SVO语义矢量算子手册

SVO 语义矢量算子手册 
 
 一、核心哲学 
 1.0 基本原则：自然语言投影（最高约束） 
 SVO 是自然语言的格式化投影。 它不是独立于自然语言的形式化系统——而是给自然语言添加最少符号，把隐含结构显式化。语序、词项、修饰关系尽量保留原句；只在歧义、辖域、命题关系等必须显式化的地方引入符号。 
 合法性检验的唯一标准 ：算式按结合律回读为自然语言，应与原句语义接近。读不回去的算式就是错的，即使它通过了所有形式规则。 
 本手册 §二 至 §七 的所有具体规则都是"辅助工具"，不是"凌驾检验"。当具体规则与原句表达冲突时，除硬性约束之外，一律以原句为准。 
 1.1 硬性约束 
 违反任一条即为错解。其余全部"规则"都是 可读性建议 。 
 
 命题间关系不可压成定语 ——条件、让步、因果、推论、目的、致使若连接两个命题，必须用 > + 连接词，不可作属性。 
 专有名词、行业术语、固定搭配、高频合成词不拆 —— 深度强化学习 、 想象力编码器 、 不能 、 没有 、 无法 、 能够 等是原子词项。 
 歧义必须显式封装 ——当 SVO 写法引入原句没有的歧义时，用 ( ) 明示辖域。逻辑流两端是完整命题时必须封装。 
 致使结构的嵌入命题必须封装 ——致使类连接词（使/让/令/迫使/促使/导致/驱使/叫）后若跟带自身主语的命题，该命题必须整体封装。 
 : 与"的"不共存 —— : 承担"的"（"'s"、"of"、"の"）的修饰语义，两者不并存。 
 跨句连接词不作句内 : ——然而/因此/从而/此外/总之 等承接上下文的连接词不能用 : 绑本句。 
 自然语言标点不是 SVO 分隔符 ——中文逗号、分号、句号等不得出现在算式中。 
 
 1.2 二元语义物理学（建模工具） 
 在"自然语言投影"原则之下，SVO 提供一个 二元本体建模工具 ：把语言结构归入两类基本实体——属性、力。这是思考工具，不是检验工具。 
 1.2.1 属性 (Attribute) 
 世界中的每一个事物都是属性的叠加。"红苹果"不是"红"和"苹果"的外部关联，而是"红"这个属性坍缩到"苹果"上形成的新复合体。 话题、身份、范围、背景、句子级副词 本质上都是属性——它们限定一个核心（谓词、命题或实体）使其成为更特定的东西。 
 
 "在AI方面"限定"偏向"这个动作 → 属性 
 "作为前负责人"限定"Karpathy"这个实体 → 属性 
 "显然"限定"他错了"这个命题 → 属性 
 
 属性通过 引力算子 : 坍缩到核心。 
 1.2.2 力 (Force) 
 世界中的每一次 变化 都是能量从一点流向另一点。物理动作是力（施事→受事），逻辑推导也是力（前件→后件）。致使、条件、让步、因果、推论——它们在本体上没有差别，都是 一个命题释放能量驱动另一个命题成立 。 
 
 "论文促使 Tishby 认识到 X" → 物理-心理动作力 
 "如果 P 则 Q" → 条件力 
 "尽管 P 但 Q" → 反预期力 
 "A 导致 B" → 因果力 
 
 力通过 驱动算子 > 释放。力的方向由中段的 连接词项 （动词或逻辑连词）明示。 
 1.2.3 并联 (Juxtaposition) 
 当多个项在原句里并列出现（共存或二者择一）时，通过 & / | 连接。判定：把 & 替换回"和/与/并"、 | 替换回"或"，读起来与原句一致即可。形式异质但原句本就并列的也合法。 
 
 二、三算子定义 
 
 
 : 绑定 (Bind) —— 属性本体 
 
 逻辑定义：左侧为右侧的限定。右侧可以是词项或封装域。 
 涵盖语法成分：定语、状语、程度词、否定词、模态词、被动标记、量化词、 话题、身份、范围、背景、句子级副词 。 
 
 
 
 > 驱动 (Vector) —— 力本体 
 
 逻辑定义：能量从左向右传递。中段为连接词项（动词/介词/逻辑连词）。 
 涵盖语法成分：主谓宾、动宾、致使、 条件、让步、因果、推论 、认知指向、语气（疑问、祈使、感叹）、比较。 
 
 
 
 & / | 合取 / 析取 —— 并联本体 
 
 逻辑定义：并联共存 / 二者择一。 
 涵盖语法成分：并列结构、选择关系。 
 
 
 
 辅助符号 ： ( ) 用于逻辑封装，将一组算式打包成一个原子化的 域 (Domain) 。域在外层算子眼中等价于一个词项。 
 算式合法符号只有 : > & | ( ) 。中文逗号、分号、句号等自然语言标点不是 SVO 算子。 
 
 三、运算规则 
 3.1 绑定的方向性 
 公理 I ： : 一律左修饰右。 A : B 意味着 A 是 B 的限定，结果具有 B 的本体类型。 
 
 红 : 苹果 是一个苹果（不是一种红）。 
 不 : 适用 是一种适用的否定态（不是一种不）。 
 显然 : (他 > 错了) 是一个命题（"他错了"的显然态）。 
 
 3.2 绑定的递归性与层级性 
 公理 II ： : 的左右操作数都可以是封装域。 
 (A : B) : C 左侧复合属性 → 限定 C
A : (B > C) 简单属性 → 限定一整个命题
(A : B) : (C > D) 复合属性 → 限定一整个命题
 
 链式绑定 从左到右逐级坍缩： 
 A : B : C = (A : B) : C
 
 3.3 词项粒度与固定搭配 
 (a) 固定搭配 ：当两个词构成不可拆分的语义单元（如"十年之遥"、"与此同时"、"一如既往"），视为原子词项。 
 (b) 高频合成词 ：现代汉语中词典查得到的合成词（副词+能愿、否定+能愿、方位+词 等）按原子保留，不用 : 拆： 
 
 
 
 类别 
 原子保留 
 
 
 
 
 否定+能愿 
 不能 / 不会 / 不可 / 不应 / 不得 / 不必 
 
 
 存在否定 
 没有 / 无法 
 
 
 能愿 
 可以 / 能够 
 
 
 
 判定： 词典查得到 → 原子；临时组合 → 可拆 。 不:适用 、 不:公开 、 不:明确 这些临时否定组合仍可拆。 
 边界说明 ： 
 
 "不"+动词/形容词的临时组合仍用 : ： 不:适用 、 不:公开 （不是词典词，而是构词法上临时否定）。 
 模态+动词复合中段仍可拆为 > 中段（§3.5）： 他 > 不得不 > 离开 ——这里"不得不"整体作中段，不被 : 拆分。 
 
 (c) 任务导向的粒度准则 ：除固定搭配外， 专有名词、行业术语、偏正复合词 也应尽量保留为原子词项。判定问法： 
 
 "在当前句子的推导链中，这个子词项是否会被单独施加 : 或 > ？" 
 
 
 否 → 并入整体，作为单原子。 
 是 → 才拆分。 
 
 示例 ： 
 
 
 
 原子写法 ✅ 
 过度拆解 ❌ 
 
 
 
 
 深度强化学习 
 深度 : 强化 : 学习 
 
 
 学习效率 
 学习 : 效率 
 
 
 决策鲁棒性 
 决策 : 鲁棒性 
 
 
 想象树 
 想象 : 树 
 
 
 协作式中间态 
 协作式 : 中间态 
 
 
 不能 / 没有 / 无法 
 不:能 / 没:有 / 无:法 
 
 
 复杂不完美环境 
 ((复杂 & 不完美) : 环境) （除非子词需独立操作） 
 
 
 
 保留可拆分的反例 ： (前 : 负责人) : Karpathy 中"前"被保留——因为上下文若对比"前任 vs 现任"，"前"需独立承载 : 。粒度选择取决于 当前句子的推导需求 。 
 领域固定 V+O 短语作合成原子 ：当「V+O」在所属领域反复出现且语义稳定到读者一眼识别为固定概念，按合成原子处理比按 §3.7-反例 / §1.1 约束 10 强行提升为 > 命题更忠实——即便 V 在通用语境是谓词动词。判定（高门槛，宁严勿松）： 
 
 该短语在所属领域文献内 反复出现且语义稳定 （如 RL 语境的"超越奖励"≈ beyond-reward、病理学的"携带病毒"、机器学习的"数据驱动"）； 
 投影时不会被单独施加 : 或 > （即 V 与 O 不会被独立修饰）； 
 拆为 V > O 反而引入原句没有的递进感。 
 
 三条同时满足才生效，否则回退提升处理。 
 ✅ 抽取 > 超越奖励:额外:信息 （RL 领域固定属性短语）
✅ 采集 > 携带病毒:样本 （病理学固定属性短语）
❌ S > 具备:能力 （"具备能力"是临时动宾，不是术语，应作 S > 具备 > 能力）
 
 
 心法 ：SVO 用来做逻辑推导，不是底层分词。原子粒度应大到足以让结构化的算式承载语义重心，而不是把所有词都剥成单字。 
 
 3.4 驱动的双重承载 
 > 统一承载两类能量流向，二者在本体上同构： 
 (a) 动作流 ：施事 → 动作 → 受事 
 论文 > 促使 > (Tishby > 认识到 > (理论 > 涵盖 > 过程))
 
 (b) 逻辑流 ：前件命题 → 逻辑连词 → 后件命题 
 (P1) > 则 > (P2)
(P1) > 尽管 > (P2)
(P1) > 导致 > (P2)
 
 识别原则 ： > 两端是 词项 还是 封装域 决定动作流/逻辑流——两端都是完整命题时即为逻辑流；否则即为动作流。 
 3.5 > 中段（语言无关） 
 SVO 代数与语言无关 。算子、优先级、结合律、封装规则全部是形式化定义，不依赖具体语言。 
 原则 ： 原句用什么连接词，SVO 就用什么 。中文写中文、英文写英文、日文写日文，照原词填入 > 中段即可。 
 合法中段形态 
 
 
 
 情形 
 示例 
 
 
 
 
 单动词 
 他 > 吃 > 苹果 
 
 
 模态+动词 
 他 > 不得不 > 离开 
 
 
 介词 
 模型 > 基于 > 想象 
 
 
 模态+介词 
 算法 > 能在 > 规则完美环境中 > 利用 > 模型 
 
 
 复合连接 
 测试 > 设定 > 限制 > 从而迫使 > (...) 
 
 
 
 介词、模态+介词、复合连接短语（"从而迫使"、"以至于"、"so as to"、"in order that"）均可整体作中段，不必拆成两个 > 。 
 中文常见词举例 
 
 
 
 大类 
 常见词 
 示例 
 
 
 
 
 条件 
 则、否则、除非、只有、当 
 (P) > 则 > (Q) 
 
 
 让步 
 尽管、虽然、即使、纵然 
 (P) > 尽管 > (Q) 
 
 
 因果（正向） 
 所以、因此、导致、使得、造成、引起 
 (A) > 所以 > (B) 
 
 
 推论 
 因此、所以、从而、故而、进而 
 (P) > 因此 > (Q) 
 
 
 目的 
 以便、为了、旨在、力求 
 (P) > 以便 > (Q) 
 
 
 致使 
 促使、迫使、让、令、使、催生 
 A > 促使 > (B > V > (...)) 
 
 
 认知指向 
 表示、认为、知道、察觉、发现、意识到、主张 
 K > 表示 > (...) 
 
 
 比较 
 比、胜过、不如、堪比、逊于 
 A > 胜过 > B 
 
 
 言说引导 
 说、问、答、告知、声明 
 K > 告知 > T > (...) 
 
 
 
 方向要求 
 > 的方向必须与 能量/因果流 一致（原因 → 结果、条件 → 结论、先 → 后）。 
 当原句连接词字面方向与能量流相反时， 替换为对应的正向连接词 ，不受字面语序束缚： 
 
 
 
 反向（字面） 
 正向（SVO 使用） 
 示例 
 
 
 
 
 由于 / 因为 
 所以 / 因此 
 "由于 A，B" → (A) > 所以 > (B) 
 
 
 since / because 
 so / therefore 
 "B because A" → (A) > so > (B) 
 
 
 鉴于 
 故 
 "鉴于 A，B" → (A) > 故 > (B) 
 
 
 
 正向连接词（所以 / 因此 / 从而 / 于是 / 故 / therefore）保持原样；条件/让步/致使类（则/尽管/导致/迫使）本身就顺向，无需替换。 
 不要把一种语言的连接词映射成另一种语言的等价物再反转方向 ——写哪个连接词，就按对应的能量流方向。 
 状语-动词绑定 (scope:V) 
 副词修饰动词时，通过 : 左修饰绑到动词头上，整体作 > 中段： 
 S > (scope:V) > O
 
 scope 限定 V 的 施行方式 / 范围 / 频次 / 时体 ，不是 V 的属性，也不是与 V 并列的能量阶段。这与汉语"副词紧贴动词"的自然语序同构。 
 适用类别 ： 
 
 
 
 类别 
 示例词 
 示例 
 
 
 
 
 分布量化 
 均、都、全、各、皆、分别 
 (A:表现) > (均:优于) > (B:表现) 
 
 
 频次 
 再次、反复、多次、几次、一直 
 S > (反复:验证) > 假设 
 
 
 时体 
 已经、正在、曾经、即将、终于 
 团队 > (已经:发布) > 报告 
 
 
 范围 
 一起、同时、单独、共同 
 他们 > (共同:探讨) > 方法 
 
 
 程度 
 显著、明显、略微、大幅、彻底 
 X > (显著:提升) > 效率 
 
 
 立场 
 坚决、果断、勉强、断然 
 他 > (果断:拒绝) > 提议 
 
 
 
 判定规则 ： 
 (X:Y) 中 Y 必须是动词头，X 是状语副词 。反过来则违规： 
 
 
 
 形式 
 判定 
 原因 
 
 
 
 
 (均:优于) 
 ✅ 
 左副词 + 右动词头，比较结构 S > V > O 完整 
 
 
 (优于:B) 
 ❌ 
 比较项 NP 被吞成 V 属性（违反 §1.1 / 约束 7） 
 
 
 (具备:能力) 
 ❌ 
 动词在 : 左侧作修饰（违反 §1.1 / 约束 10），应提升为 S > 具备 > 能力 
 
 
 (显著:提升) 
 ✅ 或原子 
 程度副词 + 动词；若搭配高频固化（§3.3）可直接作原子 显著提升 
 
 
 
 多状语堆叠 ：逐层 : （左结合自然展开）： 
 S > (再:(一次:提交)) > 申请 （副词层叠：再 → 一次 → 提交）
S > ((仔细 & 反复):检查) > 数据 （仅当原句"仔细并反复"本就并列时用 &）
 
 与跨句连接词 / 句子级副词的区分 ： 
 
 句子级副词（显然 / 据说 / 不幸的是）作用于 整个命题 ，绑命题封装域： 显然 : (他 > 错了) （§4.12）。 
 状语副词作用于 单个动词 ，绑动词头： (显然:错了) 不合法——"显然"是认知立场，不是动作方式修饰。 
 跨句连接词（然而 / 因此）作 > 首节点（§3.10）。 
 
 3.6 封装域 ( ) 的作用 
 封装域将一组算式打包成一个原子单位。对外层算子而言，封装域等价于一个词项。 
 必须封装的情形 ： 
 
 > 的逻辑流两端出现完整命题时，该命题必须封装（ 除同主语扁平链 ，见 §3.9.1）。 
 : 的右操作数是完整命题时，该命题必须封装。 
 致使类连接词 （使/让/令/迫使/促使/导致/驱使/叫）后跟带自身主语的命题时，该命题整体封装：
 ✅ 论文 > 促使 > (Tishby > 认识到 > (...))
✅ 测试 > 迫使 > (智能体 > (先:想象) > 结果)
 
 
 连续 : 语义分组与左结合不符 时，必须按语义分组封装：
 ❌ 其:发表的:两篇:相关论文 （左结合解析不符语义）
✅ (其:发表):(两篇:相关论文)
 
三层以上的连续 : 几乎总需封装。 
 任何时候需要覆盖默认优先级时。 
 
 禁止封装的情形 ： 
 
 单一词项（ (苹果) 与 苹果 等价，但多余）。 
 破坏固定搭配（不能把"十年之遥"写成 (十年 : 之遥) ）。 
 默认优先级与关联律已能正确结合的子式 ——见 §3.7「冗余括号识别」。括号只在改变默认结合、显式分组消歧、或满足上面五条「必须封装」时使用。 
 
 3.7 运算优先级与结合性 
 从高到低： 
 ( ) → : → > → & |
 
 即括号最紧，绑定次之，驱动更松，合取/析取最松。 
 A : B > C & D > E
 解析为：
((A : B) > C) & (D > E)
 
 : 左结合 ： A : B : C = (A : B) : C 。
 > 左结合 ： A > B > C > D = ((A > B) > C) > D 。 
 后者与主谓宾的自然语序一致：A 先与 B 发生作用，其结果再与 C 发生作用。 
 冗余括号识别 
 总原则 ：括号是结构标记不是装饰。凡按已定义的优先级与关联律即可正确结合的子式，不加 ( ) 。 
 五条冗余条款 ： 
 
 
 单原子裹括号 —— (苹果) → 苹果 ， (复杂不完美环境中) : (...) → 复杂不完美环境中 : (...) 。 
 
 
 > 链中的 : 子式 —— : 紧于 > ，自然结合： 
 ❌ (DeepMind:最新博客) > 介绍 > ...
✅ DeepMind:最新博客 > 介绍 > ...
 
 
 
 &| 中的 > 或 : 子式 —— &| 最低，自然结合： 
 ❌ (智能体:学习效率) & (智能体:决策鲁棒性)
✅ 智能体:学习效率 & 智能体:决策鲁棒性

❌ (A > 提出 > X) & (B > 验证 > Y)
✅ A > 提出 > X & B > 验证 > Y
 
 
 
 整条算式最外层括号 ——不被任何外层算子作用： 
 ❌ ((不可预知:问题) > 频发)
✅ 不可预知:问题 > 频发
 
 
 
 连续 : 链中关联律无差异 ——所有修饰均独立绑同一中心、内部不形成分簇时，左/右结合都得回原句，内层括号可去： 
 ❌ 几个:(显著:特征)
✅ 几个:显著:特征 （= (几个:显著):特征，回读仍为"几个显著的特征"）

❌ 这一:(核心概念):想象力
✅ 这一:核心概念:想象力
 
 判定：所有修饰是否同向限定同一头词、且无子簇？是则可去；否则保留括号显式分组（如 (其:发表):(两篇:相关论文) 必须保留——内部有真实分簇）。 
 
 
 保留括号的反例 ——必需的情形不在「冗余」之列，见 §3.6「必须封装的情形」与下面的快速对照： 
 
 
 
 情形 
 括号必需 
 原因 
 
 
 
 
 ... > (复杂 & 规则:不明确) 
 ✅ 必需 
 & 在 > 操作数内，需收缩辖域 
 
 
 显然 : (他 > 错了) 
 ✅ 必需 
 > 命题作 : 右操作数 
 
 
 论文 > 促使 > (T > 认识到 > (...)) 
 ✅ 必需 
 致使嵌入命题 
 
 
 (其:发表):(两篇:相关论文) 
 ✅ 必需 
 连续 : 内有真实分簇 
 
 
 
 判定口诀 ：能去就去，去不掉再留。拿不准时把括号去掉重读一遍，能回读原句就是冗余。 
 & 优先级陷阱（与冗余括号成对出现） 
 &| 优先级最低这把双刃剑——它 让 (A:B) & (C:D) 自然解析为两个 : 子式的合取（冗余条款 3 的依据），同时也 让 A > B > C & D > E 自然把整条 > 链切成 (A > B > C) & (D > E) 。冗余括号识别的反面是：当作者 实际想表达 「 A > B > C > X ，X 是 & 子结构」时，必须把 & 整体封装： 
 ❌ S > V > O & 例如 > (...) （误读为 (S > V > O) & (例如 > (...))，主干被切成两段）
✅ S > V > O > 例如 > (...) （"例如"作 `>` 中段承接主干，`&` 留在 `(...)` 内）
 
 自检 ：每写完一行，按优先级把 & 切位画一遍——如果 & 把本应成一体的 > 链切开，就是误读，加 ( ) 或改结构。 
 3.8 歧义消解 
 原句本身不歧义时可省略封装；原句有歧义或 SVO 写法会引入歧义时必须封装。 
 约定一 ：当同一个修饰语可能限定动词或整个命题时， 封装明示辖域 。 
 ❌ 显然 : 他 > 错了
✅ 显然 : (他 > 错了) （限定整个命题）
✅ 他 > (显然 : 错了) （限定"错了"这个谓词）
 
 约定二 ：当话题可能限定一个动作或一整段话语时，封装要明确。 
 (AI:方面) : (Karpathy > 偏向 > X) （整段话都在 AI 方面）
Karpathy > ((AI:方面) : 偏向) > X （只有"偏向"这个动作在 AI 方面）
 
 约定三 ：当 > 中段是逻辑连词时，两端必须是封装的完整命题。裸词项不能出现在逻辑流 > 的两端： 
 ❌ P > 则 > Q
✅ (P) > 则 > (Q)
✅ (P) > if > (Q)
 
 3.9 可读性建议 
 以下是 可读性与下游效率建议 ，最终由作者按原句判断。§1.0 的"能回读原句"是唯一凌驾检验。 
 3.9.1 同主语扁平 > 链 
 当 句内 命题间连接词（从而/因此/所以/故而/以便/于是 等）前后主语 承前省略 （即同一主语）时，优先 扁平链 ，不重复主语也不封装两端： 
 ✅ 它们 > (能够:学习) > 阐释 > (其:内部模拟过程) > 从而 > 使用 > ((即使:不完美):环境动态模型)
✅ 他 > 听完 > 报告 > 因此 > 决定 > 辞职
❌ (它们 > 学习 > X) > 从而 > (它们 > 使用 > Y)
 
 回退到封装 的条件： 
 
 
 
 情形 
 示例 
 
 
 
 
 主语切换 
 (经济 > 下行) > 导致 > (消费 > 萎缩) > 因此 > (企业 > (被迫:裁员)) 
 
 
 两端含 & / ` 
 ` 并列 
 
 
 两端自身是多段 > 链 
 (P1 > P2 > P3) > 因此 > (Q1 > Q2 > Q3) 
 
 
 致使类连接词（主语切换） 
 A > 迫使 > (B > V > C) 
 
 
 
 承前省略是中文正常语法现象，不是歧义；强行回填主语相当于改写原句。扁平形式下 > 已保证顺序流动，连接词作中段节点时两侧命题已被 > 自然隔开，无需括号。 
 3.9.2 词汇组块坍缩 (Lexical Chunking) 
 专有名词、行业术语、偏正复合词、高频合成词作为原子词项，能合则合。判定见 §3.3。 
 反例 vs 正例 ： 
 
 深度强化学习 ✅ ，而非 深度 : 强化 : 学习 ❌ 
 学习效率 & 决策鲁棒性 ✅ ，而非 (学习 : 效率) & (决策 : 鲁棒性) ❌ 
 基于想象的计划方法 ✅ ，而非 (基于 : 想象) : 计划 : 方法 ❌ 
 不能 ✅ ，而非 不 : 能 ❌ 
 
 3.9.3 扁平化多重属性 (Flattening Modifiers) 
 当同一核心被多个修饰同时限定时，先用 & 把所有修饰合取，再做 一次 : 绑定。避免生成 ((A:B):C):D 四层以上的嵌套。 
 方位词归并 ：方位词（中、里、上、下、前、后、内、外、间）直接并入名词，不单独绑定—— 环境中 、 桌上 ，不写 环境 : 中 。 
 反例 ： 
 ((((复杂 & 不完美) : 环境) : 中) : ((学习 : 效率) & (决策 : 鲁棒性)))
 
 正例（中等粒度） ： 
 ((复杂 & 不完美) : 环境中) : (学习效率 & 决策鲁棒性)
 
 正例（更粗粒度） ： 
 复杂不完美环境中 : (学习效率 & 决策鲁棒性)
 
 3.9.4 宏辖域优先 (Macro-Scoping) 
 范围、背景、话题修饰默认上提到整命题层绑定，而非深埋在受事子树里。除非原意明确只限定某个动词。 
 反例 ： 
 DeepMind > 提升 > (智能体 : ((((复杂 & 不完美) : 环境) : 中) : ((学习 : 效率) & (决策 : 鲁棒性))))
 
 正例 ： 
 (复杂不完美环境) : (DeepMind > 提升 > 智能体:(学习效率 & 决策鲁棒性))
 
 但 ：当场景本身是 操作流的一个阶段 （"先到 X 再做 Y"）时，保留在线性 > 链比上提更忠实语义： 
 ✅ ((如:AlphaGo):已有算法) > 能在 > 规则完美环境中 > 利用 > 内部模型 > 进行 > (推理 & 计划)
 
 三种场景处理方式： 
 
 
 
 情形 
 处理 
 
 
 
 
 X 是静态场景框定，与 Y 无时序关系 
 背景上提 X : (...Y...) 
 
 
 X 是操作流的一个阶段 
 保留线性 > 能在 > X > V > Y 
 
 
 X 与模态/其他状语是同层修饰 
 & 并列作状语丛： (能 & 根据:环境差异):调整 
 
 
 
 选择依据是 原句的语义重心 ：场景强调 → 上提；操作时序 → 线性；同层修饰 → 并列。 
 注意 ：不要用 & 把本可线性展开的时序/因果关系压平为状语丛——这会丢失原句的操作顺序，也更罗嗦。 & 仅用于原句中本就并列的项。 
 3.9.5 虚词与代词 
 原则 ：原句里的 虚词（该、还、并、其、就、也）默认保留 ——按自然语言投影原则，原句词项不擅自删除。 
 只在以下情形可省略： 
 
 作者 确信 删除不影响语义。 
 需要避免明显冗余（如原句重复主语）。 
 
 模态词（必须、可以、应该、可能、能、能够）和否定词（不、未、非）始终保留 ——它们承载真值判断。 
 "的" 由 : 承担，不并存 ： : 的语义定义是"左修饰右"，与中文"的"、英文"'s"/"of"、日文"の" 承担同一修饰关系。已用 : 处不再保留"的"。 
 ❌ 基于想象的:计划方法 ❌ DeepMind的:最新博客
✅ (基于:想象):计划方法 ✅ DeepMind:最新博客
 
 判定口诀： 
 
 "的"作为结构助词连接定语和中心语时，其功能由 : 承担；两者不并存。
"的"作为名词性成分（如"我的"中指代所有物）时，通常并入前词或作为原子保留。 
 
 3.9.6 语义重排 
 当字面投影导致结构扭曲、辖域不清或语义重心被掩盖时，允许重排： 
 
 
 
 情形 
 重排方式 
 示例 
 
 
 
 
 承接词与算子语义重复 
 省略（据此/由此/从此-已被连接词/ & 承担） 
 "…并据此行动" → … & 行动 
 
 
 字面语序扭曲修饰关系 
 重排为 A:B 形式使限定关系显式 
 "会在初期" → (初期:会) 
 
 
 并列动作被状语粘连 
 用 & 切分，状语上提或就近绑定 
 "想象X并做Y" → (想象 > X) & (做 > Y) 
 
 
 
 不可重排 ：原句语序本就表达语义（"先…后…"）、修饰项有多种解读时、专有术语/固定搭配。 
 字面忠实让步于语义清晰 ：§二"合法性"要求"能读回原句语义"，字面忠实与语义清晰冲突时，以回读检验通过为准。 
 3.9.7 多命题逗号分句 
 自然语言标点不是 SVO 分隔符。含多命题的长句按语义关系处理： 
 
 
 
 语义关系 
 SVO 处理 
 
 
 
 
 并列/延续（"A，并 B"、"A，它们 B"） 
 & 合取，或拆成独立多行 
 
 
 方式-动作流（"通过 A，并 B"——A 是手段，B 是基于该手段的动作） 
 扁平 > 链（同主语承前省略），不用 & 
 
 
 因果/推论（"A，因此 B"） 
 (A) > 因此 > (B) 
 
 
 条件（"A，则 B"） 
 (A) > 则 > (B) 
 
 
 让步（"A，但 B"） 
 (A) > 但 > (B) 
 
 
 
 「并」的双重语义 ——「并」字面是并列连词，但 SVO 选 & 还是 > 由两侧的语义关系决定，不由词本身决定： 
 
 
 
 类别 
 判定测试 
 SVO 
 
 
 
 
 真并列（动作平行共存，主语相同，删"并"句意不变） 
 把"并"换成"和" / "及" 重读——通顺 
 & 
 
 
 方式-动作流（前段是方式/手段，后段是基于该方式的动作；"并"承"接着/进而"语义） 
 把"并"换成"和"——读起来怪 / 丢失递进感 
 > 
 
 
 
 例 ： 
 原句：例如通过调整想象轨迹的数量，并从想象中抽取超越奖励的额外信息。

"并"换"和"测试："通过调整数量 和 从想象中抽取信息" — 怪
更准确读法："通过调整数量 → 从想象中抽取信息" — 方式接动作

✅ ... > 例如 > (通过 > 调整 > 想象:轨迹:数量 > 从 > 想象中 > 抽取 > 超越奖励:额外:信息)
❌ ... > 例如 > (通过 > 调整 > X & 从 > 想象中 > 抽取 > Y)
 
 原句：他买了苹果并买了橘子。

"并"换"和"测试："买了苹果 和 买了橘子" — 通顺
✅ 他 > (买 > 苹果 & 买 > 橘子)
 
 当一个自然语言句子包含两个或多个 可独立成立的命题 ，且用逗号 + 代词回指（"它们"、"这"、"该 X"）串联时， 允许拆解为多行 SVO 。拆行时将代词显式化（"它们" → "该两篇论文"、"它" → 具名指称）——前提是上下文已提供实义指称；若是单句独立、无前文可回指，保留原句代词（详见 §3.9.5「虚词与代词」与 §3.9.1「同主语扁平 > 链」）。 
 3.10 跨句语篇连接词 
 跨句连接词（ 然而 / 因此 / 从而 / 此外 / 总之 / 不过 / 但是 / 例如 …）表达 本句与前一句 的逻辑关系。它们 不是句内副词 ，不可用 : 绑本句——回读"然而地真实世界…"不通。 
 与句内立场副词的区分： 
 
 
 
 词类 
 代表词 
 作用 
 处理 
 
 
 
 
 句内立场副词 
 显然 / 显而易见 / 据说 
 表达说话者对 本句 命题的认知或模态立场 
 可 : 绑本句： 显然 : (P) 
 
 
 跨句语篇连接词 
 然而 / 因此 / 从而 / 此外 / 总之 
 表达 本句与前一句 的逻辑关系 
 不可 : 绑；见下三方案 
 
 
 
 回读测试 ：副词可读成"X地Y"（显然地错了 ✓），连接词不行（然而地真实世界 ✗）。 
 三种处理方案 
 方案 1：跨句合并 （若流水线允许） 
 相邻两句构成明显逻辑关系时，合并为一个 SVO，连接词作 > 中段： 
 (前句命题) > 然而 > (后句命题)
(前句命题) > 因此 > (后句命题)
 
 方案 2：分行保留，连接词作句首 > 节点 （若必须一行一句） 
 然而 > ((真实世界 > (复杂 & (规则:不明确))) & ((不可预知:问题) > 频发)) > 使得 > ((此类环境中:想象) > 变得 > (耗时 & 耗力))
 
 读作"承接前文的 然而 ，然后…"。保留了语篇信号但不把连接词误绑为句内修饰。 
 方案 3：丢弃 （若下游不关心语篇衔接） 
 ((真实世界 > (复杂 & (规则:不明确))) & ((不可预知:问题) > 频发)) > 使得 > (...)
 
 常见跨句连接词 
 
 
 
 关系 
 代表词 
 方案 2 写法 
 
 
 
 
 转折 
 然而 / 不过 / 但是 / 可是 
 然而 > (本句) 
 
 
 推论 
 因此 / 所以 / 故而 
 因此 > (本句) 
 
 
 递进 
 从而 / 进而 / 并且 
 从而 > (本句) 
 
 
 补充 
 此外 / 另外 / 而且 
 此外 > (本句) 
 
 
 总括 
 总之 / 综上 / 简言之 
 总之 > (本句) 
 
 
 举例 
 例如 / 比如 
 例如 > (本句) 
 
 
 
 
 四、标准拓扑模型 
 4.1 基本动作模型 
 拓扑 ： 施事 > 动作 > 受事 
 他 > 吃 > 苹果
论文 > 引用 > (前人 : 工作)
 
 4.2 话题-核心模型 
 原句 ：在AI辅助编程方面，Karpathy更偏向"协作式中间态"。 
 (AI辅助编程方面) : (Karpathy > (更 : 偏向) > 协作式中间态)
 
 解读 ：整个主命题被"AI辅助编程方面"这个原子背景限定——即命题只在此范围内评真值。 AI辅助编程 、 协作式中间态 作为专有术语保持原子粒度。 
 4.3 身份嵌套模型 
 原句 ：OpenAI的创始元老Karpathy表示AGI仍有十年之遥。 
 (OpenAI : 创始 : 元老) : Karpathy > 表示 > (AGI > 仍有 > 十年之遥)
 
 身份直接作为属性绑定到 Karpathy。"十年之遥"为原子词项。 
 4.4 致使模型 
 拓扑 ： A > 致使词 > (B > 动作 > C) —— 嵌入命题必须封装。 
 原句 ：论文促使Tishby认识到理论可能涵盖广泛的过程。 
 论文 > 促使 > (Tishby > 认识到 > (理论 > (可能 : 涵盖) > (广泛 : 过程)))
 
 原句 ：测试设定了失败后不能重玩的限制，从而迫使智能体在行动前先想象不同策略的结果。 
 测试 > (设定 > ((失败后 & (不能:重玩)):限制)) > 从而 > 迫使 > (智能体 > (在:行动前) > (先:想象) > (不同:策略:结果))
 
 为什么嵌入命题必封装 ： 
 
 嵌入命题有自己的主语——"论文促使 Tishby…"中"论文"和"Tishby"不同，属主语切换。 
 避免外层算子侵入——不封装时，内层命题末尾的 > 节点会被读成外层链的延续，辖域混乱。 
 回读一致性——封装后 A > 迫使 > (B > 做 > C) 读作 "A 迫使 [B 做 C]"；不封装则读成 "A 迫使 B 做 C"，当内层含多段 > 时必然串台。 
 
 4.5 条件模型 
 拓扑 ： (条件命题) > 则 > (结果命题) 
 原句 ：该计划如果不公开，就无法获得认可。 
 (该计划 > 不公开) > 则 > (该计划 > (无法:获得) > 认可)
 
 4.6 让步模型 
 拓扑 ： (命题1) > 尽管 > (命题2) 
 原句 ：尽管下雨，比赛仍然继续。 
 (天 > 下雨) > 尽管 > (比赛 > (仍然 : 继续))
 
 4.7 因果链模型 
 原句 ：经济下行导致消费萎缩，因此企业被迫裁员。 
 (经济 > 下行) > 导致 > (消费 > 萎缩) > 因此 > (企业 > (被迫 : 裁员))
 
 链式 > 让整条因果推导在语法上呈现为一条直线。由于主语在三命题间切换（经济/消费/企业），需要封装两端。 
 反向连接词正向化 ： 
 原句 ：由于每步想象都会增加计算成本，智能体会在初期想象多步结果。 
 ((每步:想象) > (都会:增加) > (计算:成本)) > 所以 > (智能体 > (初期:会) > 想象 > 多步结果)
 
 注意"由于"替换为"所以"，使 > 方向与因果流同向； (初期:会) 为语义重排，使修饰关系显式。 
 4.8 同主语扁平链模型 
 原句 ：它们能够学习阐释其内部模拟过程，从而使用即使不完美的环境动态模型。 
 它们 > (能够:学习) > 阐释 > (其:内部模拟过程) > 从而 > 使用 > ((即使:不完美):环境动态模型)
 
 同主语承前省略，采用扁平 > 链，不重复主语也不封装两端。 
 4.9 介词/方位作 > 链阶段 
 原句 ：已有算法如AlphaGo能在规则完美的环境中利用内部模型进行推理和计划。 
 ((如:AlphaGo):已有算法) > 能在 > 规则完美环境中 > 利用 > 内部模型 > 进行 > (推理 & 计划)
 
 "能在"（模态+介词）作中段；"规则完美环境中"是操作流的一个阶段，保留在线性 > 链里比上提更忠实语义。 
 4.10 被动与否定复合模型 
 原句 ：现有框架不仅不适用，而且必须被立刻替换。 
 (现有 : 框架) > ((不 : 适用) & (必须 : 被 : 立刻 : 替换))
 
 4.11 量化模型 
 4.11.1 范围量化词（修饰主语 NP） 
 绑在主语 NP 上，作主语的左限定： 
 所有 : 学生 > 通过 > 考试
没有 学生 > 通过 > 考试 （"没有"为原子）
某 : 学生 > 通过 > 考试
每个 : 学生 > 通过 > 考试
 
 4.11.2 分布量化副词（绑动词头） 
 均 / 都 / 全 / 各 / 皆 / 分别 ——不修饰主语 NP，而是声明"对外层 scope 中每个元素，命题独立成立"。按 §3.5 状语-动词绑定模式 (scope:V) 处理： 
 (A:表现) > (均:优于) > (B:表现)
学生 > (都:通过) > 考试
他们 > (分别:完成) > 任务
 
 冗余省略 ：当外层 scope 已表达全称（ 这两种X中 / 所有X中 / 每个X时 / 两者都 ），分布副词 冗余可省 ——scope 包络 + 单一命题 = ∀ 已被结构编码： 
 (这两种:任务中) : ((A:表现) > 优于 > (B:表现)) （省"均"，scope 已蕴含 ∀）
(这两种:任务中) : ((A:表现) > (均:优于) > (B:表现)) （保留"均"以贴原句字面）
 
 两种写法语义等价，前者更扁平、后者更贴字面。 
 禁形 ： 
 ❌ (均:(A:表现)) > 优于 > (B:表现) （"均"非属性修饰，"均的表现"不通）
❌ (A:表现) > 均 > 优于 > (B:表现) （"均"非传递阶段；且违反约束 7 比较连词不带修饰）
✅ (A:表现) > (均:优于) > (B:表现) （副词紧贴动词，符合 §3.5 状语-动词绑定）
 
 4.11.3 区分要点 
 
 
 
 类别 
 示例词 
 绑定位置 
 
 
 
 
 范围量化词 
 所有 / 某 / 没有 / 每个 / 任一 
 : 修饰主语 NP（§4.11.1） 
 
 
 分布量化副词 
 均 / 都 / 全 / 各 / 皆 / 分别 
 (scope:V) 绑动词头（§4.11.2 / §3.5） 
 
 
 频次 / 时体 / 范围副词 
 再次 / 已经 / 一起 
 (scope:V) 绑动词头（§3.5） 
 
 
 
 判定 ：能否换成"和……都……"或"每个……都……"重写？换得通是分布副词（4.11.2），不通是范围量化词（4.11.1）。 
 4.12 句子级副词模型 
 原句 ：显然，他错了。 
 显然 : (他 > 错了)
 
 原句 ：不幸的是，实验失败了。 
 (不幸 : 的是) : (实验 > 失败)
 
 句子级副词通过 : 绑定到封装命题上，辖域精确锁定为整个命题。 
 4.13 跨句连接词模型 
 原句 ：然而，真实世界复杂且规则不明确，不可预知的问题频发。 
 然而 > ((真实世界 > (复杂 & (规则:不明确))) & ((不可预知:问题) > 频发))
 
 句首"然而"作 > 首节点，不与 : 混淆。 
 4.14 比较模型 
 原句 ：A 比 B 更大。 
 A > (比 : B : 更 : 大)
 
 或等价写法： 
 (A & B) > 比较 > (A > 更大)
 
 前者把"比B更大"视为A的谓词属性，后者把比较视为一个显式的逻辑力。 
 比较连词作 > 中段 ：优于 / 胜过 / 不如 / 堪比 / 逊于 / 超过 ——必须 > + 完整两端比较项，不得把比较项 NP 塞进 : 右侧： 
 ✅ A > 优于 > B
❌ A > (胜过:B) （比较项 B 被吞为 V 属性）
 
 副词修饰比较连词 ：使用 (adv:比较词) 形式（§3.5 状语-动词绑定）： 
 ✅ (A:表现) > (均:优于) > (B:表现)
✅ X > (明显:胜过) > Y
✅ 方案A > (略微:逊于) > 方案B
 
 注意 (adv:V) 中 V 仍是动词头，比较结构 S > V > O 完整可抽——这与禁形 (V:NP) 形似而本质不同。 
 4.15 疑问与祈使模型 
 疑问 ："他吃了吗？" 
 疑问 : (他 > 吃了)
 
 祈使 ："请关门。" 
 祈使 : (你 > 关 > 门)
 
 语气作为句子级属性绑定到命题封装域上。 
 
 五、实战长难句解析 
 挑战句 
 原句 ：作为前负责人，Karpathy 今天明确向团队表示，该计划如果不公开，就无法获得认可。 
 SVO 表达式 
 (前 : 负责人) : Karpathy > ((今天 & 明确 & (向 : 团队)) : 表示) > ((该计划 > 不公开) > 则 > (该计划 > (无法 : 获得) > 认可))
 
 逐层解析 
 
 实体限定 （属性本体）： (前:负责人) : Karpathy —— 身份作为复合属性绑定到实体。 
 动作谓词 （属性本体）： ((今天 & 明确 & (向:团队)) : 表示) —— 时间、方式、对象三属性合取后限定"表示"。 
 主动作流 （力本体）： Karpathy > (...) > (...) —— 施事→言说动作→言说内容。 
 言说内容 （力本体）： ((该计划 > 不公开) > 则 > (...)) —— 条件命题通过逻辑连词"则"驱动结果命题。 
 条件命题 ： (该计划 > 不公开) —— 前件，完整命题封装。"不公开"中"不"与"公开"为临时否定组合，可用 : 拆为 不:公开 ，此处选择合并为原子以简化。 
 结果命题 ： (该计划 > (无法 : 获得) > 认可) —— 后件，完整命题封装；"无法"为高频合成词原子。 
 
 粗粒度 vs 细粒度对比 
 算式合法不代表好用。下面两组对照展示粗粒度化的实际效果——同样一句话，过度原子化会陷入"LISP 括号综合征"，而粗粒度版能让语义重心一眼可见。 
 对比示例 1：DeepMind 智能体 
 原句 ：DeepMind 通过赋予智能体想象力，提升智能体在复杂不完美环境中的学习效率和决策鲁棒性。 
 ❌ 过度原子化 ： 
 DeepMind > ((通过 : (DeepMind > 赋予 > 智能体 > 想象力)) : 提升) > (智能体 : ((((复杂 & 不完美) : 环境) : 中) : ((学习 : 效率) & (决策 : 鲁棒性))))
 
 ✅ 粗粒度优化版 ： 
 (复杂不完美环境) : (DeepMind > ((通过 : (赋予 > 想象力)) : 提升) > 智能体:(学习效率 & 决策鲁棒性))
 
 优化点 ： 
 
 辖域上提 ：把"复杂不完美环境"作为整个命题的背景，提到最前面。 
 组块坍缩 ： 复杂不完美环境 、 学习效率 、 决策鲁棒性 各自合并为原子词项。 
 省略主语重复 ：施事 DeepMind 在主句中已出现，从属命题里的主语可省略为 赋予 > 想象力 。 
 方位词归并 ： 环境中 直接合并，不写作 环境 : 中 。 
 
 对比示例 2：智能体决策 
 原句 ：该智能体还能决定例如测试不同行动或构建复杂想象树的想象方式，并能优化计划的经济性和效率。 
 ✅ 粗粒度版 ： 
 智能体 > (决定 > (例如:(测试>不同行动) | (构建>复杂想象树)) : 想象方式) & (优化 > 计划:(经济性 & 效率))
 
 优化点 ： 
 
 虚词省略 ： 该 、 还 、 能 、 并 不承载逻辑重量时删除。 
 组块坍缩 ： 想象树 、 想象方式 、 不同行动 合并为原子词项。 
 扁平化 ： (经济性 & 效率) 一次性并联绑定到 计划 。 
 
 
 六、书写步骤 
 总原则 ：按原句语序从左到右写，遇到结构点才启用算子。字面扭曲时语义重心优先，最终用"回读检验"兜底。 
 
 句首扫描 ：若句首为跨句连接词（然而/因此/从而/此外/总之 等），按 §3.10 方案 2 作 > 首节点，然后按下列流程处理剩余主体。 
 标原子词项 ：扫一遍句子，把专有名词、行业术语、偏正复合词、固定搭配、 高频合成词 （不能/没有/无法 等）标记为原子，后续不拆分。 
 识别主干 ：主语、主动词（或主命题）、宾语/补语。 
 按原句顺序组装 ：
 
 修饰关系 → : 绑定（修饰在左，被修饰在右； 不与"的"并存 ） 
 动作/逻辑流 → > 驱动（按原句顺序串联，中段填原句里的动词/介词/连接词； 反向连接词正向化 ） 
 原句并列项 → & / | 
 
 
 字面 vs 语义 ：字面语序扭曲语义重心时允许重排（省略冗余承接词、状语就近绑定、并列动作 & 切分）。 
 封装辖域 ：
 
 逻辑流 > 两端若是完整命题 → 必须 ( ) ， 除同主语扁平链 
 : 右操作数若是完整命题 → ( ) 
 致使结构的嵌入命题 → ( ) 
 连续 : 语义分组与左结合不符 → ( ) ；三层以上必封装 
 原句不歧义但 SVO 写法会引入歧义 → ( ) 消解 
 
 
 自检（硬约束） ：
 
 没有把命题关系压成定语 
 没有拆解专有名词、术语、固定搭配、高频合成词 
 没有 SVO 层面引入的新歧义 
 致使结构嵌入命题已封装 
 "的"与 : 没有并存 
 跨句连接词没作 : 绑本句 
 算式内没有中文标点 
 
 
 回读检验 （最终检验）：把算式按结合律读成自然语言一遍，应与原句语义接近。读起来拗口或偏离原意 → 回去改。 
 
 
 七、常见陷阱 
 陷阱分两级： 错解 （必须修复）与 可读性问题 （建议修复）。 
 7.1 错解（对应 §1.1 硬性约束） 
 错解一：把命题关系压成定语 
 ❌ ((不:公开):该计划) > 则 > (...)
✅ (该计划 > 不公开) > 则 > (...)
 
 条件必须是完整命题。 
 错解二：拆解专有名词、术语、固定搭配、高频合成词 
 ❌ 深度 : 强化 : 学习 ❌ 不 : 能
❌ (基于 : 想象) : 计划 : 方法 ❌ 没 : 有
✅ 深度强化学习 ✅ 不能
✅ 基于想象的计划方法 ✅ 没有
 
 错解三：必要的辖域封装缺失 
 ❌ 显然 他 > 错了 ❌ P > 则 > Q
✅ 显然 : (他 > 错了) ✅ (P) > 则 > (Q)
 
 错解四：致使结构嵌入命题未封装 
 ❌ A > 迫使 > B > 在:行动前 > 想象 > C
✅ A > 迫使 > (B > (在:行动前) > 想象 > C)
❌ 论文 > 促使 > T > 认识到 > (...)
✅ 论文 > 促使 > (T > 认识到 > (...))
 
 致使结构的外层主语与内层主语不同，不是承前省略，属于主语切换。 
 错解五： : 与"的"并存 
 ❌ 基于想象的:计划方法 ❌ 其:发表的:两篇:相关论文
✅ (基于:想象):计划方法 ✅ (其:发表):(两篇:相关论文)
 
 错解六：跨句连接词作 : 绑本句 
 ❌ 然而 : (真实世界 > 复杂)
✅ 然而 > (真实世界 > (复杂 & (规则:不明确)))
 
 错解七： > 方向与因果流相反 
 ❌ (结果) > 由于 > (原因)
✅ (原因) > 所以 > (结果)
 
 错解八：中文标点作分隔符 
 ❌ DeepMind:最新博客 > 介绍 > ... ，论文 > 共同探讨 > ...
✅ ((DeepMind:最新博客) > 介绍 > (...)) & ((该两篇论文) > (共同:探讨) > (...))
 
 或拆成多行。 
 7.2 可读性问题（建议修复） 
 话题辖域不清 
 歧义 (AI:方面) : Karpathy > 偏向 > X
明确 (AI:方面) : (Karpathy > 偏向 > X) （整命题都在 AI 方面）
明确 Karpathy > ((AI:方面):偏向) > X （仅动作在 AI 方面）
 
 俄罗斯套娃式嵌套 
 较差 ((((复杂&不完美):环境):中):((学习:效率)&(决策:鲁棒性)))
较好 ((复杂&不完美):环境中) : (学习效率 & 决策鲁棒性)
更好 复杂不完美环境中 : (学习效率 & 决策鲁棒性)
 
 方位词并入名词、同层修饰先 & 后 : 一次绑定。 
 连续 : 辖域模糊 
 ❌ 其:发表的:两篇:相关论文 （左结合解析：((其:发表的):两篇):相关:论文 — 串台）
✅ (其:发表):(两篇:相关论文)
 
 三层以上的连续 : 几乎总需封装。 
 范围/背景深埋 vs 操作流阶段 
 较差 DeepMind > 提升 > (智能体:(复杂不完美环境中:(学习效率&决策鲁棒性)))
较好 (复杂不完美环境):(DeepMind > 提升 > 智能体:(学习效率 & 决策鲁棒性))
 
 但若场景是操作流阶段："先到 X 再做 Y"，保留线性： 
 ✅ 算法 > 能在 > 环境中 > 利用 > 模型 > 进行 > 计划
 
 同主语强制封装 
 较差 (它们 > 学习 > X) > 从而 > (它们 > 使用 > Y)
较好 它们 > 学习 > X > 从而 > 使用 > Y
 
 承前省略应被尊重。 
 字面语序绑架语义 
 较差 智能体 > (在:初期) > ((想象 > (多步:结果)) & (据此:行动))
较好 智能体 > (初期:会) > (想象 > 多步结果) & 行动
 
 "据此"与 & 语义冗余可省略；"会在初期"重排为 (初期:会) 使修饰关系显式。 
 冗余括号 
 按 §3.7「冗余括号识别」，下列写法都可去括号： 
 较差 ((不可预知:问题) > 频发)
较好 不可预知:问题 > 频发

较差 (DeepMind:最新博客) > 介绍 > ((其:发表):(两篇:相关论文))
较好 DeepMind:最新博客 > 介绍 > (其:发表):(两篇:相关论文)
 （`(其:发表):(两篇:相关论文)` 内的两层 `:` 分簇必须保留；外层括号可去）

较差 (智能体:学习效率) & (智能体:决策鲁棒性)
较好 智能体:学习效率 & 智能体:决策鲁棒性

较差 几个:(显著:特征)
较好 几个:显著:特征
 
 但下列括号是结构性必需， 不要去 ： 
 ✅ ... > (复杂 & 规则:不明确) （`&` 在 `>` 操作数内）
✅ 显然 : (他 > 错了) （`>` 命题作 `:` 右操作数）
✅ 论文 > 促使 > (T > 认识到 > (...)) （致使嵌入命题）
✅ (其:发表):(两篇:相关论文) （连续 `:` 真实分簇）
 
 
 附录：判定口诀 
 
 能回读成原句的就是对的算式。 
 限定什么东西是什么 → : 
 描述能量/顺序从哪流到哪 → > 
 原句里本就并列 → & / | 
 整块要被外层作用 → ( ) 
 形式规则启动点： 
 
 命题关系别被压成定语。 
 专有名词、高频合成词（不能/没有/无法 …）别拆。 
 有歧义就封装；致使结构的嵌入命题必封装。 
 跨句连接词作 > 首节点，不用 : 。 
 > 方向与能量/因果流同向；反向连接词（由于/because）正向化为（所以/so）。 
 : 与"的"不共存；中文标点不是分隔符。 
 同主语承前省略 → 扁平 > 链；主语切换 / 并列 / 多段嵌套链 → 两端封装。 
 
 其他一切按原句写。