重言 Re-Sinitic：換一把尺之後，答案更乾脆了 - 研究日誌（三）

2026-08-27 · 8 分鐘閱讀

這篇是日誌，記的是當時的推論過程，其中部分結論後來已被修正。想看目前最新的整體結論，見現況總覽。

第二集的結尾是聲符原則：語音資訊會湧現出一套可泛化到新字的編碼，但它取代語意，不與語意分工。這集本來要接著查「模組化是不是習得性問題」，結果先撞上兩件更急的事——一個是先前的結論裡有一半是錯的，另一個是量了兩年的指標可能從頭到尾沒量到重點。兩件事查完，探索階段就結束了。

形符與聲符不是互斥，是取捨

第二集報過一個副作用：同音率極低的那組資料（v3）裡，加上語音路會把原本能被拆解出語意的字形壓回 chance 等級——看起來像「一個字形要嘛表意要嘛表音，兩者互斥」。

那個說法在檢定之前只是個印象。用 72 個零樣本 run 直接測，情況不是那樣。

先修一個門檻的錯誤：68 個未見詞、chance ≈ 1.5%，先前用「2× chance」分類，等於只有 2 個詞落在門檻之上，完全在雜訊裡。改用 chance + 3 個標準誤 ≈ 5.8%：

36 個主力 run 裡有 15 個（42%）的字形，同時具備語意和語音兩種零樣本泛化能力。那是形聲的必要條件，而且經常被滿足。主力臂內部：

語音泛化 vs 同音率   r = +0.748
語意泛化 vs 同音率   r = −0.273
語意泛化 vs 語音泛化  r = −0.341

加上語音路會把字形從「語意可泛化」推向「語音可泛化」，同音壓力決定推多遠。兩者之間是取捨，不是互斥——第二集那個「語意方向隨劑量下降」的說法沒有錯，但它只是取捨曲線的一段，不是「兩者互斥」的證據。v3 之所以看起來像退化，是因為它的同音率只有 0.018，落在曲線最左端，語音路在那裡幾乎只有干擾、沒有收益。

到這裡，第一集就報過的「形符原則」（純表意基線的字形語意可拆解）第一次有了明確的量化位置：基線臂 36 個裡有 32 個具備語意零樣本泛化。這件事一直存在，只是先前沒有用同一套方法跟聲符放在一起看。

但雙重分離這把尺，可能從頭到尾量錯地方

正向結果變多了，但雙重分離——這個從第一集就撐著「形聲沒有湧現」這個主結論的指標——一直是負的，一次都沒轉正過。查到這裡開始覺得不對勁：如果聲符和形符都會湧現，為什麼分工的訊號完全量不到？

答案是這把尺本身量錯了東西。dd_interaction 消融的是 Writer 的輸入路徑——把語意向量或語音向量歸零，看 Writer 產出的字形變化多少。那測的是「Writer 有沒有用到那條輸入」，不是「字形本身有沒有分成兩個部分」。一個把語音資訊均勻塗滿整條字形的系統，在輸入消融上也會顯示同時依賴兩條路——它和一個真正左形右聲的系統，在這個指標上分不出來。

整個專案一直在用一個測不到形聲的指標測形聲。

換一把尺：直接遮字形的空間

形聲的定義性特徵是空間上可分解——左形右聲。改成 5×5 網格，遮左半（10 格）或右半（10 格），中央欄不計，測兩類九選一題目：同場題（同語意場、語音遠，只靠形符答得出來）、同音題（語音近、跨語意場，只靠聲符答得出來）。

過程中修掉兩個會讓評估看起來正常、其實在說謊的缺陷：

• 天花板。 第一版用三選一，兩類題目都跑到 100%——消融測不出任何東西，而依變數飽和的效果量不該被解讀。改成九選一（全部 8 個同類硬干擾詞一起放進候選集）。這個坑挖得有點諷刺：對抗式干擾詞是為了讓題目有鑑別力才精心設計的，結果評估時只放了一個進去，設計對了、用法錯了。
• 讀者未收斂。 先前的設定下，評估當下的讀者訓練不到 3000 步，全詞表準確率掉到 chance——那不是字形不好，是讀者還沒學會讀。改成一律用全新訓練到收斂的讀者評估。意外的副產品：全新讀者的表現比先前共訓的讀者好上不少（63.3% vs 38.1%）——先前那對「有默契」的網路其實卡在次佳解上，一路低估了字形本身的品質。

結果：一個漂亮的 2×2，被自己的複製推翻

種子 0 的第一組結果看起來像個完整的故事：讀者換代會把 spatial_dd 往正推，而且只有同音率夠高那格才越過事先定的顯著性門檻（SESOI）——聲符需要原料，分解需要划算，兩個條件缺一不可。

三個新種子重跑同一組設定，判準寫在腳本裡、寫在看到資料之前：

種子      無換代     有換代        差
  0     -0.0177   +0.0531   +0.0708
  1     +0.0708   +0.0310   -0.0398
  2     +0.0133   -0.0265   -0.0398
  3     -0.0044   -0.0442   -0.0398

平均    +0.0155   +0.0033   -0.0122     配對 t = -0.44

有換代那組 4 個裡只有 2 個是正的，平均反而比沒換代的對照組更低。那個很好的故事是錯的，撤回。

但空間版本身測到了一件結實的事

拿掉那個沒撐住的 2×2 敘事之後，遮字形一半這個做法本身給出一個非常乾脆的結果：

遮左   同場 −0.584   同音 −0.602
遮右   同場 −0.341   同音 −0.376

遮掉一半造成最多 71 個百分點的傷害——傷害很巨大，但對兩類題目的傷害幾乎完全相同（差只有 0.013–0.018）。字形的每一半都同時攜帶語意和語音兩種資訊，比例相同。左半承載的資訊多於右半，所以字形不是均質的、確實有空間結構——但那個結構不是形符和聲符。

這不再是靠代理指標推論出來的「沒有分工」，是直接遮掉空間位置測出來的「沒有分工」，而且比先前用輸入路徑消融得到的同一句話硬得多。

順帶量到：逼出兩條通道會推高部件複用，但推的不是分工

對抗式候選集逼著兩個通道都變得必要之後，部件複用率來到專案目前最高的 0.792–0.805（先前是 0.748）。逼字形不能偷懶，確實會讓系統長出更多共用部件——但那是「共用更多零件」，不是「把零件分成兩組各司其職」。

探索階段到此結束

三個階段（S1 語音層、S2 劑量曲線與零樣本、S3 方言壓力）、零樣本探針、空間雙重分離全部跑完並寫進 FINDINGS.md。heldout 那 102 個詞，從專案開始到現在，一次都沒有被載入過。

現在唯一剩下的重大決策是要不要動用它——這是一次性資源，動用之後探索階段就正式結束，任何後續調整都要記為「看過確認資料之後的變更」。卡住的地方是算力：pre-registration 原訂的確認階段規模（5 個 λ 點 × 5 種子 × 6 劑量）在「訓練候選數等於評估候選數」這個修訂後的規則下，單一個 S2 run 要 14 小時，全部跑完是三個月。三個縮減方案擺在桌上：

C 特別值得考慮：零樣本探針不需要重新訓練 Writer，只需要凍結既有的 Writer、重訓 Reader——heldout 的字形可以直接由現有模型產生。而「新學習者讀不讀得懂沒學過的字」正是這個專案目前最強的正向結果。

這些結論現在有多硬

下一步

唯一的決策點是 heldout 怎麼用，三個方案裡 C（零樣本為主）代價最低、也最貼近目前最硬的結果，但那要使用者決定，不是可以自己動的事。不需要等這個決策也能做的事：論文草稿譯成英文、給 v3 這組低同音率設定補種子（目前只有 1 個）。等 heldout 的決定下來、或是英文稿完成，會有第四集。