一个可以检验的分歧：在信任水平（自评或行为测量）保持不变的条件下，重组表示单位能否降低检查频率而不增加漏检？若能，频率替代就不能被还原为信任不足。
可裁决预测：若在某类任务中，检查频率上升总是伴随可区分状态数上升，即频率与粒度在该类任务中不可分，那么本区分在该类任务中不成立，应当收回“频率替代”的说法，承认那里的高频检查就是在变细。应当观察的是：对每次检查，记录检查者能够报告的状态类别——可以事先给一张状态清单让其勾选，也可以事后编码其描述——再比较不同检查频率下状态类别数的分布。
这个判据也可以用在机器一侧。一个监控系统把采样频率从每分钟一次提高到每秒一次，若每次采样只报告“正常”或“异常”两种状态，它增加的是频率；若同时开始区分几种不同的异常，它增加的才是粒度。在评价一项“加强监控”的方案时，先问它增加的是哪一列，能省去不少争论。
还要说明，频率替代不是可以嘲笑的毛病。在表示单位尚未组织好的阶段，高频检查可能是唯一可行的保护。问题只在于不把它当作判断能力，也不把增加检查次数当作改进粒度的方案。
九、层级与粒度可以交叉
在高层研究目标中，一个很细的措辞变化可能决定任务性质；在低层计算中，一个完整算法可以作为整体调用。这说明层级与粒度不是同一条轴。设计判断机制时，需要分别记录当前处理哪个任务层、展开哪些差异，而不是把“上层”直接翻译成“只看大概”。
例如，研究负责人可以在总体方案阶段精确检查原命题的量词，但不展开每个局部代数步骤；一个专业验证模块可以在推导层整体接受已经核验的算术结果，却细查某项类型转换。不同角色在不同轴上的位置，可以随问题改变。
这种交叉使“每个人都应具备同样细致判断”失去必要性。更合适的是形成互相衔接的判断网络，让关键差异在适当位置显露。个人可以对自己的任务承担明确责任，同时借助其他机制处理超出其范围的细节。
但分布不能成为无人负责的借口。若一个差异决定上层结论，却没有任何下层模块保留它，上层粗判断就没有充分依据。连接检查需要追踪这种遗漏，并把它送回可以补位的环节。层级组织只有实际承接，才不是图纸上的分工。
十、粗粒度判断怎样保持可解释
整体调用以后，使用者常常不能复述全部内部理由。这不必取消其判断依据，但需要能够说明当前调用建立在什么上：适用范围、检验方式、完成状态以及异常处理。解释可以是分层的，简明说明与详细依据之间应有可行连接。
因此，可解释性不一定要求每个用户都阅读完整内部过程。一份可靠的封装说明，可以让他理解为什么当前任务适合调用，何时应停止，以及需要更多证据时能去哪里。若详细材料存在却无法找到，或者找到以后与当前版本不一致，解释链仍然断裂。
反过来，系统生成一篇很长的理由文本，也不保证解释已经获得支撑。理由可能只是在事后组织得合理，需要与实际记录和验证结果对照。解释的价值是帮助判断，而不是以语言顺畅替代判断。这个区分对生成式系统尤其重要，但并非只适用于AI。
本书主张在粗层保存的是有条件的可依赖关系，而不是对内部无所不知的幻觉。粗粒度判断可以有充分依据，同时承认自己没有展开全部细节；这种诚实比把有限检查说成全知更适合复合能力。
十一、怎样研究一次粒度迁移是否成功
一次迁移可以从逐项检查转向模块调用，也可以从整体判断转向局部展开。成功与否应当同时观察判断质量、资源使用和新能力。只减少检查时间，不能证明迁移成功；只提高错误发现而耗尽全部任务能力，也需要进一步比较其适用范围。
研究可以选择同一类任务，保持工具与目标尽量一致，比较不同粒度安排。需要记录哪些差异被省略、哪些仍然保留、异常如何触发，以及最终结果是否符合任务要求。若粗层遗漏了本来决定结果的差异，就应修改表示或限制调用，而不是责怪使用者没有猜到内部情况。
对于学习任务，还要增加迁移检查：参与者能否识别新任务超出旧封装，能否调用适当复核，是否能够解释关键条件。完成成品、个人理解与复合能力可以同时改善，也可能不同步。研究应分别报告，不把一个指标替代全部判断。
这项设计目前是本书的研究方案，不是已经取得的实验成果。它的意义在于使“判断升维”获得可检验内容：原来无法组织的关系是否开始可处理，而不是仅凭一种更宏大的任务名称宣布能力提高。
十二、从三个维度建立灵活机制
层级决定当前任务在哪里，粒度决定当前区分什么，频率决定何时重新检查。三者共同参与判断组织，却不能由任何一个单独代表全部能力。高频不等于细致，高层不等于高级，粗粒度也不等于粗糙。每一种安排都需要在具体SDE运行中接受价值评估。
本章的简单分解命题给出一个清楚底线：如果被折叠的差异会改变当前判断，系统必须保留足够信息，或者在不足时重新展开。它没有替现实任务完成全部建模，却使封装的判断义务不再只是“相信内部已经处理好了”。
层级说明任务之间怎样承接，粒度说明当前保留哪些差异，频率说明检查何时及多少次发生。把三者分开，才能避免用高频担忧代替专业分辨，也避免用整体满意代替内部依据。对一个封装而言，最基本的义务是：被折叠的差异若可能改变当前判断，就应有保留它、发现它或重新展开它的路径。动态判断从这里才有了明确对象。