先說結論
- 它沒有讓 AI 變得可信。
它讓「誰做了什麼、誰檢查過」變成事後能重驗的紀錄。
- 讓交付變好的是「執行」，不是「投票」。
照你的測試跑，比請別的 AI 來評審有用。
- 我們猜錯的，也留著。
原本以為信譽和互評會帶來增益，真實模型的實驗裡沒有出現。
AI 做事越來越快，檢查卻還是一樣慢。那要憑什麼把事情交給它？
01
我們想回答什麼
- 為什麼說「可究責」，不說「信任」
信任的經典定義裡有「不必監督」，而監督正是 Vacant 在做的事。
- 定義改了五次
每一次都把話說得更小：從「代理自願採用的責任結構」，到「沒有可驗證收據的交付不收」。
我站在門口。它說做好了，我先照你的測試跑一次。
02
我們做了什麼
- 包住你的 AI 助手
在它結束工作的那一刻跑驗收、簽收據。
- 驗收閘門
驗收是資料不是程式：只跑自己產生的程式碼。
- 簽章收據鏈
每一筆都簽名，並鎖住前一筆。
- 五層語彙
觀察、判決、扣留、中介、認證——每張收據寫清楚自己做到哪一層。
規則先寫死，跑完不准改。猜錯了，也要留著。
有些猜對了，有些被推翻了。都在這裡。
04
我們量到什麼
這些成效數字都有同一個前提：整件事建立在「需求可以被編譯成可執行的驗收測資」。……需求跑不起來的場合，這個機制沒有免費的裁判，會退化成「問一個模型」，而那正是量出來很差的東西。（R440P §五-1）
- 驗收閘門＋重抽
比只試一次多 14～19 個百分點（同一批 120 題，重複五次）。
- 換了題庫也成立
716 題合併，仍多 6.84 個百分點。
- AI 評審輸給多數決
請 AI 互相評審，在同樣預算下贏不過「生成五次取多數」。
- 「照失敗訊息改」沒量出比重寫好
五次都略高，零次通過校正；換更大的模型也沒出現。
- 零設定（v0.9.0）：四個批次，三個沒量到差別
裝了就有作用、只在同一個工作階段把話送回去一次。第四批量到了，換一個推論引擎就沒複製出來。它跟上面的閘門不矛盾：零設定不握著生成。
- 收據驗得過
194 條鏈、9,841 筆全數通過；說謊的金鑰 273／273 被指名。
- 壞人拿不到工作（機制模擬）
沒被抓到的作惡者，只拿到誠實者 0.57%～1.84% 的工作。
這些還沒做到，或還沒量完。先講清楚。
下一步，想回答最初那個問題。
06
接下來
- 換掉驗收的品質
測試寫得好或不好，閘門的效果會怎麼變。
- 讓漏記也藏不住
把收據的鏈頭公開出去，截斷和漏記也看得出來。
- 找真的使用者
量量看：有了收據，人是不是更敢、也更有根據地依賴 AI。
想更深入
這一頁負責讓你理解。理解之後，下面三個地方負責讓你查得到。
