SocienceAI · 学术研究2026 年第 11 期

证明即证据:可信科学生态的第一块拼图是携带出处的类型化知识

摘 要同一条定理在两个验证知识库中各有一条独立推导,对数学而言它们可以互相替换,对科学而言它们是两种不同的证据——这个长期被忽视的语义裂缝,正在成为智能体参与科学生产时信任链的薄弱环节。Hans-Martin Will 针对主流证明助手在定义转换中内置的判定性证明无关性提出根本性质疑:它把"哪条推导确立了这个定理"这一科学上最关键的信息在类型层面直接抹去,与需要检视并比较同一定理多个独立推导的科学验证库不相容;他据此提出建设性制度上的类型化知识,让推导本身成为可携带、可比较的一等对象。socienceAI实验室认为,这一转向把"知识是否可溯源"从流程纪律下沉为类型系统的内在约束,是社会协同智能体可信聚合的必要条件,但距离可用的跨库聚合生态仍有实质空白。

关键词可信智能体;知识溯源;可验证知识;知识生态

1 引言

科学知识生产正在经历一次角色重排:智能体不再只充当阅读器与格式转换器,而是开始承担论证构造、复现核查与结论整理的实际工作。当越来越多的知识条目经由自动化推导写入共享知识库,一个原先只在数理逻辑内部讨论的技术细节,就变成了生态层面的治理问题——两个智能体各自独立地确立了同一个命题,知识库应当把这两次推导当作同一件事,还是两件不同的事?

主流证明助手长期给出的答案是前者。Hans-Martin Will 在其工作中指出,Coq、Agda、Lean 等系统把判定性证明无关性(judgmental proof irrelevance)构建进定义转换规则:对于命题类型 P 上的两个证明项 p 与 q,系统在判定层面视其为等同 [1]。这一选择对以固定公理为地基的数学定理库是自然的:定理一旦成立,由哪条路径确立并不影响其使用。但同一套语义被原样带入科学场景时,出现的是性质上的错位而非程度上的偏差——科学知识库恰恰需要检视与比较同一定理的多个独立推导,而被抹去的推导身份正是科学活动中最具信息量的部分。

这一断裂值得放在智能体可信知识生态的更长链条里审视:它既是一次方法论上的转折,也暴露出从单库形式语义走向跨库可信聚合之间尚未填补的空档。

2 领域进展评述

2.1 证明无关性:数学语境下的合理设计

在证明助手的世界里,命题与证明是不同层级的对象。Coq、Agda、Lean 共同采用的策略,是在定义转换层面为命题类型内置证明无关性:凡属于同一命题的两个证明,在类型检查器眼中不可区分 [1]。这个设计有清晰的技术动机。其一,数学活动的终点是定理而非推导,定理库的核心诉求是登记"什么为真",推导路径属于生产过程的脚手架;其二,抹平证明差异让定义等价关系保持宽松,简化了项的规约与匹配,也让定理库免于存储大量彼此冗余的推导对象。在公理基固定、使用场景以复用定理为主的数学语境下,这些取舍几乎无懈可击。

2.2 从定理库到验证库:语义的错位

问题出在语境迁移上。科学验证库与数学定理库承担的职能并不相同:前者的知识条目带着各自的假设结构、测量语境与制度性约束,同一条结论由不同推导独立确立,往往意味着证据的相互印证,而不是冗余的重复登记。Will 的批评正落在此处:判定性证明无关性与需要检视并比较独立推导的验证科学生态根本不相容 [1]。一旦推导身份在类型层面被抹去,知识库就无法回答一个对科学而言基本的问题——某条结论是被独立确立的,还是仅仅被复述的。

这个缺陷在人类协作的学术生态里由引用规范与同行文化隐性兜底,但在智能体协作的场景下会被急剧放大:多个智能体高频写入、相互转述,若知识库无法在语义层面区分"独立确立"与"转述复制",协作的产物就可能在没有增加任何证据分量的情况下,制造出共识的表象。这正是把不可验证的协同变成噪声放大器的典型通路。

2.3 类型化知识:把推导做成一等对象

Will 给出的回应是把语义反转向前推到底:以建设性制度为基础构造证明相关的类型论,让类型化的知识条目不再是孤立的命题,而是命题连同其推导的整体 [1]。在这套语义下,推导获得了一等对象的身份——它可携带、可比较、可在类型层面被检视;知识条目之间的相等不再只有"命题相同"一种含义,而是区分了"由同一推导确立"与"由不同推导分别确立"这两种科学意义完全不同的关系。

两种语义的适用边界可以概括如下。

表 1 证明无关语义与证明相关语义的适用边界
维度证明无关语义(数学定理库)证明相关语义(科学验证库)
知识的基本单元命题及其真值命题连同其推导
独立重复推导的地位冗余,可合并证据,须保留并可比
假设结构固定公理基制度性约束下的开放假设
知识库的角色定理登记簿推导比对平台
对智能体协作的意义推导路径不可见信任链可审计的形式前提

3 方法论意涵

socienceAI实验室对智能体系统的第一性追问始终是:它的信任链是否可审计、失败是否可归因、知识是否可溯源。以此为尺度衡量,这项工作的价值不在于提出了一种新的类型论构造,而在于把三个追问中的一个从流程纪律的层面下沉到了形式语义的层面:知识可溯源不再依赖条目登记时的自觉填写,推导出处成为类型系统内在约束的一部分,篡改或省略它在语义上就直接不可能 [1]。

对研究者而言,这一转向的含义是把判断的对象换了位置。过去,评估一条知识需要信任登记者声称的来源;现在,评估的对象变成知识条目自带的推导本身——研究者检视的是证据,而非关于证据的转述。这恰好是"智能体增强而非替代研究者判断"的技术落点:类型系统负责让推导可见、可比、不可伪装,而哪些推导值得采信、哪些建设性制度足够严格,仍然是有研究者签字的判断。形式系统把可信性的下限抬高,判断的上限仍属于人。

同样重要的是失败归因的改变。当聚合性的结论出现问题时,证明相关的语义让追溯有了明确的抓手:沿着类型化的推导链,可以定位是哪条推导、在哪个制度约束下贡献了错误的前提。在无此语义的体系里,聚合结论一旦出错,归因往往止步于"来源不明"。对一个以分工协作为基本形态的知识生态来说,归因能力直接决定了协作能否在出错之后修复自身。

4 挑战与展望

4.1 表达力与经济性的权衡

证明无关性并非无的放矢的偷懒,它换来了实质的工程便利:更宽松的等价判定、更小的存储负担、更简单的定理复用。证明相关语义把这些便利反过来付出:携带推导的知识条目更重,推导之间的比较更昂贵,等价关系也更精细。如何让这套语义在真实规模的验证库中保持可用,是它从原则走向基础设施必须回答的问题 [1]。

4.2 跨库聚合的空档

单库语义正确不等于生态可用。不同验证库分别建立各自的建设性制度,推导要跨库比较,就需要制度之间的翻译与相互承认——这已经超出了单一类型论的射程。智能体工作流如何挂接类型化知识、如何在写入与转述时保持推导身份的完整性,同样没有现成路径。换言之,这项进展解决的是"一条推导在出生地之内可被检视"的问题,而协同智能的知识生态真正卡住的地方在别处。

4.3 总体判断

socienceAI实验室认为,这项进展让可信聚合更近了:在"知识可溯源"这根支柱上,它把口头承诺变成了类型约束,把推导身份从可被省略的元数据变成了语义上不可剥离的构成部分。但缺的那块拼图同样清楚——跨库的推导比较层与面向协作智能体的信任链编排。没有这一层,类型化知识只能构成一座座内部可审计的孤岛,跨库聚合依然是噪声放大风险最集中的环节。形式语义给出了可信知识的最小完备单元,而生态级的信任如何在单元之间传递,是下一个必须回答的问题:一条推导离开它的出生地之后,能否仍然保有可检视的身份。

参考文献

  1. [1] WILL H M. Typed Knowledge over Constructive Institutions: A Proof-Relevant Type Theory for Verified Science[EB/OL]. arXiv:2611.15108 (2026-11-11)[2026-10-07]. https://arxiv.org/abs/2611.15108.