Nexa 的算法

符号定义F 是事实处理，Z 是结构计算，E 是依据，A 是解释；V 代表所用版本，U 代表不确定性。箭头表示处理顺序，不是因果效力的证明。

适用条件AI 不应自行补算历法或改写已记录的起卦结果。

符号定义x 是原始输入；F(x;v_c) 是事实变换；Z 是结构计算；E、U 是依据与不确定性；q 是你的问题。v_c、v_r、v_m 分别是历法、规则与语言模型版本；θ 是内部参数。

适用条件公式描述数据与计算之间的依赖关系。AI 的解释应以 E 中的依据为基础，不能改动其中的计算事实。

符号定义trace 是追溯记录；v_c、v_r、v_m 是历法、规则、语言模型版本；v_θ 与 theta_version 都表示参数版本；e 与 evidence_ids 都表示依据项目的识别码。

适用条件版本名称与识别码不能取代实际记录。能否重算，还取决于原始数据、各版本及必要的生成记录是否被保留并可存取。

符号定义x_i 是第 i 个分量的比例；S⁴ 表示五个分量、四个自由维度的单纯形。这里用其各分量严格为正的内部，供后续对数计算。

适用条件原始数据若有零值，需要先依明确且可追溯的规则处理，不能直接取对数。

符号定义g 是几何平均；clr 是中心对数比；ln 是自然对数；d_A 是 Aitchison 距离；‖·‖₂ 是欧氏范数；x、y 是两个组成。

适用条件x、y 的每个分量都必须大于零。距离大表示比例结构差异大，不能直接解读成好或坏；零值替换与数值精度需要另外记录。

符号定义x^(r) 是第 r 个来源；w_r 是其权重；乘积与次方逐分量计算；C 是闭合或正规化操作；z 是尚未闭合的向量。

适用条件来源分量须符合正值要求；闭合分母必须大于零。权重需有版本与依据；融合公式本身不能决定哪个来源更可信。

符号定义H 是熵；ln5 是五个分量平均分布时的最大熵；current、background 分别是目前与背景状态；d_A 沿用前一组距离。

适用条件比例需正且总和为一；零值下的熵可用极限处理，但 Aitchison 距离仍需正值。集中度在 0 到 1 之间，集中或位移较大都不等于吉凶分数。

符号定义z 是待判断的结构；k 是结构类别；P_k 是必要条件的布尔判定；g_k 是通过条件后的程度函数；θ 是其参数。

适用条件P_k 的定义取决于采用的来源、流派与版本，不能由分数高低反推。score 是内部结构量，并非事件发生概率。

符号定义G 是图；这里的 V 是节点集合，并非前文的版本；E_generate、E_control 是生与克的边；A_ij 是 i 对 j 的作用强度；z_i、z_j 是参与分量。

适用条件A 不必对称；相反方向的信号可以同时存在，不能自动互相抵消。

符号定义R 是关系记录；n、d、c、s、v 依序是参与者、方向、条件、来源、版本；c(z) 与 path_exists(z) 都是布尔判定；∧ 表示两项同时为真。

适用条件配对、完整成员集合与作用路径可能需要不同规则。这个共同界面不能抹去它们的差异；触发与未触发情况都需要可核对的样例。

符号定义I_t 是目前区间，s_t 是其起点；J_j 是与它重叠的其他周期；duration 是时长；w_tj 是覆盖权重；lcm 是最小公倍数。60 日与 7 日周期的最小公倍数为 420 日。

适用条件I_t 时长需大于零，J_j 必须无重无漏地覆盖它，权重总和才为一。时区与节气边界要先统一。

符号定义x_t 是第 t 期组成；c_t 是其 clr；v_t 是位移向量；a_t 是位移长度；cos 是两向量的余弦相似度；turn_t 是转向指标。

适用条件clr 要求正分量；任一位移为零向量时，余弦相似度没有定义，需标示无法判定或依明确的处理规则处理。转向门槛需经过校准。

符号定义effect_r(t) 是第 r 种作用在 t 时刻的量；direction_r 是其方向向量；m_t 是绝对值总和；d_t 是方向合成。

适用条件各作用需有一致的量尺与方向定义。d_t 接近零不表示没有作用；m_t 与 d_t 都不是事件发生概率。

符号定义μ_k(x) 是输入 x 对状态 k 的隶属度；c 是候选项；state_k 是第 k 种状态；score 是该状态下的内部分数。

适用条件总和为一是这里的融合约定，并非所有模糊集合自动具备。隶属度不是事件概率，也不能新增原规则没有的判断；函数形状仍需版本与校准。

符号定义f 是排序函数；ε_b 是第 b 次扰动；D_η 是允许误差的分布；B 是重算次数；K 是保留名次数；1[·] 在条件成立时为一，否则为零；S_c 是稳定率。

适用条件B 须为正整数，K 需在候选数量内，扰动后数据仍须合法。S_c 取决于选定误差模型，不是职业成功率、事件概率或命理准确率。

符号定义此处 q 是依据完整程度，不是用户问题；s_raw 是原始内部分，s₀ 是中性参考，s_display 是展示值。

适用条件完整程度与中性点需有明确定义，分数量尺需一致。q 低不表示职业或关系不适合；严重缺数据时，可以不给精细排名。

符号定义N 是样本数，p_i 是第 i 个事件的预测概率，y_i 是实际结果 0 或 1。L_i 是第 i 个样本在预测概率下的对数似然；Log Loss 是这些值的负平均。

适用条件N 必须大于零；直接计算对数时要求 0<p_i<1，端点需用极限或有记录的数值处理。评估需独立留出数据，并看校准曲线；罕见事件另报基准率、precision、recall、PR-AUC。高准确率不能替代校准，内部分数也不能直接改名为概率。

符号定义I 是内部爻值集合；ρ_t 是第 t 步密度矩阵；P_i 是状态 i 的投影算子；Tr 是矩阵的迹；p_t(i) 是相应概率；≽0 表示半正定。

适用条件半正定是 Hermitian 矩阵的整体性质，不是每个元素都大于等于零。投影需构成完备且互斥的状态集合。这里采用量子概率的数学表示，不要求使用量子硬件。

符号定义i、j 是前后状态；T_t 是条件转移核；h_t 包含截至 t 的结果、选择性观察状态与经过滤的上下文；p_t 是给定当前历史后的内部状态分布。此式不是无条件边际分布的恒等式。

适用条件每个固定历史下，T 的每一行都要非负并归一，不能只检查整张矩阵总和。这项性质让每一步的概率保持合法。

符号定义π 是指定的传统基线分布；T_t 是转移核；λ 表示观察耦合强度；y_t 是第 t 爻的值。λ=0 表示关闭观察耦合，此时初始分布与每一步转移都回到 π，六爻的联合概率等于各爻基线概率的乘积。

适用条件π 本身须非负且总和为一。平稳不等于独立；πT=π 不能取代关闭耦合后的精确回退。新机制还需与独立基线及较简单序列模型比较。

符号定义y₁到y₆ 是生成的爻值；y_<t 是当前步之前的序列；h_(t−1) 是已有历史；Π 表示逐步相乘。第一步使用起始历史 h₀。

适用条件每个条件分布都需合法，历史只能使用该步之前可得的信息。 此乘积依已指定的观察机制与上下文约定计算；若历史另含随机信息，需明确条件化或纳入联合模型，不能直接视为爻值的无条件联合概率。

符号定义y_t 是已生成爻值；event 是保存的生成事件；h_t 是更新后历史；r 与 request_id 都是辨识同一请求的识别码。箭头表示生成、保存、显示、观察与更新的先后顺序。

适用条件重试不是重新抽取。硬币是条件显示；互卦、错卦、综卦等需由已生成六爻确定性推算，不能回写当轮生成状态。

符号定义E 含事实、规则、冲突、适用范围与版本；U 含缺失、敏感性、分歧与校准信息；q 是问题；s 是安全政策；LLM 是语言模型；A 是回答。未满足的条件也须进入依据记录。

适用条件依据包需要能回到具体 evidence_ids；字段存在不代表内容充分。计算事实、传统解释、模型综合与现实建议仍需分清。

符号定义supported_claims、checkable_claims 是有支持与可核对的说法数；omitted_required_items、required_items 是遗漏与必须交代的项目数；contradictory_pairs、checked_pairs 是矛盾与已检查的成对说法数。

适用条件分母为零时应标示无法计算，不能填成零或满分；项目判定需一致，并配合人工盲审与用户研究。这些比率衡量忠实程度，不是命理的现实预测效度。