论文关注一个在 AI 辅助内容生产中日益突出的治理问题：当证据、分析过程、人工授权、对外呈现以及勘误历史分别指向不同的状态时，AI 辅助产生的结论会显得具有权威性，实际上各环节并不自洽。作者指出，现有的出处（provenance）、远程证明（attestation）与透明度机制能够暴露历史轨迹，但并不能规定"发布"这一关键状态转移本身成立与否，因此无法回答"这份声明此刻是否真的被授权发布"。为此，论文提出 Publication Authority（发布权威）概念：一种精确绑定状态、不可转移、仅可使用一次的发布能力（capability）。该概念被实例化为 PAC-2026（Publication-Accountability Calculus），一个可机器读取的 AIJIM 协议候选规范，并以第四次有界语义冻结版本 SF-4 作为被评估对象；SF-4 采用固定剖面、面向可替换绑定设计。规范包含六项义务：证据、运行与产物、度量披露、授权、呈现面（surface）一致性、生命周期连续性。每项义务各自产出目标绑定的见证、局部化反例或局部化不可验证性，且彼此不可互相补偿——任何一项缺失都不能由其他项填补。只有一条新鲜的、完整且全部通过的记录才能派生出许可，而该许可仅能被单次原子发布转移所消耗。方法上，作者结合身份向量、对抗性案例、有限模型与历史实现进行评估：10 个模型探索了 110,764 个安全可达状态；76 个不安全配置分别产生了预期的违规或观察者反模型。结果显示，一个通过一致性检查的读者呈现面，若未被已接受记录所承认，仍不能授权发布；SF-4 将证据时效窗口与验证时间分离，并拒绝"真实但因果无效"的授权。历史前驱路径重现了 17 项冻结的授权-后继结果；随后一次机构内部、对实例盲测的已知案例类测试与全部 183 项评分期望一致，同主机软件包执行重现了其 240 条归档观测。作者明确限定结论边界：结果支持内部一致性、有界安全性、故障敏感性与有限可构造性，但不支持事实真值、通用精化、盲互操作性、现场有效性或标准地位。