GCPR–RWL–FELRA · PYTHON 優先驗證工作台
FELRA
形式演化邏輯—規則架構 Formal Evolving Logic-Rule Architecture
FELRA 先把理論與資料轉換成可重現的計算證據，再將穩定結果提升為形式規約與證明義務。每一次執行都留下雜湊、種子與環境版本——結果可以被任何人、在任何機器上重新驗證，而不只是被信任。
核心能力
從假說到證據包
宣告式的 project.yaml 描述參數空間、命題與分析；FELRA 執行後產生一份完整的 Evidence Bundle——CSV、JSON、Markdown、圖形與雜湊，全部可追溯。
01 · SPEC
宣告式規約
YAML 描述命題與分析，安全的 AST 數值表達式求值，不需要額外膠水程式碼。
02 · SEARCH
反例搜索
有限宣告網格、邊界檢查與隨機採樣，系統性尋找命題的反例，而非單點驗證。
03 · DATA
資料契約與品質
CSV／JSON／JSONL／gzip 型別化資料集，缺失、無效、重複列全部記錄為證據，附來源雜湊。
04 · STATS
統計推論
描述統計、假設檢定、Bootstrap 信賴區間、檢定力分析與穩健性分析（bootstrap／subsample）。
05 · SENS
敏感度與帕雷托
局部有限差分敏感度、殘差診斷、一至高維參數掃描、雙目標非支配前沿。
06 · MODEL
交叉驗證與效應量
洩漏感知的數值回歸交叉驗證、共享折模型比較、標準化效應量、多重比較校正。
07 · REGISTRY
實驗總帳
Append-only 的 JSONL 實驗登錄，felra registry 依專案／狀態檢視歷史執行。
08 · LOCK
預註冊
不可變的科學計畫鎖定，警告與嚴格兩種執行模式，計畫本身有穩定的 SHA-256 指紋。
09 · REPLAY
證據溯源與重播
JSON／DOT／SVG 證據溯源圖，結果雜湊 result_sha256，felra replay 獨立重新驗證，felra export 產出論文就緒的 Methods／Results／Limitations 包。
10 · SYMBOLIC
符號驗證
透過 SymPy 做代數恆等與導數的精確檢查，支援每變數宣告假設（positive、real、integer 等）——在整個宣告域上成立的證明，補足上面取樣式通道的不足。
11 · SOUNDNESS
數值健全性
溢位／NaN 偵測、精確導數條件數、float64 對任意精度的災難性抵銷偵測——跟符號驗證共用同一套解析器，套用在真實取樣點上。
12 · CROSS-METHOD
跨方法一致性
為同一物理量宣告兩種以上獨立公式或評估後端（numeric／symbolic／high_precision），逐點比對是否一致——精度拉再高也救不了公式本身的奇異點，只有換一個方法才行。
LIVE REPRODUCIBILITY CHECK · 證據總帳
不是行銷數字——是今天在本機重新跑出來的證據
以下紀錄取自 examples/reproducibility 範例專案，於 2026-07-20 以 FELRA v0.7.0 完整執行、獨立重播並匯出論文包。
x ** 2 >= 0）——在宣告的取樣預算內未發現反例。這是計算證據，不是數學證明。9e4817f6 af425cb0 77a9e3c7 0f12608b
felra replay artifacts/reproducibility — 重新計算的結果雜湊逐位元組相同。felra export 產出 18 個索引檔案：Methods、Results、Limitations、CITATION、圖表、報告與檔案雜湊。
快速開始
五個指令，從安裝到第一份證據包
01 · 安裝
$ python -m venv .venv $ .venv\Scripts\activate # Windows $ source .venv/bin/activate # Linux / macOS $ pip install -e ".[dev]"
02 · 建立並執行第一個專案
$ felra init my-theory $ felra run my-theory/project.yaml \ --output my-theory/artifacts/run
03 · 跑內建範例
$ felra run examples/data/project.yaml \ --output artifacts/data $ felra batch examples/repeated_batch/batch.yaml \ --output artifacts/repeated --workers 2
04 · 預註冊、重播與匯出（v0.7）
$ felra verify-preregistration project.yaml \ --record preregistration.json $ felra replay artifacts/run --output artifacts/replay $ felra export artifacts/run --output artifacts/paper
SCIENTIFIC BOUNDARIES · 驗證與統計邊界
FELRA 不會幫你誇大結論
這是一個學術驗證工作台，不是證明產生器。以下邊界寫在 AGENTS.md 裡，同樣的規則也管束任何在這個專案上工作的人或代理人。
FELRA 的 Python 結果是有限資料、有限精度、有限預算與特定統計假設下的計算證據，不等同於一般數學證明。
p 值不是「假設為真的機率」；拒絕虛無假設不自動建立因果關係。
未拒絕虛無假設，不代表兩者等價——「找不到反例」不會被改寫成「定理已證明」。
展示用的合成資料集必須維持標註為合成，不能被當成實證證據使用。
重播（replay）比對證明的是同一環境下的計算可重現，不是外部複現、科學有效性或普遍證明。
版本弧
一週內從 MVP 到完整驗證通道覆蓋
v0.1–v0.7 均於 2026-07-14 完成初次實作(v0.5–v0.7 已於 2026-07-20 同步進主分支並在本機完整重新驗證);v0.8.0 到 v1.0.0 同樣都在 2026-07-20 當天直接實作並驗證完成——這三步補齊了白皮書階段 2 的完整驗證通道路線圖（V0–V8）。
v1.0.0 Cross-Method Consistency (V8) · 階段 2 完成
獨立方法一致性檢查（numeric／symbolic／high_precision 後端）補齊了完整的 V0–V8 驗證通道。新增 6 項回歸測試——累計 51/51。
v0.9.0 Numerical Soundness (V3)
溢位／NaN 偵測、精確導數條件數、float64 對任意精度的災難性抵銷偵測。新增 5 項回歸測試。
v0.8.0 Symbolic Verification (V2)
透過 SymPy 做代數恆等與導數的精確驗證，支援每變數假設宣告——在整個宣告域上補足取樣式通道。新增 7 項回歸測試。
v0.7.0 Preregistration, Provenance, Replay & Paper Export
不可變科學計畫預註冊、JSON／DOT／SVG 證據溯源圖、穩定 result_sha256、felra replay 與 felra export。33 項回歸測試。
v0.6.0 Effect Sizes, Cross-Validation & Registry
Bonferroni／Holm／Benjamini–Hochberg 多重比較校正、標準化效應量、洩漏感知交叉驗證、append-only 實驗登錄。
v0.5.0 Power, Robustness & Cache
JSON／JSONL／gzip 資料集、noncentral-t 與 Fisher-z 檢定力分析、bootstrap／subsample 穩健性分析、內容定址快取。
v0.4.0 Data, Statistics & Replication Pipeline
型別化外部 CSV 資料集、資料列命題、分組描述統計、假設檢定家族、百分位 Bootstrap 信賴區間、重複實驗與並行批次。
v0.3.0 Sensitivity, Residual & Pareto
局部敏感度、殘差分析、參數掃描、精確雙目標帕雷托前沿、felra batch。
v0.2.0 Executable Project Specs
可執行的 project.yaml、安全 AST 表達式求值、felra run 與專案級 Evidence Bundle、多種圖形輸出。
v0.1.0 Initial MVP
Python 優先研究工作台的最初版本。