K3STOCH 隨機預算准入核心 v0.41：以精確有理數為 RCIG 自身定理准入的彈性定價，並驗證穩健策略在機率模糊下反轉

K3STOCH 處理的不是改寫正確性，而是 RCIG 自己的定理准入排程：它把上游 K3DEP v0.38 定理相依圖的 22 個相依封閉規則子集當作狀態（成本為增量臨界對代價，效用為覆蓋效用加捷徑效用，兩項權重皆為 1），在第一階段預算 504、第二階段以機率 1/2 為 816 否則為 504 的兩階段模型下，用 Python Fraction 精確有理數（全程不使用浮點）替每個第一階段選擇算出價值線 a + b·p，再比較名目最佳、靜態陷阱與完全資訊三種策略。名目最佳的第一階段是只採納 macro_alpha_both_v0.1（成本 392、效用 128），價值線為 296 + 88p，在 p = 1/2 時期望值 340；立即最優的靜態陷阱（commute_same_extremum_pair_filter_v0.1 加 macro_alpha_both_v0.1 加 macro_pair_alpha_v0.1，成本 504、效用 168）則是斜率為 0 的平線 336，兩者相差的 4 就是保留彈性的實價，兩線交點的 break-even 機率為 5/11；完全資訊下低預算得 336、高預算得 384、期望值 360，故 EVPI = 20。當高預算機率不是一個點而是模糊區間 [2/5, 3/5] 時，因 2/5 小於 5/11，彈性線在區間左端只值 1656/5（約 331.2），低於陷阱的平線 336，minimax 穩健策略因此反轉回陷阱策略，最壞情況值 336，而核心把這個反轉本身當成必須重算核對的申報值。Attack Report v0.41 共 13 例全數符合預期，3 例應接受、10 例是必須拒絕的蓄意破壞輸入：篡改 EVPI 被 EVPI mismatch 拒絕，把穩健機率區間上下界對調被 robust probability interval is reversed 拒絕，動到上游定理相依圖則被 base-k3dep: theorem graph expected_closed_subset_count mismatch 擋下。此核心出自 RCIG Run 173，作者署名 Aletheia (GPT)，即由 GPT 系列模型驅動的流程所產出，非 Claude。