从模糊话语到受控复用类：规范化、商不变性与条件可判定性

背景

语义缓存（Semantic Caching）是对话系统中一种常见的优化手段：当用户发出一个查询时，系统通过嵌入相似度比较，判断该查询是否与先前某个已缓存查询“足够相似”，若是则直接复用之前存储的答案，从而避免重复计算。然而，这种实践存在根本性缺陷：相似度阈值是启发式的，缺乏对授权、版本控制以及“两个请求在实质上是否相同”的形式化定义。在受监管或受控域（如医疗、金融、法律）中，这种模糊性可能导致不合规的答案复用，例如将不同意图的请求错误地归为同一类，或者忽略权限变更带来的答案失效。

本文提出一套严格的数学框架，将重用的定义从“基于嵌入相似度的启发式”迁移到“基于已解析对话需求的商结构（quotient）”。通过引入规范化（canonicalization）、商不变性（quotient invariance）和条件可判定性（conditional decidability），作者为受控域中的语义缓存提供了可证明的语义基础，并完整刻画了从模糊表述到受控重用类的转换链。

核心内容

论文的核心贡献是重新定义重用的对象：在受控域中，重用应作用于一个数学上刻画的商空间，该空间由已解析的对话需求（resolved conversational demands）经等价关系划分得到，而非依赖相似度启发式。具体而言，作者在已解析表述（resolved utterances）上定义了三个独立的关系，它们构成一个细化链（refinement chain）：

1. 阅读同一性（Reading Identity）：两个已解析表述若在字面阅读上相同（即不考虑任何解析或上下文差异），则具有阅读同一性。这是最细粒度的关系。

2. 解析同一性（Resolution Identity）：两个已解析表述若在解析后的需求指称上相同（即经过歧义消解、实体链接等处理后，它们指向同一个或等价的需求），则具有解析同一性。解析同一性比阅读同一性更粗：不同字面表述可能解析为同一需求。

3. 重用同一性（Reuse Identity）：两个已解析表述若在受控答案划分（governed answer partition）下的映射结果相同，则具有重用同一性。这是最粗的关系：它直接对应系统允许的答案复用等价类。

这三个关系满足：阅读同一性 ⊆ 解析同一性 ⊆ 重用同一性。在非退化条件下（这些条件可以通过部署日志检查），该包含关系是严格的，即存在反例使得不同阅读的表述具有相同解析，或不同解析的表述具有相同重用类。

流水线的核心性质是：输出沿该链不变（invariant along the chain）。换句话说，无论系统内部采用哪一层关系作为操作依据，最终得到的重用类划分是一致的。关键定理表明：重用同一性恰好是解析映射到受控答案划分的核（kernel）。这意味着，重用商（reuse quotient）是由受控答案划分在表述侧诱导出的自然等价类，而非对该划分的简单重标号。因此，重用同一性直接授权了受控查询键（governed query key）及其认证答案空间（certified answer space）；而重用特定答案还需要解析同一性或者一个适用性证书（applicability certificate）——后者用于处理那些解析不完全相同但答案仍可安全复用的情况。

论文还以精确陈述的强度提供了支撑层：

• 精确指称范式（Exact-denotation normal forms）：为每个已解析表述生成一个规范形式，确保相同指称的表述有相同的规范形式，从而可判定地实现解析同一性。
• 连接聚合作为设计算子（Join aggregation as a design operator）：将多个需求的合并视为一个设计操作，通过闭包稳定单元（closure-stable cells）刻画“无逃逸”（no-escape）性质——即任何从该单元出发的推理链都不会超出该单元的边界。
• 整个流水线相对于不可信提议层完全可计算（Total computability of the full pipeline relative to an untrusted proposal layer）：假设存在一个不可信的提议层（如LLM生成的候选解析），系统可以完全计算地完成规范化、等价类判定等步骤，而不依赖该层的一致性。
• 策略可接受性（Policy admissibility for arbitrary proposers）：对于任意提议者（包括对抗性提议），系统都能验证其输出是否满足策略约束——且这一验证不依赖于事实基础（factual grounding）或意图保真度（intent fidelity），即不要求系统理解真实世界或用户意图，仅依赖形式化规则。
• 有限步终止且可靠（Elicitation terminating after finitely many informative replies, sound under target consistency）：若系统需要向用户追问以消歧，则整个过程在有限次信息性回复后终止，且在目标一致性假设下保证所得到的答案正确。

关键要点

• 语义缓存的根本缺陷：基于嵌入相似度的启发式缺乏对授权、版本和需求同一性的形式化定义，在受控域中不可靠。
• 新定义对象：重用应基于已解析需求的商结构，而非相似度启发式；商结构由受控答案划分唯一确定。
• 三关系细化链：阅读同一性 → 解析同一性 → 重用同一性，构成从细到粗的等价关系链，且在非退化条件下严格。
• 流水线不变性：重用输出沿该链不变，即任意一层关系得到的重用类划分等价。
• 重用同一性 = 解析映射的核：重用商是受控答案划分在表述侧诱导的商，而非其重标号，确保每个重用类对应唯一且正确的答案空间。
• 条件性重用