財劃法行政院不副署之我見

 個人認為不副署違憲，以下內容請 deep research 幫了億點忙後手動整理：

一、拒絕副署構成對總統憲法職權之實質妨礙

首先，依憲法第 72 條明文：立法院通過法律案後，總統「應」於收到後十日內公布。副署乃法律公布的必要程序環節，行政院長拒絕副署將導致總統無法履行公布法律之憲法義務。

憲法學者許宗力教授曾闡述「憲法機關忠誠」原則，強調「憲法機關忠誠指的是憲法機關彼此間所負之相互扶持、尊重與體諒的義務，不得阻撓其他憲法機關行使職權，也不得使其他憲法機關陷於癱瘓，其具有限制憲法機關權力濫用之功能。」。司法院大法官釋字第613號解釋理由書也明確指出：「惟權力之相互制衡仍有其界限，除不能牴觸憲法明文規定外，亦不能侵犯各該憲法機關之權力核心領域，或對其他憲法機關權力之行使造成實質妨礙」。

以上原理均旨在維護憲政體制中各機關職權行使之順暢與核心功能不受侵害。行政院聲「不副署是制衡立院的手段」，已逾越正當權力制衡之界限：任何制衡措施都不能以癱瘓他機關的憲法職權為代價。依憲法規定，總統應於立法院通過法律案後十日期限內公布，此為總統不可推卸之憲法義務；倘總統怠於公布即構成違憲。行政院長拒絕副署，將直接導致總統無從依法定程序行使職權公布該法律，使總統陷於違憲失職的困境。換言之，行政院長以消極不作為手段阻斷總統行使公布法律之職權，已對總統憲法職責造成實質妨礙，依上述原理應屬違憲的權力濫用。

二、拒絕副署違背憲法覆議機制、架空立法權

按照增修條文第三條第二項但書規定，在法律案覆議程序完成（立法院維持原案）後，行政院長「應即接受該決議」並執行之。然而拒絕副署意味著行政院長並未真誠履行「接受」立法決議的義務，而是透過程序瓶頸讓法案無法生效。這種作法形同由行政機關自行宣告法律無效，不但違反憲法權力分立原則架空立法權，更違反憲法覆議程序規定。

三、「副署」意義在於承擔責任，非賦與「額外實質審查權」

從比較憲法觀察，「副署」制度的設計旨在強調行政團隊願意承擔執行責任，而非賦予副署者對該決定內容的最終否決權或實質審查權，「副署是一項憲法規定，要求總理或部長簽署已由國家元首簽署的官方文件，國家元首簽署後即對該文件承擔政治和法律責任。」（A countersignature is a constitutional requirement requesting the Prime Minister or a Minister to sign an official act already signed by a head of state, who by signing it assumes political and legal responsibility for this act）

上述意涵可從日常組織運作類比理解：公司内部請假，需行政人員簽核，行政人員不簽即無效，董事長請假亦需行政人員副署，以確認請假流程完備，並進行後續作業。然而，行政人員副署意義僅在於「請假流程由本人負責」，若事後流程發生問題由其承擔責任；並不代表行政人員可以實質審查、否決董事長的請假。在請假要件符合規定的前提下，行政人員無權不簽，不簽即屬於逾越職權。

同理，在民主憲政運作中，立法院依法通過且程序完備的法律案移交總統公布時，行政院長的副署旨在責成「行政院長必須執行該法，並對執行負政治責任」，而不是給予行政院長二次否決機會。

四、其他論點反駁

有論者主張：行政院與立法院在憲法位階上「平級」，主張行政院無須配合立法院所通過之法律。然憲法機關間之平等，非否定憲法所明定之職權分工，此一關係可由組織運作之類比理解：在公司內部，業務部門與財務部門位階相同，然涉及財務申報事項時，業務主管仍須依財務承辦人意見辦理，並非因財務承辦人官位較高，而係因該事項屬於財務職權範圍。憲法機關間之互動，亦同此理。

另有論者主張，於憲政機制失靈（憲法法庭停擺）情形下，行政院得援引「抵抗權」拒絕副署法律。然依比較憲法通說 （連結），抵抗權僅於顯然、重大且立即不可回復之違憲侵害，且在所有制度內救濟途徑均已失效之極端嚴格情況下，始得成立，且其行使主體原則上限於人民，而不及於國家機關或公務員。歷史上抵抗權之適用，多涉及極權政體下對人民生命或基本人權之即時侵害，與一般政策性或預算性立法爭議存有本質差異。若承認行政機關得在非最嚴重、明顯情形得以抵抗權拒絕依法行事，將使公務員是否守法取決於恣意判斷，與法治國原則顯然不符。



TL;DR 

1. 拒絕副署將導致總統無法公布法律（憲72），屬妨礙總統行使憲法職權及義務。

2. 覆議失敗後行政院應即接受該決議（憲法增修條文3-2），覆議失敗後拒絕副署，讓法案無法生效，顯非「接受該決議」。

3. 「副署」本意在於「宣告對此負責」（請假須行政人員副署，只代表行政人員負責跑流程，不是有權審查）。將副署作為二次審查權濫用，違背副署制度本意。

4. 用「行政院與立法院平級，沒必要絕對服從」及「行政院有抵抗惡法的權力」均不成立。

• 「平級」不代表「不需尊重對方職權」。業務與財務平級，但牽涉財務，業務主管仍需服從財務承辦人意見，規定如此，與官位大小無關
• 抵抗權僅限極為嚴重、明顯無爭議、有立即無法恢復違憲侵害之特殊情形（例如極權政體即時侵害人民生命權），且屬人民對國家機器的防衛權，並非國家機關對守法的豁免權。

以上

全文連結

Autohotkey 自動監測啟動 VirtualBox VM

用 GPT 產生的腳本，蠻好用的 XD。作用是在每次 Windows 開機時，自動監測某個 VirtualBox VM 是否已經自動運行。如果沒有運行，就自動啟動它。

需求背景是研究計畫中請了一位學弟妹幫忙，而標註程式需要用到 Windows，結果學弟家裡只能使用 Mac 囧，只好自己在 VirtualBox 上架設一個 VM。如果不這樣做，線上的 VPS 提供者所給的套餐都很貴資源又少。用 1GB 或 2GB 的 RAM 搭一個 shared vCPU core 跑 Windows，性能實在不敢想像。

自己電腦建 VM，然後把 RAM 和 Disk 切多一些，使用FRP Tunnel出去，體驗實在好太多。唯一問題就是 ADSL 有時不穩定，這點還要設法剋服。

; --- settings ---
VBoxManage := "C:\Program Files\Oracle\VirtualBox\VBoxManage.exe"
VMName := "win10"
CheckIntervalMs := 1000 ; how often to check when running
BackoffAfterStartMs := 5000 ; wait a bit after starting to avoid rapid retries
; -----------------

#NoEnv
#SingleInstance, Force
SetBatchLines, -1

Loop
{
	; Build: "C:...\VBoxManage.exe" list runningvms | findstr /I /C:""Win10""
	Cmd := """"  VBoxManage  """" "list runningvms | findstr /I /C:" """""" VMName  """"""
	RunWait, % ComSpec " /C " Cmd, , Hide
	if (ErrorLevel != 0) {
	; Not found -> start headless
		Run, % """" VBoxManage """ startvm """ VMName """ --type headless", , Hide
		Sleep, %BackoffAfterStartMs%
	} else 
	{
		Sleep, %CheckIntervalMs%
	}
}

全文連結

影片：這才是審稿人眼中漂亮的 discussion！

出處

好影片，紀錄一下影片重點：

好的 Discussion 分成五步驟。所有討論都有一個目的：to tell people what they can know from your research！

一、概括當前研究

進行具體討論前，先對 current study 做一個回顧，因為讀者讀到 discussion 這里有可能已經忘記你研在幹麻，所以要提醒一下讀者。一段話就夠了！

* 再次指出你的研究問題（research question）
* 回顧你的研究方法（methodology）
* 強調重要研究成果（key findings）——注意是最核心的研究結果，而不是所有在 results 部分呈現的結果
* 告知讀者 discussion 的結構（the structure of discussion）：這部份 ChatGPT 給了一個示範，放在 Discussion 第一段最後一兩句：The discussion is organized into three parts. The first part interprets the key findings of this study. The second part compares these findings with previous literature. The final part addresses the limitations and provides directions for future research...


二、討論本研究與已有文獻的關系
discussion應該要和文獻對話里找到的文獻相呼應起來。
這一部分，核心問題：
* 你的研究結果是否與現有文獻「一致」？哪些一致？怎麼一致？
* 更重要：你的研究結果是否與現有文獻「不一致」？哪些不一致？
* 為什麼不一致？如何解釋它們的不一致？
要提出三點左右的發現和能解釋它們不一致的原因（這里需要大量的 critical thinking!）這里也需要盡量找到有參考文獻的支持！

同時可以討論，為什麼一些理由不適用於解釋當前的不一致？這樣會讓 discussion 部分顯得更加的 critical!

* The findings match those observed in earlier studies
* Our findings are in accord with recent studies indicating that…
* There are similarities between the current study and …

「與現有文獻不一致」萬能句型
* In contrast to/Contrary to earlier findings, however, …
* The results provide evidence against the widely held assumption in …
* The results/findings go exactly counter to the idea that …

「對結果進行解釋」萬能句型
* A possible explanation for this might be that…
* We speculate that this might be due to …
* Two types of accounts could be proposed for the …. The first account assumes that… The second account assumes that…
* The difference between … and … could be attributable to…

三、討論意外，或預料之外的發現（unexpected or surprising findings）

是否有一些結果是和預想的不符，意想不到的？可以從中進行討論，並給出解釋理由，比如是否有一些結果並不顯著（statistical significance）
其他次要的結果，也可以簡單的進行討論+解釋
更重要的是這些意外發現的價值在哪裡？對這個研究領域能有什麼樣的implication? Any new insights that emerged as a result of your research?

* Surprisingly, ...
* What is surprising is that...
* One unanticipated finding was that...
* Contrary to expectations, this study did not find...
* It is somewhat surprising that...

描述意外結果的 implication 萬能句型
* The experiment provides a new insight into the relationship between...
* These results should be taken into account when considering how to...
* The data contributes a clearer understanding of...
* While previous research has focused on X, these results demonstrate that Y.
* The findings have extended our knowledge of...


四、闡明本研究結果與相關理論模型的關系

說完和之前具體的 study 的關系，要開始討論理論部分了！這邊要把眼光放長遠，要想到整個bigger picture！這部分也是想要拿到高分的重點，因為這都是研究contribution！

* 基於你的研究結果，可以對現有的理論作出任何貢獻嗎？
* 你的結果是否與某理論觀點不符？
* 是否可以改變某個理論觀點？
* 或者可以補充一些什麼觀點？
* 是否可以基於你的研究，提出一個更新版的模型呢？


五、本次研究的不足之處（limitation）

任何一個研究都會有局限性，不可能有一個研究是完美的！所以只需要承認這些局限性就可以了，這里也是你critical thinking的展現之處。

* 有哪些局限性？（如樣本量小，研究結果普適性（generalisability）較低，實驗器材有局限性）
* 為什麼會有這些局限性？
* 這些局限性會帶來什麼影響？

全文連結

論文閱讀：Free Transformer

Arxiv 連結

來記錄一下最近在 GPT 幫助下讀過的最難的 paper：Free Transformer。這篇的數學難到撞牆。

這篇核心概念，就是在 Transformer 裡面明確在模型裡顯式引入潛變量 Z。（論文 Z 不是單一全局變數而是序列 Z1...ZT）

 

在原本 Transformer 結構，潛變量 Z （例如影片是正評、負評）是通過學習序列預測來進行隱式學習。這種方法存在幾個缺點。首先，要計算我們感興趣的變量 Z，會涉及很複雜的計算，並且這類計算容易出錯。只要序列生成中出現錯誤，整個序列以及根據該序列推導出的 Z 都會是錯誤的。此外，沒有顯式表達 Z，把產生 Z 建立在序列預測，也可能在新資料因為序列預測表現不同而影響泛化，這也是論文 (1)(2) 式舉例想表達的。


另一個難點是論文中 (3)。這個(3)邊際似然（marginal likelyhood）P(S)和論文中 loss function 有關，loss function 其中一部分近似 logP(S) 的證據下界（ELBO），因此當 loss 降低時，意謂 ELBO 提高，從而提高對 logP(S) 的下界。而 P(S) 基本上可以看作在先驗 P(Z) 下對 P(S|Z) 的期望。如果P(S)夠高，那麼在模型生成的過程中，只要採樣Z，就會有足夠的機會讓模型產生的 S' 能夠對應到真實的序列 S。而 Z1...ZT 並非參數，是隨機採樣出來的，編碼器參數（確定 Q）與解碼器參數（確定 P(S|Z)）才是需要學的。


接下來難點是所謂 free bit 設計。Free bit 目的在於避免 KL collapse ，也就是，VAE decoder 以及後面的模型直接將採樣的 Z 丟棄不用，然後 VAE 訓練出的分佈 Q(Z|S) 直接套先驗分佈，然後 KL Loss 歸零成功最小化，但 VAE 就整個沒用。為了避免這種情況，模型引入了 free bit，使得 Q 分佈與先驗分佈之間可以允許一定程度差異，不會計入 Loss。

接下是所謂的 Binary Mapping。它的模組有一層，不是直接輸出 2^H 次方個 output，而是將輸出 H 個互相獨立的 Binary Bit，具體輸出 class number 則是這 H 個 bit 對應的 binary number。學習 H 個（例如 16 個）互相獨立的 binary classification 會比直接學 2^H 個 class（如 65536 個）訓練更好，降低參數量、避免大多數輸出都是在 0 附近微調，訓練速度慢並且容易被 noise 干擾，也避免資料不夠長尾類別學不到。


剩下的部分是實際測試。首先是 free bit 的設定。Kappa 太低，模型表現與正常 Transformer 相同，實際上就是 KL collapse，導致 VAE 沒有作用。然後，當 Kappa 的值過大，模型會在 Z 藏太多資訊，實際上是 overfitting，測試中連雜訊都學進去了。然後後面 benchmark 的部份就沒有細讀。更多的細節我看不懂 XD

全文連結

讀論文：Less is More: Recursive Reasoning with Tiny Networks

連結

這篇論文挺有趣，裡面提到的 HMM 和 TRM 架構，讓我想到 RNN 。不過在RNN中，Recurrent 是讓 latent space 隨時間演化，最後 prediction 才參考一次 gold label 進行 BPTT，而這篇文章中的 TRM 每次遞迴的大步（deep supervision）都維護「當前答案 y」與「推理潛變數 z」並參考 training gold label 進行更新 z 修正 y。

全文連結

好文：The RAG Obituary: Killed by Agents, Buried by Context Windows

連結

這文章真是打動我心，明顯作者踩了一堆坑。RAG 本質就是 workaround，當 LLM context window 不夠長，無法塞進足夠資料的前提下，RAG 就是沒有辦法的辦法。RAG pipeline 很長，Chunking、Embedding、Search、Reranking 每個步驟都可以 fail。而且 upstream 爆了，往往 downstream 錯誤不會消失，只會放大，最終變成災難性的低準確度。而且 RAG 方法有先天缺陷。例如本文提到的，長文本之間會有複雜的依賴關係，一旦進行 chunking 可能某些語義或查詢路徑就不見了。

不過說這麼多，對我個人好像也沒什麼幫助啊。我司不想買，連 RAG 的單顯卡都下不來。真的要做 RAG 的話，也只能開源系統套一套，開源沒辦法，就真的沒辦法囉。至於像這篇說的一樣開發 agentic search，只能說夢裡什麼都有 XD

全文連結

為什麼論文不被送外審

連結

很好的影片，文中提到幾個我之前沒有想到的方法。首先，在 Introduction 部分引用目標期刊的相關文章，可達到15篇以上，最好是三年以內的，可以影響 IF 的計算，能引期刊主編、副主編的文章更好。如果沒有同樣的研究問題，可以引用上一層的背景問題。甚至為了做到這一點，可以每投一家期刊都重新改寫一次 Introduction。

還有就是，原來期刊副主編不會很認真地看論文，可能只是看完 cover letter 和 highlight，就決定這篇文章要不要送外審了。Cover letter 應該更有內容，包括研究方法、解決問題的方式，傳統方法存在的問題、本文的創新之處，文章的影響力，包含應用對象、結果、方法可行性。最後再總結一句，指出這篇文章符合本本期刊哪個主要研究方向。這種寫法比我原有 Cover letter 好太多了。（抓圖出自上方連結影片）

 

全文連結