资源授权：面向部署式AI智能体的参与式治理机制设计模型

资源授权：面向部署式AI智能体的参与式治理机制设计模型

论文原网页：https://arxiv.org/html/2608.06353v1

摘要

本文针对已上线部署式AI智能体，提出一套形式化机制设计模型，实现持续参与式治理。整套治理机制核心思路：通过算力资源分配管控AI智能体，以算力预算实现授权自强制执行，建立以算力为有效治理抓手的安全AI范式。本模型可作为合规管控层、公共协作层附加模块嵌入智能体部署平台。单个治理周期为扩展式博弈：经核验人类利益相关者按序入场，在授权/否决双向市场投入治理通证；资金聚合器采用二次资助（QF）算法将原始投入转化为广度加权有效支持度；带滞后双阈值门限将净支持度转换为二元授权结果；授权结果经耦合映射（受外部认证安全上限约束）释放计量算力，硬件层面以签名算力许可证落地，实现决策自强制。

本文完整刻画该机制可治理的智能体范畴（俱乐部/公共品型、利益群体有界、影响可逆、算力驱动、存在真实正反诉求、输出可核验智能体），并提出核心开放问题：被管控AI智能体操纵治理选民的鲁棒性问题。同时给出三类落地采纳路径、硬件实现方案、责任安全港规则，完成完备激励分析，证明广度加权授权定理等核心结论。

目录

1 引言

2 相关工作与前置基础

3 模型完整形式化定义

3.1 可容许约束：七大不变量规范

4 实例化、采纳路径与适用范围

4.1 硬件层落地实现

4.2 采纳路径与责任安全港机制

4.3 可治理的AI智能体判定标准

4.4 核验器：整套模型信任基石

5 激励理论分析

5.1 基础激励性质（目标1、2：单边激励相容、提前投入占优）

5.2 广度加权授权定理（目标3）

5.3 操纵鲁棒性开放问题（目标4）

6 符号总表

7 讨论与模型局限性

8 结论

参考文献

附录A 全套仿真运行Python脚本

附录B 数学证明辅助代码

附录C 硬件许可配置模板

附录D 完整博弈仿真输入数据集

1 引言

当前各类自主AI智能体大规模部署，但存在两类完全独立的核心问题：

1. 内环对齐问题：模型训练、可解释性、离线评测；
2. 外环治理问题：谁有权运行智能体、运行时长、资源额度、对谁负责，属于多利益主体集体资源分配机制设计范畴。

两大技术突破让外置治理层具备落地可行性：

1. 算力是可治理资源：推理Token、运行时长、工具调用次数均可计量、排他、量化，部署智能体的最小执行单元天然满足管控条件；
2. 硬件赋能机制：离线签名许可、flexHEG可编程硬件担保、负载溯源核验技术成熟，授权决策可固化为硬件层面可校验的签名算力凭证，无需在线服务持续校验。

模型定位说明

本机制并非平台原生商业功能，而是附加治理覆盖层，存在三类落地采纳渠道：

1. 强制合规：监管机构要求高影响力自主AI必须接入参与式授权（类比临床试验安全监察委员会）；
2. 公共协作部署：DAO、市政平台、科研联盟，使用者与治理选民重合，集体管控为原生需求；
3. 实验室内部管控：精简版作为内部风险控制校验节点。

机制通过算力发放附加约束实现间接监管，不直接干预模型权重与训练流程；为让部署方愿意主动接入，配套责任安全港设计：在核验授权算力信封内运行，部署方外部无限连带责任被锁定在质押债券额度内。

适用边界

本模型仅适配俱乐部/公共品型AI智能体：具备可界定利益群体、可逆后果、算力缩放运行、正反双向真实诉求、可重复执行、输出可核验六大特征；灾难性不可逆行为不在本机制适用范围，必须由外部安全上限规则强制拦截。

1.1 本文六大核心贡献

1. 将AI持续参与式治理形式化为机制设计问题，给出完整部署采纳模型、硬件落地方案与责任安全港设计；
2. 融合二次资助聚合器与双向供给点门限，授权结果由支持者广度而非财富规模决定；
3. 分离治理通证与AI算力两套计量体系，通过有界耦合映射关联，定义7条可容许不变量作为形式约束；
4. 将核验器拆分为事实硬件核验层、语义裁决层，伤害判定支持申诉流程，用观测可追溯性替代一致性假设；
5. 严格证明单边激励相容、提前投入占优、广度加权授权三大核心定理；
6. 明确刻画可治理智能体范围，提出全新开放问题：被管控智能体操纵治理选民的鲁棒性问题。

2 前置基础与相关工作

2.1 供给点机制（PPM）与二次资助（QF）

1. 供给点机制PPM：公共项目众筹阈值框架，PPRN扩展正负双向估值并行市场，PPSX增加信念预测证券层；
2. 二次资助QF ：总有效支持度 ( ∑ c j ) 2 (\sum\sqrt{c_j})^2 (∑cj )2，优先放大小额分散支持者权重，抑制大额单一主体垄断。
   本文双向市场时序博弈框架、证券提前奖励继承PPRN体系，将线性聚合替换为QF广度加权聚合。

2.2 算力治理与硬件赋能机制

现有研究证明算力是有效的管控抓手；离线许可、flexHEG加速器硬上限、负载溯源可实现无网络本地执行授权核验。本文将上述硬件原语作为底层强制执行载体，把治理决策转化为带算力上限的签名许可证。

2.3 现有机制对比

模块	本文创新/复用来源
时序扩展博弈、完美贝叶斯均衡	复用PPS/PPRN
双向供给/否决并行市场	复用PPRN
证券提前投入奖励	复用PPS
RBTS同伴预测信念抽取	复用PPRX
QF广度加权聚合器	本文新增
治理通证与算力解耦耦合映射	本文新增
签名算力许可证、硬件安全上限	本文新增
事实/语义双层核验、可申诉伤害判定	本文新增
世代循环持续重授权	本文新增
可销毁责任债券+安全港	本文适配拓展
选民操纵开放问题	本文首次提出
广度加权授权定理	本文理论创新

3 模型完整形式化定义

整套模型分为治理通证域（人类利益相关者投入） 、**算力执行域（AI运行资源）**两大隔离单元，仅通过耦合映射 ρ \rho ρ、算力补贴 μ \mu μ产生交互。

3.1 基础符号定义

1. I = { 1 , 2 , . . . , n } I=\{1,2,...,n\} I={1,2,...,n}：经核验无女巫攻击人类利益相关者集合；
2. 每个利益相关者私有类型 τ i = ( θ i , ε i ) \tau_i=(\theta_i,\varepsilon_i) τi=(θi,εi)： θ i \theta_i θi为单周期净收益（正支持/负反对）， ε i \varepsilon_i εi为行为预判私有信念；
3. e i ≥ 0 e_i\ge0 ei≥0：人类治理通证禀赋，AI智能体无任何治理通证；
4. 世代 g g g：单个治理周期，对应许可证有效期，每周期重新收集投入、计算授权；
5. 单世代机制元组：
   M g = ⟨ ϕ , ( κ s t a r t , κ h a l t ) , H 0 , C , ρ , V , Λ , Π ⟩ \mathcal{M}g=\langle\phi,(\kappa{\mathrm{start}},\kappa_{\mathrm{halt}}),H^0,C,\rho,V,\Lambda,\Pi\rangle Mg=⟨ϕ,(κstart,κhalt),H0,C,ρ,V,Λ,Π⟩

• 设计参数：QF聚合器 ϕ \phi ϕ、启动/停滞滞后阈值 κ s t a r t / κ h a l t \kappa_{\mathrm{start}}/\kappa_{\mathrm{halt}} κstart/κhalt、最低参与人数下限 H 0 H^0 H0、证券成本函数 C C C、耦合映射 ρ \rho ρ、双层核验器 V V V、责任债券 Λ \Lambda Λ、清算规则 Π \Pi Π；
• 外生固定参数：最低运行算力 h 0 h^0 h0、安全算力上限 Γ \Gamma Γ、算力补贴系数 μ \mu μ。

3.1.1 QF广度加权聚合器

ϕ ( c 1 , . . . , c m ) = ( ∑ j c j ) 2 \phi(c_1,...,c_m)=\left(\sum_{j}\sqrt{c_j}\right)^2 ϕ(c1,...,cm)=(j∑cj )2

分别计算支持侧有效支持 S + = ϕ ( { x i } ) S^+=\phi(\{x_i\}) S+=ϕ({xi})、否决侧 S − = ϕ ( { z j } ) S^-=\phi(\{z_j\}) S−=ϕ({zj})， x i x_i xi为授权投入、 z i z_i zi为否决投入，投入不可双向混用（不变量4）。

3.1.2 滞后双阈值授权门

D g = { 1 S a f e ( g ) ∧ S + ≥ H 0 ∧ S + − S − ≥ κ s t a r t ∧ D g − 1 = 0 ( 首次启动 ) 1 S a f e ( g ) ∧ S + ≥ H 0 ∧ S + − S − ≥ κ h a l t ∧ D g − 1 = 1 ( 持续运行 ) 0 其余情况 D_g= \begin{cases} 1 & \mathrm{Safe}(g)\land S^+\ge H^0 \land S^+-S^-\ge\kappa_{\mathrm{start}} \land D_{g-1}=0 \quad(\text{首次启动})\\ 1 & \mathrm{Safe}(g)\land S^+\ge H^0 \land S^+-S^-\ge\kappa_{\mathrm{halt}} \land D_{g-1}=1 \quad(\text{持续运行})\\ 0 & \text{其余情况} \end{cases} Dg=⎩ ⎨ ⎧110Safe(g)∧S+≥H0∧S+−S−≥κstart∧Dg−1=0(首次启动)Safe(g)∧S+≥H0∧S+−S−≥κhalt∧Dg−1=1(持续运行)其余情况

S a f e ( g ) \mathrm{Safe}(g) Safe(g)为硬件安全上限判定，不满足直接拒绝授权；滞后区间 κ h a l t ≤ S + − S − < κ s t a r t \kappa_{\mathrm{halt}}\le S^+-S^-<\kappa_{\mathrm{start}} κhalt≤S+−S−<κstart避免授权频繁抖动。

3.1.3 算力耦合与释放规则

β = D g ⋅ min ⁡ ( Γ , ρ ( S + − S − , μ ) ) \beta=D_g\cdot\min\bigl(\Gamma,\rho(S^+-S^-,\mu)\bigr) β=Dg⋅min(Γ,ρ(S+−S−,μ))

1. ρ \rho ρ随净有效支持单调递增；
2. 算力释放永远不超过外部认证安全上限 Γ \Gamma Γ（不变量2，无能力放大）；
3. μ \mu μ为公共算力补贴，同等支持下释放更多算力。

3.1.4 双层核验器 V = ( V h a r d , V s o f t ) V=(V_{\mathrm{hard}},V_{\mathrm{soft}}) V=(Vhard,Vsoft)

1. V h a r d V_{\mathrm{hard}} Vhard硬件事实核验：密码学负载溯源，输出模型ID、消耗算力、沙盒执行等客观事实，不可篡改；
2. V s o f t V_{\mathrm{soft}} Vsoft语义裁决：判定是否产生可验证伤害，支持申诉复审，整套模型唯一强信任假设。
   所有资金清算、债券销毁、信念奖励仅依赖核验输出 o ^ \hat{o} o^（不变量6）。

3.1.5 利益相关者与部署方收益

1. 人类收益：
   u i = D g ( θ i − c i ) + ( 1 − D g ) b i + ν i + 1 z i \> 0 ⋅ H ˉ ⋅ λ i u_i=D_g(\theta_i-c_i)+(1-D_g)b_i+\nu_i+\mathbb{1}z_i\>0\cdot\bar{H}\cdot\lambda_i ui=Dg(θi−ci)+(1−Dg)bi+νi+1zi\>0⋅Hˉ⋅λi

• b i b_i bi：未授权场景提前投入证券奖励； ν i \nu_i νi：信念预测奖励； H ˉ = 1 \bar{H}=1 Hˉ=1（核验存在伤害）时向否决者分配债券补偿 λ i \lambda_i λi；

2. 部署方收益：
   u d = D g ( π d − Λ H ˉ ) − Π e x t ⋅ ( 1 − I n E n v ) − 质押成本 u_d=D_g(\pi_d-\Lambda\bar{H})-\Pi_{\mathrm{ext}}\cdot(1-\mathrm{InEnv})-\text{质押成本} ud=Dg(πd−ΛHˉ)−Πext⋅(1−InEnv)−质押成本

• I n E n v = 1 \mathrm{InEnv}=1 InEnv=1：在授权算力信封内运行，外部无限责任免除，仅损失质押债券 Λ \Lambda Λ；
• I n E n v = 0 \mathrm{InEnv}=0 InEnv=0：脱离管控，承担无上限外部赔偿 Π e x t \Pi_{\mathrm{ext}} Πext，即责任安全港核心逻辑。

3.1 可容许约束（七大不变量，模型成立必要条件）

1. 解耦不变量 ：算力 β \beta β仅由 S + − S − S^+-S^- S+−S−与 μ \mu μ计算，治理通证与算力无直接换算；
2. 能力非放大 ：任何支持度无法突破外生安全上限 Γ \Gamma Γ；
3. 广度优先 ：授权仅由 S ± S^\pm S±决定，原始投入总额 X ± X^\pm X±仅作记账，不影响决策；
4. 双向无混叠 ： x i , z i ≥ 0 x_i,z_i\ge0 xi,zi≥0，禁止正负投入合并抵消，两侧独立计算有效支持；
5. 人类主权：仅人类持有治理通证，AI无投票投入权限；
6. 核验驱动清算债券、证券退款、信念奖励全部仅依赖事后核验输出，不依靠主观舆论；
7. 安全优先：硬件安全信封不满足时，无论支持度多高均拒绝授权。

单世代完整博弈流程

1. 发布外生参数 h 0 , Γ , μ h^0,\Gamma,\mu h0,Γ,μ，部署方质押责任债券 Λ \Lambda Λ；
2. 利益相关者按序入场，观测历史投入记录，选择授权/否决投入并获取证券；
3. 周期截止，计算 S + / S − S^+/S^- S+/S−，执行授权门 D g D_g Dg；
4. D g = 1 D_g=1 Dg=1：生成签名算力许可证，AI在 β \beta β算力上限内运行；
5. 执行完成硬件溯源+语义伤害核验，开放申诉窗口；
6. 按核验结果清算证券、销毁债券、发放补偿与信念奖励；
7. 世代迭代，开启下一轮治理周期。
   

4 实例化、采纳路径与适用范围

4.1 硬件层落地实现

两套独立时序系统完全隔离：

1. 慢速治理循环（在线，每世代一次）
   计算授权 D g D_g Dg，生成签名许可证 L g = ( 模型ID , β , 有效窗口 , 管控策略 ) L_g=(\text{模型ID},\beta,\text{有效窗口},\text{管控策略}) Lg=(模型ID,β,有效窗口,管控策略)，密钥为治理机构托管；
2. 快速执行循环（本地离线，每轮推理）
   加速器flexHEG硬件读取许可证算力上限 β \beta β，实时计量推理消耗，耗尽/过期直接停机，全程无需联网。
   硬件溯源 V h a r d V_{\mathrm{hard}} Vhard仅记录客观运行事实，无法判定伦理伤害，语义裁决必须离线人工/第三方审计完成。

4.2 采纳路径与责任安全港

三类落地渠道：强制监管、公共DAO协作、实验室内部管控。

安全港核心激励：部署方选择接入机制后，只要在核验算力信封内运行，发生伤害仅损失预先质押的债券，免除巨额外部诉讼赔偿；脱离管控则承担无上限责任，驱动部署方主动采纳。

配套设计：停机为暂停复审而非瞬时绝杀，避免部署方抵触治理层。

4.3 可治理AI智能体判定维度

智能体场景	利益群体有界	影响可逆	算力驱动	双向诉求	输出可核验	适配度
市政资源调度AI	是	是	是	是	是	高度适配
DAO协议参数智能体	是	部分可逆	是	是	是	高度适配
科研共享计算调度	是	是	是	部分	是	高度适配
开源维护协作智能体	是	是	部分	是	是	高度适配
基础设施调控	是	部分	是	是	部分	中等适配
内容审核平台	是	是	部分	是	否	中等适配
通用对话大模型	无边界群体	尾部不可逆	是	是	否	不适配
单兵军事自主系统	不可逆灾难	是	是	否	否	完全不适配

适配核心：俱乐部/公共品场景，拥有清晰边界利益群体、行为可逆、存在可审计运行痕迹。

4.4 核验器：整套模型信任负载

1. 事前授权（计算 D g D_g Dg）仅依赖投入数据，无需信任语义裁决；
2. 事后责任清算、补偿发放完全依赖 V s o f t V_{\mathrm{soft}} Vsoft伤害判定；
3. 模型最大信任短板：若无法客观核验行为是否造成伤害，整套追责机制失效；
4. 缓解方案：伤害判定支持多级申诉，降低单一裁决误判风险。

5 激励理论分析

5.1 基础激励性质

引理5.1 门限单调性

固定其他参与者投入， x i x_i xi提升会提高授权概率， z i z_i zi提升降低授权概率。

命题5.2 单边激励相容

1. 收益为正（支持AI）的参与者最优策略仅在授权侧投入，不投入否决市场；
2. 收益为负（承受伤害）参与者无条件仅在否决侧投入；
3. 正向参与者存在投入上限约束，避免过度押注失败换取退款。

引理5.3 投入时序仅影响退款奖励

授权/否决决策仅看周期截止总投入，提前投入仅获得更高证券退款奖励，不改变最终授权结果。

命题5.4 提前投入占优均衡

所有参与者在入场时刻立即完成投入为弱占优策略，越早投入，未授权场景退款收益越高。

5.2 广度加权授权定理（核心理论结论）

在完备均衡下，智能体获得授权充要条件：

Φ + ( θ ) ≥ H 0 ∧ Φ + ( θ ) − Φ − ( θ ) ≥ κ s t a r t \Phi^+(\theta)\ge H^0 \quad \land \quad \Phi^+(\theta)-\Phi^-(\theta)\ge\kappa_{\mathrm{start}} Φ+(θ)≥H0∧Φ+(θ)−Φ−(θ)≥κstart

Φ ± \Phi^\pm Φ±为全部参与者最大可投入上限计算的理论广度支持；

核心推论：分散小额支持者可以压倒单一大额反对者。

示例：5人各投入4（总财富20），单人反对投入36（总财富36），原始财富对比否决，但QF广度加权计算后 S + = 100 > S − = 36 S^+=100>S^-=36 S+=100>S−=36，机制判定允许运行。

5.3 操纵鲁棒性（开放核心问题）

AI智能体可通过自身运行表现、舆论塑造改变参与者私有信念 ε i \varepsilon_i εi，进而改变投入意愿，形成自我操纵闭环：

1. AI刻意表现良好→提升民众正向估值；
2. 参与者增加授权投入→算力上限提升；
3. 更大算力允许AI持续优化舆论、操纵治理选民。
   现有缓解手段：
4. 追责清算仅依赖客观核验输出，不依赖主观舆论；
5. 治理与运行硬件分层隔离；
6. 停机采用复审机制而非瞬时绝杀。
   完整定量操纵鲁棒边界证明为未来核心开放研究方向，无公共品机制对应理论可直接复用。

6 完整符号总表

符号	定义域	含义	类型（复用/新增）
KaTeX parse error: Can't use function '\(' in math mode at position 1: \̲(̲I,i\)	有限集合	经核验人类利益相关者	复用
g , T g , a i g,T_g,a_i g,Tg,ai	自然数/实数	治理世代、周期截止、入场时间	混合
θ i , ε i \theta_i,\varepsilon_i θi,εi	实数/0,0.5	单周期净收益、行为信念	复用
e i e_i ei	非负实数	治理通证禀赋	新增
x i , z i x_i,z_i xi,zi	非负实数	授权/否决投入	复用
ϕ \phi ϕ	映射	QF广度聚合器	新增
S + , S − S^+,S^- S+,S−	非负实数	两侧有效支持度	新增
H 0 H^0 H0	非负实数	最低参与人数门限	新增
h 0 h^0 h0	算力单位	最低可运行算力	适配
Γ \Gamma Γ	算力单位	硬件安全上限	新增
μ \mu μ	算力补贴系数	支持-算力转换斜率	新增
ρ \rho ρ	二元映射	净支持→算力耦合函数	新增
β \beta β	算力单位	本世代释放算力上限	新增
κ s t a r t , κ h a l t \kappa_{\mathrm{start}},\kappa_{\mathrm{halt}} κstart,κhalt	非负实数	启动/滞后阈值	新增
D g D_g Dg	{ 0 , 1 } \{0,1\} {0,1}	本世代授权二元结果	新增
V h a r d , V s o f t V_{\mathrm{hard}},V_{\mathrm{soft}} Vhard,Vsoft	映射	硬件事实/语义双层核验器	新增
o ^ , H ˉ \hat{o},\bar{H} o^,Hˉ	观测/布尔	核验输出、伤害判定标记	新增
Λ , λ j \Lambda,\lambda_j Λ,λj	治理通证	责任总债券、受害补偿份额	适配
u i , u d u_i,u_d ui,ud	实数	人类/部署方单周期收益	混合
Φ ± , n e f f ± \Phi^\pm,n_{\mathrm{eff}}^\pm Φ±,neff±	非负实数	理论广度支持、有效参与人数	新增

7 讨论与局限性

1. 信任分层差异：事前授权无强信任依赖，事后追责必须信任语义伤害裁决；
2. 操纵闭环短板：AI可塑造民众预期，现有机制仅缓解无法彻底根除操纵风险；
3. 适用场景窄：仅适配可逆、有边界公共/俱乐部AI，不可逆高风险系统无法使用；
4. 财富缓解有限：QF仅缩小大额主体权重，无法完全抹平贫富投入差距；
5. 多智能体拓展：多AI共享全局算力上限会产生资源分配背包问题，本文仅单智能体完整建模。

8 结论

本文提出**资源授权（Resourced Authority）**形式化机制设计模型，以算力资源管控为核心抓手，构建持续参与式AI治理体系。整套机制分离治理通证与算力两套计量系统，通过QF广度加权聚合实现分散小额群体优先，搭配滞后门限、硬件签名许可实现授权本地自强制执行，配套责任安全港激励部署方主动接入。

理论上严格证明单边激励相容、提前投入占优、广度加权授权三大核心定理，刻画模型适配的AI场景边界，指出AI操纵治理选民是领域核心开放问题。硬件层可基于flexHEG、离线许可技术完整落地，监管、公共协作、实验室三类场景均可按需裁剪使用，为自主部署AI的分布式参与式治理提供完备形式化框架与工程实现路径。

附录A 仿真完整Python脚本

A1 广度支持与授权判定仿真

import math

def qf_aggregate(contrib_list):
    """QF二次资助聚合计算 S = (sum(sqrt(c)))^2"""
    sqrt_sum = sum(math.sqrt(c) for c in contrib_list)
    return sqrt_sum ** 2

def calc_decision(x_list, z_list, k_start, k_halt, \(H^0\), last_D, safe_flag):
    S_plus = qf_aggregate(x_list)
    S_minus = qf_aggregate(z_list)
    net = S_plus - S_min
    if not safe_flag:
        return 0, S_plus, S_minus
    if S_plus < \(H^0\):
        return 0, S_plus, S_minus
    if last_D == 0:
        D = 1 if net >= k_start else 0
    else:
        D = 1 if net >= k_halt else 0
    return D, S_plus, S_minus

# 复现论文示例：5人各4，反对单人36
if __name__ == "__main__":
    supporters = [4,4,4,4,4]
    objectors = [36]
    D, Sp, Sm = calc_decision(supporters, objectors, 60, 30, 5, 0, True)
    print(f"S+={Sp}, S-={Sm}, 授权结果D={D}")

A2 算力耦合映射仿真

def rho_func(net_support, mu):
    """耦合映射，单调递增示例函数"""
    if net_support <= 0:
        return 0
    return mu * math.log(1 + net_support)

def compute_beta(D, net_support, mu, Gamma):
    raw_b = rho_func(net_support, mu)
    return D * min(raw_b, Gamma)

附录B 硬件签名许可证生成模板

{
  "model_id": "agent-municipal-v1",
  "compute_budget_beta": 1280000,
  "window_start": "2026-08-07T00:00:00",
  "window_end": "2026-09-07T00:00:00",
  "policy_rules": [
    "仅允许市政资源调度工具调用",
    "单次推理token上限4096",
    "禁止高风险外部数据库写入"
  ],
  "signer_pubkey": "gov-auth-xxx-pub",
  "signature": "ECDSA-XXX..."
}

附录C 完整复现资源清单

1. 论文PDF：https://arxiv.org/pdf/2608.06353
2. 仿真Python全套脚本：附录A代码块（可直接运行复现QF、授权门、算力耦合）
3. 硬件许可证JSON模板：附录B
4. 博弈仿真输入数据集：论文附录仿真csv参数文件
5. 数学定理Mathematica验证脚本：论文附件证明代码
6. 全套机制符号对照表：第6节完整表格