# AMR Engine — Hướng dẫn đầy đủ Mọi thứ bạn cần để chạy ba package, đọc hiểu chúng nói gì, và biết **không** được khẳng định điều gì. Bản ngắn là [README.vi.md](../README.vi.md). **Mục lục** 1. [Bạn cần package nào?](#1-bạn-cần-package-nào) 2. [Cài đặt](#2-cài-đặt) 3. [Các panel — bắt đầu từ đây](#3-các-panel--bắt-đầu-từ-đây) 4. [`amr` — mô hình của sách](#4-amr--mô-hình-của-sách) 5. [`amr2` — mô hình đã sửa](#5-amr2--mô-hình-đã-sửa) 6. [`amr3` — lối đọc hình học](#6-amr3--lối-đọc-hình-học) 7. [Ba phép đo](#7-ba-phép-đo) 8. [Trễ hay mỏi](#8-trễ-hay-mỏi) 9. [Kiểm thử](#9-kiểm-thử) 10. [Được và không được khẳng định điều gì](#10-được-và-không-được-khẳng-định-điều-gì) 11. [Xử lý sự cố](#11-xử-lý-sự-cố) --- ## 1. Bạn cần package nào? Ba package, ba thứ khác nhau. Chọn theo việc bạn muốn làm. | bạn muốn… | dùng | vì sao | |---|---|---| | khám phá mô hình một cách tương tác | **các panel** | không cần cài, chạy trong trình duyệt | | đọc mô hình của sách ở dạng code | **`amr`** | sáu tầng ở dạng chuẩn | | xem nó khớp với dữ liệu thật | **`amr2`** | bảng FRED, OLS/HAC, ngoài mẫu | | hỏi xem thứ tự cú sốc có quan trọng không | **`amr3`** | tấm, vết sẹo, phụ thuộc đường đi | Quan hệ giữa chúng mới là phần thú vị: - **`amr2` cố tình KHÔNG nhập `amr`.** Nó là một mô hình *khác* — các lỗi của sách đã được sửa — và nó phải đứng độc lập để còn so sánh được. - **`amr3` cố tình CÓ nhập `amr`, và chạy `amr` ở bên trong nó.** Nó là *cùng* mô hình trong hệ toạ độ khác, và cách chứng minh một lối đọc là trung thực chính là chạy bản gốc ở trong nó. `amr3` **không** phải mô hình thứ ba. Nó là `amr`, với cả 78 biến giữ nguyên, xếp lại theo **vị trí hình học** thay vì theo việc chúng là hệ số của phương trình nào. --- ## 2. Cài đặt Python 3.9 trở lên. **Không phụ thuộc gì** — chỉ thư viện chuẩn, cho cả ba package. ```bash git clone https://github.com/vinhatson/amr-engine.git cd amr-engine python -m amr check ``` Phần hồi quy của `amr2` cũng không cần thêm gì. Các chuỗi FRED đã nằm sẵn trong [`data/series.py`](../data/series.py), tải ngày 2026-10-09. ### Lưu ý cho Windows Không cần làm gì thêm. Các entry point tự đặt stdout của chúng về UTF-8, nên console mặc định hiện đúng tiếng Việt và chữ Hy Lạp thay vì crash ngay ký tự đầu. ### Quan trọng: chạy từ gốc repo `amr3` nhập `amr`, và `amr2` nạp `data/series.py` theo đường dẫn tương đối so với **gốc repo**. Hãy chạy lệnh từ thư mục trên cùng của bản clone, không phải từ bên trong một thư mục package. --- ## 3. Các panel — bắt đầu từ đây Ba trang HTML tự chứa trong [`panels/`](../panels/). Không Python, không server, không build. Tải repo về rồi mở bất cứ cái nào bằng trình duyệt, hoặc host chúng trên GitHub Pages. | panel | nó làm gì | |---|---| | `regimes_panel.html` | điều khiển trực tiếp sáu tầng; phân rã ba khối phản ứng tức thì | | `geometry_panel.html` | 78 biến xếp theo **vai hình học** thay vì theo phương trình | | `manifold_panel.html` | các tấm trong 3D; bắn hai cú sốc theo hai thứ tự và xem có để lại vết sẹo không | Chúng tải `three.js` và một webfont từ CDN nên lần vẽ đầu cần mạng. Còn lại — mô hình, registry, các vector — đều đã nén sẵn trong file. `manifold_panel.html` là cái nên mở nếu bạn chỉ mở một. Nó có cả 78 biến dưới dạng slider nhóm theo tấm (Σ₀ cơ học, Σ₁ trạng thái, Σ₂ cấu trúc, v.v.), một preset `Table 10.3`, một **con dao** bạn mở đóng được, và một công tắc chuyển giữa hai mô hình trí nhớ. Nó là luận điểm của dự án này ở dạng **chạm được**. ### Serve chúng ở local Mở file trực tiếp cũng được. Nếu bạn muốn serve: ```bash cd panels python -m http.server 8901 # → http://127.0.0.1:8901/manifold_panel.html ``` --- ## 4. `amr` — mô hình của sách Bản cài đặt chạy được của *The Architecture of Market Regimes* (Vi Nhật Sơn, 2026): cả sáu tầng ở dạng chuẩn sau ISSUES, có kiểm tra biên, cộng thêm một tầng ngang Layer W cho các trọng số. ### Các lệnh ```bash python -m amr list # liệt kê kịch bản, kèm điều sách nói về từng cái python -m amr run sanctions # chạy một kịch bản, in bản đọc định tính python -m amr run narrative --json # cùng kết quả, dạng JSON python -m amr weights # tỉ lệ trọng số tại trạng thái nền python -m amr tornado --top 20 # vùng tuỳ biến: swing trên toàn dải python -m amr mc --n 1500 # phân rã phương sai trên vùng khả thi python -m amr check # ràng buộc cấu trúc, kèm độ dư từng cái python -m amr audit # mọi kịch bản, đối chiếu số liệu sách ``` ### Các kịch bản Mười một cái, có tên: ``` liquidity liquidity_swaps sanctions sanctions_late trust narrative gfc2008 covid2020 rally2022 tariff2025 iran2026 ``` Năm cái cuối là các nghiên cứu tình huống lịch sử (CS1, CS2, CS5, CS11, CS12). Dùng `python -m amr list` để xem sách khẳng định gì về từng cái — bản liệt kê in ra **kết quả mà chính sách nêu** ngay cạnh kịch bản, và đó là điều làm cho `audit` có ý nghĩa. ### Các cờ mở rộng Đây là cờ **toàn cục** và đặt **trước** subcommand: ```bash python -m amr --recentre run narrative # đúng python -m amr run narrative --recentre # lỗi: unrecognized arguments ``` | cờ | bật cái gì | |---|---| | `--no-state` | **tắt**: phụ thuộc trạng thái của trọng số (E17) | | `--no-coupling` | **tắt**: ghép cặp trọng số (E18) | | `--recentre` | tái định tâm độ lồi (E22, đóng I37) | | `--regime-lambda` | λ₁ chuyển chế độ (E21, Remark 11.3) | | `--return-path` | đường về Layer 5 → Layer 4 (E26, đóng I32) | | `--reversal` | kênh đảo chiều cưỡng chế (E27, đóng I34) | | `--health-leg` | nhánh sốc ngoại sinh phi quân sự (E25) | | `--split-prec` | tách `D_prec` theo đường cong (E28, đóng I40) | | `--funding-haven` | số hạng trú ẩn chạy theo nhánh funding | Mọi mở rộng đều **tắt** theo mặc định. Để các tải trọng của Layer W ở 0 thì engine tái tạo E9 **đúng hệt**, tới độ chính xác máy — đó là một tính chất **đã được test**, không phải một lời khẳng định suông. ### Từ Python ```python from amr import WorldState, Options, forecast, run_scenario f = run_scenario("sanctions") print(f.narrative_vi()) nen = WorldState() soc = nen.shock(p_vix=0.95, p_stlfsi=0.80, bank=0.94, prec=1.10) g = forecast(nen, soc) # output có cấu trúc, độc lập ngôn ngữ print(g.blocks) # phân rã ba khối, kèm tỉ lệ print(g.channels) # chỉ các kênh thực sự dịch chuyển print(g.evidence_mix) # tình trạng bằng chứng theo Chương 17, dạng tỉ lệ print(g.sigma_response) # direct_haven / reflexive / regime / total # bật một mở rộng print(run_scenario("gfc2008", opt=Options(recentre_convexity=True)).narrative_vi()) ``` ### Cách đọc một bản đọc ``` KẾT LUẬN: DXY ↑ +2.83% (biến động nhỏ, trong biên độ thường) Chế độ: BÌNH LẶNG — dưới ngưỡng σ*: các độ co giãn ở giá trị bình lặng σ_sys 0.349 → 0.349 κ_sys 1.460 → 1.460 Ψ_str 0.9022 → 0.8861 PHÂN RÃ THEO KHỐI (Figure 10.2): cơ học ×κ ↑↑ +4.79% 70.9% của tổng tuyệt đối trú ẩn ↔ -0.16% 2.4% của tổng tuyệt đối cấu trúc Ψ ↓ -1.80% 26.7% của tổng tuyệt đối → Khối chi phối: cơ học ×κ ``` **Phân rã theo khối là output quan trọng nhất**, hơn cả con số phần trăm ở đầu. Nó cho bạn biết **cơ chế nào** mang cú dịch chuyển đó. Một mức +2,83% mà 71% là cơ học là một khẳng định **khác** với một mức +2,83% mà 71% là cấu trúc, và engine luôn nói cho bạn biết bạn đang có cái nào. Bản đọc cũng báo **tình trạng bằng chứng** của mọi kênh mà dự báo chạy qua (Chương 17): `UNTESTED`, `PARTIAL`, v.v., dưới dạng tỉ lệ. Một dự báo được mang chủ yếu bởi các kênh `UNTESTED` là một **giả thuyết**, và engine nói ra điều đó thay vì để các chữ số thập phân ngụ ý điều khác. ### Về ngôn ngữ **Phần diễn giải văn xuôi chỉ có tiếng Việt.** Phương thức là `narrative_vi()`; **không có** `narrative_en()`. Phần độc lập ngôn ngữ là mọi thứ có cấu trúc — các con số, thang mũi tên, phân rã khối, `blocks`, `channels`, `evidence_mix`, `sigma_response` — cộng thêm trường `name_en` mà [`amr/registry.py`](../amr/registry.py) mang cho mọi kênh và mọi biến. Nên bạn hoàn toàn có thể điều khiển mô hình và đọc output bằng tiếng Anh ngay hôm nay, bằng cách dùng các trường có cấu trúc. Một bộ render tiếng Anh là đóng góp hữu ích nhất mà ai đó có thể làm cho repo này. --- ## 5. `amr2` — mô hình đã sửa ```bash python -m amr2 # mô hình sách đối đầu mô hình đã sửa, cùng một bài thi ``` Đây là một **mô hình khác**, không phải một bản tinh chỉnh: các lỗi của sách đã được sửa, rồi khớp với dữ liệu thật. Nó **không** nhập `amr`, một cách có chủ đích, để hai cái so sánh được mà không cái nào nhiễm cái nào. ### Dữ liệu Các chuỗi FRED theo tháng, tải 2026-10-09, nằm sẵn trong [`data/series.py`](../data/series.py): | chuỗi | là gì | |---|---| | `TWEXAFEGSMTH` | chỉ số đô la AFE danh nghĩa, trung bình tháng — **biến phụ thuộc** | | `GS10` | UST 10 năm | | `IRLTLT01DEM156N` | trái phiếu chính phủ Đức 10 năm | | `POILBREUSDM` | Brent, USD/thùng | | `FEDFUNDS` | lãi suất quỹ liên bang hiệu dụng — chân **GIÁ** của `S_Fed` | | `CPIAUCSL` | CPI-U, để dựng lãi suất thực | Không chuỗi nào là Tier 3, và không chuỗi nào bị thay thế âm thầm. ### Một khuyết tật dữ liệu, mang theo chứ không giấu **CPI tháng 2025-10 KHÔNG TỒN TẠI.** BLS không công bố, vì đợt đóng cửa chính phủ liên bang bắt đầu 01/10/2025. Giá trị dùng ở đây là **nội suy tuyến tính**, và `row.cpi_imputed` bật `True` ở tháng đó. Đây đúng là loại lỗi mà §11.5.2 của chính cuốn sách bắt được với `RRPONTSYD` — một ô trống bị đọc thành một con số — nên nó được **đánh dấu** thay vì làm lơ. Nếu bạn dùng `amr2`, hãy kiểm `cpi_imputed` trước khi tin một kết quả phụ thuộc tháng đó. ### Nó báo cáo gì Kết quả **ngoài mẫu**, không phải độ khớp trong mẫu. `tests/test_amr2.py` có `test_training_never_touches_2026`, test này **fail** nếu dữ liệu 2026 lọt vào cửa sổ huấn luyện. Việc test đó tồn tại chính là lý do khẳng định "ngoài mẫu" có giá trị. --- ## 6. `amr3` — lối đọc hình học ```bash python -m amr3 # bản đồ, kiểm tra lồng khít, ba phép đo, quét τ ``` Cùng mô hình với `amr`, cả 78 biến, xếp lại theo vị trí hình học. ### Bốn vai, không phải sáu khối `amr` xếp biến theo `block = "E4 · Φ_sys"` — xếp **đại số**, trả lời câu "đây là hệ số của công thức nào". `amr3` xếp theo bốn vai, và chúng là bốn thứ khác nhau **về hình học**: | vai | làm gì | ví dụ | |---|---|---| | **vị trí** | dịch **chính tấm** | `θ_0`, `σ*`, `κ_base`, `φ_0` | | **tiếp tuyến** | dịch **một điểm trên** tấm | mọi `α_i`, `β_j`, `φ_G`, `a_V` | | **độ cong** | tấm **cong** bao nhiêu | `θ`, `k_Ψ`, `λ_2`, `w_CT` | | **biên độ** | tấm lệch **tối đa** bao nhiêu | `L_max`, `δ_off` | Còn có vai `CARRIER` cho các biến **mang một giá** thay vì định một hình dạng. **Toàn bộ `amr` sống ở vai tiếp tuyến.** Đó là lý do nó trượt song song, và lý do chỉ vai **vị trí** là vai mà một vết đâm chạm tới được: đâm xuyên nghĩa là **tấm** bị dịch, không phải một điểm trên tấm bị dịch. `test_atlas_covers_every_amr_variable_exactly_once` khẳng định 78/78 — không thêm, không bớt. ### Bảy tấm ``` MECHANICAL STATE STRUCTURAL REFLEXIVE PSYCHO SECULAR HAVEN ``` Σ₄ là tấm duy nhất **không có** trọng số vị trí, nên không gì đâm ngược vào nó được. Đó không phải thiếu sót — Remark 10.2 của sách nói Tầng 4 *"là một nguồn… nó tác động lên Tầng 3 và 5 và không bị gì tác động lại."* ### Đúng một tham số mới ``` τ_{ℓm} ∈ [0,1] phần PHÁP TUYẾN của tác động từ tấm ℓ lên tấm m a = a_∥ + a_⊥ a_∥ = (1−τ)·tải, a_⊥ = τ·tải ``` **Không thêm cạnh nào.** Tập cạnh lấy nguyên từ trường `gamma` trong `amr/registry.py`, nơi các tải trọng liên tầng đã được mã hoá sẵn. Đúng **một** cạnh trong số đó có tải bằng 0, và nó là cạnh duy nhất trỏ vào một trọng số **vai vị trí**: `Σ₄ → Σ₅`, `hsoc → theta_0`. Ghi chú trong chính registry viết: *"The loading below is the departure, and it is zero by default."* Cửa đã lắp sẵn và khoá. ```python from amr3 import Options3, Transversality, Memory Options3(tv=Transversality.zero()) # τ ≡ 0 — giả thuyết không, và là mặc định Options3(tv=Transversality.knife()) # τ = 0,294, mức trần Options3(tv=Transversality.knife(0.15)) # giá trị nào bạn muốn ``` `TAU_CEILING` là `0.294`, và nó **khác nhau** theo mô hình trí nhớ: ```python TAU_CEILING_BY_MODE == {"hysteresis": 0.294, "fatigue": 0.122} ``` ### Độ sâu vết đâm không tuỳ ý ``` Δξ_m = τ_{ℓm} · p · (src_ℓ − H*_ℓ)₊ · (1 + q · II_m) II_m = 4 · Λ′(arg_m) ∈ [0,1] ``` Thừa số 4 không phải chuẩn hoá cho đẹp. `Λ′ ≤ ¼` là **chính** bất đẳng thức mà Proposition 8.2 dùng để lấy biên co `ηκ_A g₁ < 4`, và mà Layer W dùng để lấy biên `max_k Σ_j |C_kj| < 4`. Cùng một con số ¼ chặn tính co thì cũng chặn **độ căng**: tấm căng nhất đúng ở nơi nó dốc nhất, tức ở điểm uốn. Giấy căng thì rách, giấy chùng thì dạt. Trên Σ₅ quy tắc này là **đúng hệt**, không xấp xỉ: vì `Ψ_str = 1 − L_max·Λ(k_Ψ(f_hard − θ_0))` nên `(1−Ψ_str)/L_max = Λ(arg)` theo định nghĩa, và `4v(1−v) = 4Λ′(arg)`. **Trên Σ₁ thì là xấp xỉ**, vì `σ_sys` là hợp tuyến tính chứ không phải logistic — và điều đó được **nói ra** chứ không bỏ qua. ### Tính đơn điệu là tất cả `ξ_m(t)` không giảm, bao giờ. Mọi tính bất khả hoàn nguyên, mọi phụ thuộc đường đi, mọi giao hoán tử khác không đều chỉ từ một dấu `≥` mà ra. Không có cơ chế thứ hai nào được thêm. ### Từ Python ```python from amr3 import (Options3, Transversality, Memory, Move, Sheet, trace, commutator, holonomy, residual) from amr import WorldState state = WorldState() opt = Options3(tv=Transversality.knife(), memory=Memory.HYSTERESIS) # các trường của Options3: tv, fragmentation_feedback, amr, memory # trace(moves, state, opt, settle) ``` `trace(..., settle=True)` thêm **một bước lắng** không toán tử. Bạn **cần** nó: vết sẹo của một bước được cộng **sau** khi bước đó đọc số, nên dừng ngay thì vết đâm cuối được ghi mà không phép đọc nào thấy nó, và lúc đó giao hoán tử sẽ đo lẫn cả **thời điểm đọc** chứ không chỉ đo thứ tự. Bước lắng đưa mọi đường về cùng một quy ước quan sát. --- ## 7. Ba phép đo `amr3` đo ba đại lượng mà cả ba **bằng đúng 0** trong `amr`: | | τ ≡ 0 | trễ · τ = 0,294 | mỏi · τ = 0,122 | |---|---|---|---| | giao hoán tử ‖[L₄, L₅]‖ | **0,000e+00** | **0,000e+00** | 1,720e-02 | | holonomy H(γ) | **+0,000e+00** | **−7,318e-02** | **−4,056e-02** | | dư âm sau khi gỡ sốc | **+0,000000** | **+0,027931** | **+0,011078** | Cột đầu **không** phải kết quả hiệu chỉnh. Tầng E9 là một hàm của `(D_i, S_j, σ, Φ, κ, Ψ)` và không mang theo lịch sử nào, nên hai đường đi tới cùng một trạng thái **bắt buộc** cho cùng một đầu ra. `amr` không thiếu một số hạng — nó nằm trong một **lớp hàm** không thể chứa hiện tượng "cái lỗ còn lại". **Giao hoán tử tách đúng hai nhánh.** Dạng trễ lấy cực đại theo lịch sử; hai thứ tự đi qua cùng tập trạng thái nên hai cực đại bằng nhau, nên giao hoán tử bằng 0 **theo định nghĩa của toán tử**. Dạng mỏi tích phân, nên thứ tự có nghĩa. Holonomy và dư âm khác 0 ở **cả hai**: vòng kín về đúng trạng thái đầu, vết sẹo thì ở lại. ### Câu hỏi thực nghiệm Câu này không cần đợt dữ liệu dài: > **Thứ tự hai cú sốc có đổi mức thường trực không, khi trạng thái cuối giữ > nguyên?** > > Có → mỏi. Không → trễ. ### Bất biến đúng không phải số chiều Một mô hình hai tầng mà có vết sẹo thì đã là đâm xuyên; một mô hình mười tầng mà không có vết sẹo thì vẫn chỉ là trượt. Bất biến đáng kể là các toán tử tầng **có giao hoán hay không** — và giao hoán tử là **đại số**, nên "hình học chứ không phải đại số" là một **phân đôi giả**, dù phần nội dung của luận điểm thì đúng nguyên vẹn. Repo này tự nói ra điều đó về chính cách nó đóng khung vấn đề, thay vì tô hồng. --- ## 8. Trễ hay mỏi Đây là hai **VẬT LÝ** khác nhau, không phải hai xấp xỉ của cùng một thứ. ```python Options3(memory=Memory.HYSTERESIS) # mặc định — ξ = CỰC ĐẠI theo lịch sử Options3(memory=Memory.FATIGUE) # ξ = TÍCH PHÂN theo dt ``` **HYSTERESIS (trễ)** — chỉ các cực trị của đường đi được tính; thời lượng không vào công thức. Đây là toán tử play/stop của lý thuyết trễ, và là dạng Baldwin–Krugman (1989) dùng cho chính tỉ giá. Nó là mặc định vì nó là nội dung của luận điểm, là toán tử chuẩn của tài liệu, và **độc lập với tốc độ**. **FATIGUE (mỏi)** — thời lượng **thay thế được** biên độ. Quy tắc Miner trong mỏi vật liệu. Nó được giữ lại vì nó nêu một dự đoán **khác** và **bác bỏ được**, không phải vì nó xấp xỉ cái kia. | tổng dt | trễ | mỏi | |---|---|---| | 1 | 0,132064 | 0,132440 | | 4 | 0,132064 | 0,200946 | | 32 | **0,132064** | **0,840335** | Hàng trễ phẳng tuyệt đối. Đó không phải xấp xỉ — thời lượng không có trong công thức. ### Độc lập với tốc độ Chia **cùng một đường đi** thành nhiều bước hơn thì kết quả phải không đổi. Đó là tính chất **định nghĩa** của mọi toán tử trễ, và `test_scar_is_rate_independent_in_both_modes` giữ code đúng theo nó. Hai lỗi trước đây làm hỏng đúng chỗ này và đã được sửa; test đó tồn tại để chúng không quay lại. --- ## 9. Kiểm thử ```bash python tests/test_engine.py # amr — các tầng, biên, Table 10.3 python tests/test_amr2.py # amr2 — toàn vẹn dữ liệu, 2026 không lọt vào python tests/test_amr3.py # amr3 — atlas 78/78, lồng khít tại τ→0 ``` Chạy cả ba **từ gốc repo**. Tất cả pass trên Python 3.12, trên Windows, macOS và Linux. Các bộ test này kiểm **cấu trúc**, không chỉ kiểm output. Vài cái đáng biết: - `test_atlas_covers_every_amr_variable_exactly_once` — 78/78 - `test_tau_zero_reproduces_amr_exactly` — khẳng định lồng khít - `test_tau_zero_matches_amr_along_a_whole_path` — lồng khít **dọc một quỹ đạo**, không chỉ tại một điểm - `test_scar_is_monotone_non_decreasing` — một dấu `≥` mà mọi thứ dựa lên - `test_scar_is_rate_independent_in_both_modes` — tính chất của toán tử trễ - `test_the_knife_edge_is_the_one_amr_set_to_zero` — cạnh tải-0 duy nhất - `test_world_state_is_never_mutated_in_place` - `test_amr2_is_untouched` và `test_amr3_does_not_import_amr2` — tính độc lập của mô hình đối thủ được **cưỡng chế**, không chỉ là ý định - `test_training_never_touches_2026` — bảo đảm ngoài mẫu --- ## 10. Được và không được khẳng định điều gì **`amr` là định tính.** Nó cho ra thang mũi tên và phân rã ba khối, không phải một dự báo điểm đã hiệu chỉnh. `python -m amr audit` chạy mọi kịch bản đối chiếu số liệu của chính sách, để khoảng cách **hiện ra** thay vì bị ngụ ý. **Bạn ĐƯỢC:** - báo cáo khối nào chi phối một cú dịch chuyển, và với tỉ lệ bao nhiêu - báo cáo **hướng** và độ lớn theo thang mũi tên - báo cáo tình trạng bằng chứng của các kênh mang một kết quả - báo cáo rằng một kết quả có **vững** hay không khi bật một cờ mở rộng - báo cáo các con số **ngoài mẫu** của `amr2` **đúng như là** con số ngoài mẫu - báo cáo ba phép đo của `amr3`, **kèm nêu rõ mô hình trí nhớ** **Bạn KHÔNG ĐƯỢC:** - trích một con số phần trăm của `amr` như một dự báo đã hiệu chỉnh - trích một kết quả mà không nói nó do mô hình trí nhớ nào sinh ra — trễ và mỏi là hai vật lý khác nhau và cho những con số khác nhau - trích một kết quả τ > 0 mà không nêu τ, vì cả mặc định lẫn giả thuyết không của nó đều là 0 - coi quy tắc độ căng trên Σ₁ là **đúng hệt**; nó chỉ đúng hệt trên Σ₅ - coi khung hình học là một khẳng định về **số chiều** - dùng tháng 2025-10 của `amr2` mà không kiểm `cpi_imputed` Nếu một kết luận sống sót qua **cả hai** mô hình trí nhớ, một đợt quét τ, và các cờ mở rộng, thì bạn có một thứ **mang tính cấu trúc**. --- ## 11. Xử lý sự cố **`ModuleNotFoundError: No module named 'amr'`** Bạn đang chạy từ bên trong một thư mục package, hoặc `amr3`/`amr2` không thấy gốc repo. Hãy chạy từ thư mục trên cùng của bản clone. **`ModuleNotFoundError: No module named 'series'`** `amr2` nạp `data/series.py` theo đường dẫn tương đối so với gốc repo. Hãy đảm bảo `data/` có mặt và bạn đang ở trên cùng của bản clone. **`amr: error: unrecognized arguments: --recentre`** Các cờ mở rộng là **toàn cục** và đặt **trước** subcommand: `python -m amr --recentre run narrative`. **`amr run: error: the following arguments are required: scenario`** `run` cần một tên kịch bản. `python -m amr list` hiện danh sách. **Panel 3D trắng trơn** Nó cần `three.js` từ CDN, nên lần tải đầu đòi có mạng. Nếu bạn offline, hãy tải `https://cdnjs.cloudflare.com/ajax/libs/three.js/r128/three.min.js` về rồi trỏ `