SDE Universes·新思想前沿›数学与统计的其余主干
新思想前沿 · 数学与统计的其余主干

可计算性与递归论

近二十年 · 两幕 · 20 个新思想 · 约 30,950 字 · 王德生 亲撰 · 2026 年 8 月

可计算性与递归论近二十年的变化，不是再重复“有些问题不可计算”，而是把不可计算性分解为表示、统一性、极限层数、选择空间和稳定性等可比较结构。上一个十年，Julia集、Ramsey原理、算法随机性、Weihrauch度与量子谱隙改写了对象可定义就应可求的默认；这十年，表示空间、函子翻译、组合代数、SCI层级、学习不可判定和有限局部复杂度进一步说明，真正的问题是需要几层极限、何种名字和多少额外结构。选目覆盖算法随机性、可计算分析、度结构、逆向数学、算法信息与有限组合原则。第一幕展示可定义对象为何仍可能不可计算，第二幕把随机、泛型、跳、追踪与证明强度进一步拆开。这里不按“问题是否有答案”划线，而按获得答案所需的神谕、精度、统一性和公理资源划线。读者应把每条的查询次数、层级位置或公理强度看作真正量纲：两个结论都写“不可计算”，可能相差一个完全不同的障碍机制。阅读时应把每条的主证据年份、关键读数与失效条件连在一起，而不能把标题本身当作已经稳定的共识。

【第一幕】上一个十年 · 约 2006—2016

第一幕把经典“不可解”拆成若干不同来源：边界没有有效模量、组合选择强度不同、随机性与完备性分离、多值定理需要统一归约，以及无限极限可以编码停机。从“Julia集可以由可计算参数生成却不可计算”到“谱隙问题在二维量子系统中不可判定”，共同动作是把旧默认改写成可反驳的结构命题；主证据均在2016年前形成。

甲、Julia集可以由可计算参数生成却不可计算Non-computable Julia Sets

提出Mark Braverman与Michael Yampolsky，2006年《Journal of the American Mathematical Society》19(3):551–578，DOI:10.1090/S0894-0347-05-00516-3，〈Non-computable Julia Sets〉　争议或最新后续见Binder、Braverman与Yampolsky关于动力系统不变量可计算性的工作　关键一个动力系统的参数和迭代规则都可计算，不保证其Julia集可由统一算法画出

到2006年前后，常见出发点仍是“数值动力学通常默认有限精度迭代只要跑得够久就能逼近分形边界”。真正暴露问题的并非一个孤立反例，而是临界轨道的长期行为可能编码停机信息，使边界的局部判定没有统一收敛模量。当研究者改用“达到Hausdorff误差2^{-n}所需步骤数／精度位数n”比较时，旧叙事中被隐藏的代价、边界或层级差异显现出来；这也是本条能够成为新思想而不是普通技术改良的原因。

可以把命题写为：存在可计算复参数c，使二次多项式z²+c的Julia集作为紧集不可计算。与口号不同，它预先承诺了失败方式：固定输入表示、允许神谕与统一性要求，按“达到Hausdorff误差2^{-n}所需步骤数／精度位数n”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这使研究者不能在结果出现后移动对象边界、改评分规则或删去困难实例；若这些条件必须改变，结论应被重新命名，而不是继续沿用原来的理论标签。

Braverman与Yampolsky在2006年JAMS 19卷551–578页〈Non-computable Julia Sets〉中的构造是本条的证据起点。作者构造Siegel盘旋转数编码不可计算信息，证明不存在算法在任意给定精度2^{-n}内输出该Julia集的Hausdorff近似；输入参数本身却可计算。具体读数“达到Hausdorff误差2^{-n}所需步骤数／精度位数n”把旧默认送上同一口径的检验台：纯数学中它表现为结构降维、常数或端点，统计与教育研究中则表现为样本、效应、覆盖或预测损失。共同点是结论不再只靠叙述成立。

反对意见主要针对外延，而非简单否认主结果：并非所有Julia集都不可计算，双曲和许多无理中性情形可计算；不可计算性来自缺少有效动力学模量。本条的失效条件为：若对象落入以下已知边界，本条不再自动成立：并非所有Julia集都不可计算，双曲和许多无理中性情形可计算；不可计算性来自缺少有效动力学模量。要判断边界是否只是技术限制，需把名称系统、查询复杂度和归约统一性与同一分母下的独立复验放在一起；若方向随对象类或归一化改变，就应主动收窄标题。

由此，“公式可写”与“几何对象可绘制”被彻底分开，科学可视化必须报告误差控制而不只是迭代次数。对本项证据须公开“达到Hausdorff误差2^{-n}所需步骤数／精度位数n”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第303号度量极限恢复共享“定义清楚不等于有限数据可恢复”；与第309号混沌预测共享长期模量缺失。异名：数值分析称“无有效收敛模量”，动力系统称“不可计算分形”；另见第309号长期预测边界。共享预设为“可计算的局部规则应当能够给出全局几何的有效近似”；先统一“达到Hausdorff误差2^{-n}所需步骤数／精度位数n”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置S——把『Julia集可以由可计算参数生成却不可计算』形成的对象结构作为首要显露　单因决定『Julia集可以由可计算参数生成却不可计算』当前结论的最小充分项只有：一个动力系统的参数和迭代规则都可计算，不保证其Julia集可由统一算法画出　预设〔01 谁进入分母〕可计算的局部规则应当能够给出全局几何的有效近似　量纲达到Hausdorff误差2^{-n}所需步骤数／精度位数n　失效失效边界是『对象落入以下已知边界，本条不再自动成立：并非所有Julia集都不可计算，双曲和许多无理中性情形可计算；不可计算性来自缺少有效动力学模量』；越过该边界，相关条件越强，达到Hausdorff误差2^{-n}所需步骤数反而越低　自曝『Julia集可以由可计算参数生成却不可计算』的原始材料只直接支持“Braverman与Yampolsky在2006年JAMS19卷551–578页〈Non-computableJuliaSets〉中的构造是本条的证”，没有自动覆盖边界外对象　空栏『Julia集可以由可计算参数生成却不可计算』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名数值分析称“无有效收敛模量”，动力系统称“不可计算分形”；另见第 213 号第 4 条『随机迭代求解与随机预条件』

乙、Ramsey原理被拆成更弱的组合公理Principles Below Ramsey’s Theorem

提出Denis R. Hirschfeldt与Richard A. Shore，2007年《Journal of Symbolic Logic》72(1):171–206，DOI:10.2178/jsl/1174668388　争议或最新后续保守性见Chong、Slaman与Yang，2012年《Advances in Mathematics》230(3):1060–1077　关键一个经典组合定理的非构造强度可以被拆成多个不等价的选择原则

2007年前后，本领域常把“逆向数学常把Ramsey对偶定理作为一个整体，与某个二阶算术子系统对应”当作默认起点。它在典型对象上看似稳固，却被组合证明中“找单调子序列”“找凝聚集合”等动作可能消耗不同的计算强度直接顶住。真正需要更换的不是符号，而是比较单位：一旦把“可统一求解的可计算实例类数／全部实例类数”写进分母，原来混在一起的结构差异便必须分别说明，旧结论也不再能够无条件外推。

核心主张是：升降序列原理ADS、链反链原理CAC等处在Ramsey对偶定理之下，并具有不同的模型与保守性行为。它不是定义性的正确，而有清楚的否证口：固定输入表示、允许神谕与统一性要求，按“可统一求解的可计算实例类数／全部实例类数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。因此，论证责任从“展示一个成功例子”转为说明成功在什么范围保持、失败在什么条件出现，并把存在性、稳定性、可计算性或可迁移性分层报告。

Hirschfeldt与Shore在2007年JSL 72卷171–206页的弱Ramsey原理研究给出主证据：论文构造ω模型和可计算实例分离多个原理，给出RT²₂向ADS、CAC等的严格蕴含图；分母是能解多少类可计算实例而非定理真假。这项工作的力量在于把问题从“有人相信什么”移到“什么数值或结构量可以重做”。按“可统一求解的可计算实例类数／全部实例类数”组织证据后，支持结果、零结果与失败对象可以放进同一张账本，不再依靠术语声望比较。

截至2026年，未收敛部分是：分离依赖基础系统RCA₀和具体形式化；改变颜色数、稳定性或允许的归纳公理会重排强度。这意味着“成立”至少要区分存在、稳定、可实现与可迁移四层；失效口为：若对象落入以下已知边界，本条不再自动成立：分离依赖基础系统RCA₀和具体形式化；改变颜色数、稳定性或允许的归纳公理会重排强度。只有在统一的“可统一求解的可计算实例类数／全部实例类数”上报告失败概率、误差范围或常数依赖，争论才可能真正结束。

另一处后果是：递归论从给定理贴一个“可计算/不可计算”标签，转为测量证明中每个选择步骤的独立成本。最低报告责任包括“可统一求解的可计算实例类数／全部实例类数”、最坏对象与成本账本，负结果属于理论边界而非附注。

接口见与第308号因子实验共享“整体效应拆成正交成分”；与第352号证明依赖图共享公理账本。其他领域称：逻辑学称“逆向数学分离”，工程验证称“依赖项最小化”；另见第352号可信基。只有“可统一求解的可计算实例类数／全部实例类数”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置D——把『Ramsey原理被拆成更弱的组合公理』中的操作次序与变化路径作为首要显露　单因决定『Ramsey原理被拆成更弱的组合公理』当前结论的最小充分项只有：一个经典组合定理的非构造强度可以被拆成多个不等价的选择原则　预设〔01 谁进入分母〕组合定理的证明动作可以按其统一求解能力逐项计量　量纲可统一求解的可计算实例类数／全部实例类数　失效失效边界是『对象落入以下已知边界，本条不再自动成立：分离依赖基础系统RCA₀和具体形式化；改变颜色数、稳定性或允许的归纳公理会重排强度』；越过该边界，相关条件越强，可统一求解的可计算实例类数反而越低　自曝『Ramsey原理被拆成更弱的组合公理』的原始材料只直接支持“Hirschfeldt与Shore在2007年JSL72卷171–206页的弱Ramsey原理研究给出主证据：论文构造ω模型和可计算实例分离多个原理”，没有自动覆盖边界外对象　空栏『Ramsey原理被拆成更弱的组合公理』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名逻辑学称“逆向数学分离”，工程验证称“依赖项最小化”；另见第 215 号第 7 条『仿星器新经典优化：三维磁场要直接最小化轨道损失』

丙、成本函数把低度性变成可支付预算Benign Cost Functions

提出Noam Greenberg与André Nies，2011年《Journal of Symbolic Logic》76(1):289–312，DOI:10.2178/jsl/1294171001　争议或最新后续见Greenberg与Turetsky关于强跳踪迹性的工作　关键可枚举集合的低度性可以由其逼近过程累计支付的变更成本刻画

在2011年前后的文献中，标准叙事是“低于停机问题的集合常通过优先法分别构造，各种低度性质缺少统一动态语言”。这个叙事之所以长期有效，是因为经典例子没有暴露如下缺口：同一个极限集合可有许多逼近，真正重要的是每次改动在多晚发生以及累计代价是否有限。主证据迫使研究者把对象、表示与验证尺度拆开；以“累计变更成本／允许的近似阶段数”重新计量后，过去被当作技术噪声的部分，成为决定结论方向的变量。

理论内容不是“再加一种方法”，而是：良性成本函数控制允许的心智改变数，服从所有良性成本函数等价于强跳踪迹性等低度现象。它允许以下决定性反例：固定输入表示、允许神谕与统一性要求，按“累计变更成本／允许的近似阶段数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。检验时必须让支持方与反对方在同一对象、同一误差口径和同一停止规则下比较，否则双方只是在各自定义的成功条件里获胜。

Greenberg与Nies在2011年JSL 76卷289–312页的良性成本函数理论提供了决定性证据。论文定义成本c(x,s)并以总支付Σc(x,s)衡量逼近；良性条件把超过阈值2^{-k}的昂贵变更次数限制为可计算函数。这里最有信息量的读数是“累计变更成本／允许的近似阶段数”：它把抽象争论压成别人能够复算的比例、维数、阈值、误差阶或有效样本量。数字并非装饰，而是说明究竟哪一层默认被改写。

主结果没有消灭争议。成本刻画主要针对可枚举或Δ²₀逼近；不同成本族之间的蕴含和随机覆盖需额外定理。它明确在以下情形失效：若对象落入以下已知边界，本条不再自动成立：成本刻画主要针对可枚举或Δ²₀逼近；不同成本族之间的蕴含和随机覆盖需额外定理。决定性证据应同时给出最强支持对象与最强反例，并登记名称系统、查询复杂度和归约统一性；如果结论只在作者选择的表示、样本或停止规则下成立，就只能称为条件性转向。

实践后果是：不可计算对象的复杂性从静态Turing度转成“构造过程中改主意要花多少钱”，便于与随机性结合。报告应围绕“累计变更成本／允许的近似阶段数”同时列出失败对象、资源成本与敏感性结果，排除筛选或未计成本造成的表面优势。

跨域入口是与第309号在线学习共享心智改变预算；与第360号能耗会计共享累计成本而非最终状态。异名为学习理论称“mistake bound”，控制论称“切换成本”；另见第309号在线变点。碰撞须固定“低度信息应表现为可由有限总成本的近似过程获得”并比较“累计变更成本／允许的近似阶段数”；第三项是输入表示、神谕资源与极限层数。

位置E——把『成本函数把低度性变成可支付预算』成立所需的边界环境作为首要显露　单因决定『成本函数把低度性变成可支付预算』当前结论的最小充分项只有：可枚举集合的低度性可以由其逼近过程累计支付的变更成本刻画　预设〔01 谁进入分母〕低度信息应表现为可由有限总成本的近似过程获得　量纲累计变更成本／允许的近似阶段数　失效失效边界是『对象落入以下已知边界，本条不再自动成立：成本刻画主要针对可枚举或Δ²₀逼近；不同成本族之间的蕴含和随机覆盖需额外定理』；越过该边界，相关条件越强，累计变更成本反而越低　自曝『成本函数把低度性变成可支付预算』的原始材料只直接支持“Greenberg与Nies在2011年JSL76卷289–312页的良性成本函数理论提供了决定性证据”，没有自动覆盖边界外对象　空栏『成本函数把低度性变成可支付预算』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名学习理论称“mistakebound”，控制论称“切换成本”；另见第 215 号第 17 条『深度强化学习托卡马克控制：控制器可以直接学习线圈动作』

丁、差分随机性刻画随机但不完备Difference Randomness

提出Johanna N. Y. Franklin与Keng Meng Ng，2011年《Proceedings of the American Mathematical Society》139(1):345–360，DOI:10.1090/S0002-9939-2010-10434-4　争议或最新后续与K平凡覆盖的关系见Greenberg、Miller与Nies等工作　关键Martin-Löf随机序列是否计算停机问题，可由一种带差集结构的有效检验精确区分

2011年前后，旧框架把问题压成一句话：“算法随机性把“通过所有有效零测检验”当作统一标准，却不能区分随机序列拥有多少计算能力”。但两条同样Martin-Löf随机的序列，一条可能计算∅′，另一条不计算，经典检验看不见该差异，使同名结论在不同对象上并不可比。这里的卡点不是技巧不足，而是分母缺席：只有把“通过的差分检验数／全部有效差分检验数”固定下来，才能区分真结构、近似误差与由选择过程制造的表面一致。

新命题明确写成：差分随机性恰好等于Martin-Löf随机且Turing不完备，检验允许开集减去一个闭集。这句话可以被反驳，检验方式是：固定输入表示、允许神谕与统一性要求，按“通过的差分检验数／全部有效差分检验数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。它要求同时锁定对象类、归一化和资源预算；若只换一批更有利的数据、放宽失败标准或改用更弱基线，得到的只是另一条命题，不能算对原主张的支持。

主证据来自Franklin与Ng在2011年Proc. AMS 139卷345–360页的差分随机性工作。论文证明通过所有差分检验的实数正是随机但不计算停机问题者；测度预算仍按2^{-n}限制，区别在检验结构。其关键不是论文规模，而是给出了“通过的差分检验数／全部有效差分检验数”这一可核对读数；它使同一命题能够跨对象、跨样本或跨尺度复验。后来工作可以扩大范围、改进常数或增加样本，却不能替代这笔证据在历史上的归幕位置。

后续争论集中在：刻画针对二进制实数和Martin-Löf框架；更强Demuth随机、相对随机和非均匀测度需不同检验。因此，本条并非无条件有效；若对象落入以下已知边界，本条不再自动成立：刻画针对二进制实数和Martin-Löf框架；更强Demuth随机、相对随机和非均匀测度需不同检验。收口所需的不是一句“仍需研究”，而是一套双方都可能失败的设计：统一对象、分母、反例族和资源预算，并让“通过的差分检验数／全部有效差分检验数”在独立材料上接受复算。

由此，“随机性多强”与“能计算什么”不再混成一轴，随机性等级开始按信息能力精细分层。对本项证据须公开“通过的差分检验数／全部有效差分检验数”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第307号先验预测共享“拟合不可等同于信息充分”；与第306号高维选择共享筛选后信息增加。异名：密码学称“随机但不万能”，统计学称“不可预测不等于充分”；另见第354号伪随机性。共享预设为“统计不可预测性与计算完备性是两个可分离维度”；先统一“通过的差分检验数／全部有效差分检验数”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置D——把『差分随机性刻画随机但不完备』中的操作次序与变化路径作为首要显露　单因决定『差分随机性刻画随机但不完备』当前结论的最小充分项只有：Martin-Löf随机序列是否计算停机问题，可由一种带差集结构的有效检验精确区分　预设〔02 单一读数代表复杂对象〕统计不可预测性与计算完备性是两个可分离维度　量纲通过的差分检验数／全部有效差分检验数　失效失效边界是『对象落入以下已知边界，本条不再自动成立：刻画针对二进制实数和Martin-Löf框架；更强Demuth随机、相对随机和非均匀测度需不同检验』；越过该边界，相关条件越强，通过的差分检验数反而越低　自曝『差分随机性刻画随机但不完备』的原始材料只直接支持“主证据来自Franklin与Ng在2011年Proc.AMS139卷345–360页的差分随机性工作”，没有自动覆盖边界外对象　空栏『差分随机性刻画随机但不完备』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名密码学称“随机但不万能”，统计学称“不可预测不等于充分”；另见第 591 号第 6 条『随机光学重建显微』

戊、Weihrauch度把定理当多值计算问题Weihrauch Degrees of Theorems

提出Vasco Brattka与Guido Gherardi，2011年《Journal of Symbolic Logic》76(1):143–176，DOI:10.2178/jsl/1294170993　争议或最新后续代数结构见Brattka与Pauly，2018年《Logical Methods in Computer Science》14(1):4，1–36　关键数学定理的统一计算内容应按一次调用另一个问题能否求解来比较

在2011年前后的文献中，默认判断仍是“经典递归论比较集合或单值函数，逆向数学比较公理，却难以表示“给实例，任选一个解”的定理”。它没有处理闭选择、极值定理和存在性定理天然是多值问题，非统一证明可能掩盖真实算法资源，因此会把局部成功写成一般规律，或把尚未测量写成不存在。本条转向首先做了一次口径清算：以“所需oracle调用次数／求解一个输入实例”为共同尺度，重新规定哪些对象、误差和边界有资格进入结论。

本条把转向压成一句可检验的话：将定理表示为多值函数，以Weihrauch可约性比较其统一求解能力，可形成细粒度度结构。可反驳版本为：固定输入表示、允许神谕与统一性要求，按“所需oracle调用次数／求解一个输入实例”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这一区分很重要，因为同一个标题可以在更窄对象类上成立、在更大类上失效；若不登记分母与适用域，后来的推广和反例就会被误写成互相矛盾。

证据链的锚点是Brattka与Gherardi在2011年JSL 76卷143–176页的Weihrauch度框架。论文把LPO、LLPO、闭选择等全知原则嵌入Weihrauch格，并证明多种弱可计算函数类的精确等价；一次oracle调用是基本分母。若只保留结论而删去读数，读者无法知道改变发生在对象数、尺度、覆盖、计算复杂度还是预测误差；“所需oracle调用次数／求解一个输入实例”因此是本条最应被复核的部分，也是后续反例必须对齐的分母。

结论的边界同样具体：度依赖输入输出表示；允许多次并行、顺序组合或极限操作时，问题位置会变化。可检查的失效条件是：若对象落入以下已知边界，本条不再自动成立：度依赖输入输出表示；允许多次并行、顺序组合或极限操作时，问题位置会变化。争议若要收敛，双方需在最容易触发这些边界的对象上共同检验，并公开名称系统、查询复杂度和归约统一性；只展示顺手的对象或平均结果，会把条件性成功误报为普遍规律。

它还改变了知识如何被保存和复用：“定理A比B强”获得可执行含义：一个B求解器在怎样的前后处理下能否统一实现A。围绕“所需oracle调用次数／求解一个输入实例”公开数据、代码、形式对象、反例或误差账本，能让结论在更换团队后继续接受检验。只保留标题和平均结果，会把一条有边界的理论重新变成不可核对的口号。

接口见与第352号模块化证明共享oracle接口；与第357号协议编排共享一次调用和组合次序。其他领域称：复杂性理论称“归约”，软件工程称“API依赖”；另见第352号证明模块。只有“所需oracle调用次数／求解一个输入实例”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置E——把『Weihrauch度把定理当多值计算问题』成立所需的边界环境作为首要显露　单因决定『Weihrauch度把定理当多值计算问题』当前结论的最小充分项只有：数学定理的统一计算内容应按一次调用另一个问题能否求解来比较　预设〔02 单一读数代表复杂对象〕定理的非构造内容可由统一求解器之间的可约性表示　量纲所需oracle调用次数／求解一个输入实例　失效失效边界是『对象落入以下已知边界，本条不再自动成立：度依赖输入输出表示；允许多次并行、顺序组合或极限操作时，问题位置会变化』；越过该边界，相关条件越强，所需oracle调用次数反而越低　自曝『Weihrauch度把定理当多值计算问题』的原始材料只直接支持“证据链的锚点是Brattka与Gherardi在2011年JSL76卷143–176页的Weihrauch度框架”，没有自动覆盖边界外对象　空栏『Weihrauch度把定理当多值计算问题』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名复杂性理论称“归约”，软件工程称“API依赖”；另见第 583 号第 16 条『Frontier百亿亿次应用』

己、Bolzano–Weierstrass是弱König引理的跳Bolzano–Weierstrass as a Jump

提出Vasco Brattka、Guido Gherardi与Alberto Marcone，2012年《Annals of Pure and Applied Logic》163(6):623–655，DOI:10.1016/j.apal.2011.10.006　争议或最新相关背景见弱König引理与紧选择的Weihrauch度研究　关键从有界序列找聚点，比从无限二叉树找路径恰好多一个极限跳跃

到2012年前后，常见出发点仍是“紧致性定理常被并列为等价存在原理，但统一算法对输入负信息的使用程度不同”。真正暴露问题的并非一个孤立反例，而是序列只给逐项近似，聚点位置需要识别无限次变化，树路径问题的输入信息形态不同。当研究者改用“极限算子嵌套层数／一次紧选择调用”比较时，旧叙事中被隐藏的代价、边界或层级差异显现出来；这也是本条能够成为新思想而不是普通技术改良的原因。

可以把命题写为：Bolzano–Weierstrass定理的Weihrauch度等于弱König引理度的跳跃。与口号不同，它预先承诺了失败方式：固定输入表示、允许神谕与统一性要求，按“极限算子嵌套层数／一次紧选择调用”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这使研究者不能在结果出现后移动对象边界、改评分规则或删去困难实例；若这些条件必须改变，结论应被重新命名，而不是继续沿用原来的理论标签。

Brattka、Gherardi与Marcone在2012年APAL 163卷623–655页的跳定理是本条的证据起点。作者证明BWT≡WKL′，并把聚点问题分解为紧选择加极限算子；跳操作精确增加一层不连续性。具体读数“极限算子嵌套层数／一次紧选择调用”把旧默认送上同一口径的检验台：纯数学中它表现为结构降维、常数或端点，统计与教育研究中则表现为样本、效应、覆盖或预测损失。共同点是结论不再只靠叙述成立。

反对意见主要针对外延，而非简单否认主结果：结论依赖标准表示和并行化；在特定空间、唯一聚点或附加收敛模量下强度会下降。本条的失效条件为：若对象落入以下已知边界，本条不再自动成立：结论依赖标准表示和并行化；在特定空间、唯一聚点或附加收敛模量下强度会下降。要判断边界是否只是技术限制，需把名称系统、查询复杂度和归约统一性与同一分母下的独立复验放在一起；若方向随对象类或归一化改变，就应主动收窄标题。

实践后果是：分析定理的“多一层非构造性”第一次被写成代数跳操作，为连续性与紧致性分类提供刻度。报告应围绕“极限算子嵌套层数／一次紧选择调用”同时列出失败对象、资源成本与敏感性结果，排除筛选或未计成本造成的表面优势。

跨域入口是与第309号极限预测共享“数据流多一层极限”；与第301号分类不变量共享表示对强度的影响。异名为统计学称“估计后再取极限”，逻辑称“跳算子”；另见第309号递归预测。碰撞须固定“输入近似中的一次极限不确定性对应可约性度的一次跳”并比较“极限算子嵌套层数／一次紧选择调用”；第三项是输入表示、神谕资源与极限层数。

位置S——把『Bolzano–Weierstrass是弱König引理的跳』形成的对象结构作为首要显露　单因决定『Bolzano–Weierstrass是弱König引理的跳』当前结论的最小充分项只有：从有界序列找聚点，比从无限二叉树找路径恰好多一个极限跳跃　预设〔02 单一读数代表复杂对象〕输入近似中的一次极限不确定性对应可约性度的一次跳　量纲极限算子嵌套层数／一次紧选择调用　失效失效边界是『对象落入以下已知边界，本条不再自动成立：结论依赖标准表示和并行化；在特定空间、唯一聚点或附加收敛模量下强度会下降』；越过该边界，相关条件越强，极限算子嵌套层数反而越低　自曝『Bolzano–Weierstrass是弱König引理的跳』的原始材料只直接支持“Brattka、Gherardi与Marcone在2012年APAL163卷623–655页的跳定理是本条的证据起点”，没有自动覆盖边界外对象　空栏『Bolzano–Weierstrass是弱König引理的跳』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名统计学称“估计后再取极限”，逻辑称“跳算子”；另见第 211 号第 18 条『几何神经算子的连续极限：离散网格模型必须可迁移』

庚、闭选择统一了多种非确定计算Closed Choice and Low Basis

提出Vasco Brattka、Matthew de Brecht与Arno Pauly，2012年《Annals of Pure and Applied Logic》163(8):986–1008，DOI:10.1016/j.apal.2011.12.020　争议或最新后续表示空间框架见Arno Pauly，2016年《Computability》5(2):159–180　关键给出“哪些点不是解”的负信息后选一个解，可统一刻画多种非确定计算模型

2012年前后，本领域常把“非确定计算、建议串和选择公理通常在不同形式体系中分别研究”当作默认起点。它在典型对象上看似稳固，却被同一选择动作随底空间从自然数、Cantor空间到Baire空间变化，会得到完全不同的计算能力直接顶住。真正需要更换的不是符号，而是比较单位：一旦把“建议空间可编码比特数／一个闭选择实例”写进分母，原来混在一起的结构差异便必须分别说明，旧结论也不再能够无条件外推。

核心主张是：闭选择C_X的Weihrauch度由空间X决定，并分别对应有限心智改变、弱可计算和有效Borel可测等类。它不是定义性的正确，而有清楚的否证口：固定输入表示、允许神谕与统一性要求，按“建议空间可编码比特数／一个闭选择实例”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。因此，论证责任从“展示一个成功例子”转为说明成功在什么范围保持、失败在什么条件出现，并把存在性、稳定性、可计算性或可迁移性分层报告。

Brattka、de Brecht与Pauly在2012年APAL 163卷986–1008页的闭选择工作给出主证据：论文证明多个选择度与建议空间模型等价，并给出统一低基定理：Cantor闭选择不会把输出推到过高跳度。这项工作的力量在于把问题从“有人相信什么”移到“什么数值或结构量可以重做”。按“建议空间可编码比特数／一个闭选择实例”组织证据后，支持结果、零结果与失败对象可以放进同一张账本，不再依靠术语声望比较。

截至2026年，未收敛部分是：编码表示和空间紧局部性关键；闭集若以正信息给出或选择唯一，计算度会改变。这意味着“成立”至少要区分存在、稳定、可实现与可迁移四层；失效口为：若对象落入以下已知边界，本条不再自动成立：编码表示和空间紧局部性关键；闭集若以正信息给出或选择唯一，计算度会改变。只有在统一的“建议空间可编码比特数／一个闭选择实例”上报告失败概率、误差范围或常数依赖，争论才可能真正结束。

由此，非确定性不再按“猜测”笼统讨论，而按建议空间的拓扑容量计量。对本项证据须公开“建议空间可编码比特数／一个闭选择实例”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第308号抽样框架共享“候选集如何表示”；与第353号检索共享负信息筛选。异名：机器学习称“候选生成”，调查抽样称“抽样框”；另见第308号覆盖误差。共享预设为“非确定计算的强度由可供选择的空间结构而非候选数 alone 决定”；先统一“建议空间可编码比特数／一个闭选择实例”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置E——把『闭选择统一了多种非确定计算』成立所需的边界环境作为首要显露　单因决定『闭选择统一了多种非确定计算』当前结论的最小充分项只有：给出“哪些点不是解”的负信息后选一个解，可统一刻画多种非确定计算模型　预设〔03 相关方向等同因果方向〕非确定计算的强度由可供选择的空间结构而非候选数alone决定　量纲建议空间可编码比特数／一个闭选择实例　失效失效边界是『对象落入以下已知边界，本条不再自动成立：编码表示和空间紧局部性关键；闭集若以正信息给出或选择唯一，计算度会改变』；越过该边界，相关条件越强，建议空间可编码比特数反而越低　自曝『闭选择统一了多种非确定计算』的原始材料只直接支持“Brattka、deBrecht与Pauly在2012年APAL163卷986–1008页的闭选择工作给出主证据：论文证明多个选择度与建议空间模型等”，没有自动覆盖边界外对象　空栏『闭选择统一了多种非确定计算』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名机器学习称“候选生成”，调查抽样称“抽样框”；另见第 592 号第 14 条『物理信息神经算子』

辛、谱隙问题在二维量子系统中不可判定Undecidability of the Spectral Gap

提出Toby S. Cubitt、David Pérez-García与Michael M. Wolf，2015年《Nature》528:207–211，DOI:10.1038/nature16059　争议或最新一维扩展见Bausch、Cubitt、Lucia与Pérez-García，2020年《Physical Review X》10:031038　关键有限描述的平移不变量量子自旋模型，其热力学极限是否有谱隙不存在通用算法

在2015年前后的文献中，标准叙事是“物理中常默认给定局域哈密顿量后，足够大的有限系统可以揭示无限体系相态”。这个叙事之所以长期有效，是因为经典例子没有暴露如下缺口：有限尺寸谱隙可能长期模拟一种行为而在更大尺度翻转，极限问题能编码停机计算。主证据迫使研究者把对象、表示与验证尺度拆开；以“可靠判定所需系统尺寸／输入哈密顿量描述长度”重新计量后，过去被当作技术噪声的部分，成为决定结论方向的变量。

理论内容不是“再加一种方法”，而是：二维局域哈密顿量的谱隙判定是不可判定的，而且有隙与无隙两类之间不存在有限尺寸通用阈值。它允许以下决定性反例：固定输入表示、允许神谕与统一性要求，按“可靠判定所需系统尺寸／输入哈密顿量描述长度”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。检验时必须让支持方与反对方在同一对象、同一误差口径和同一停止规则下比较，否则双方只是在各自定义的成功条件里获胜。

Cubitt、Pérez-García与Wolf在2015年Nature 528卷207–211页的谱隙不可判定结果提供了决定性证据。作者构造局域相互作用把通用图灵机停机嵌入热力学极限；同一有限局域维数下，谱隙要么为正要么连续谱逼近零。这里最有信息量的读数是“可靠判定所需系统尺寸／输入哈密顿量描述长度”：它把抽象争论压成别人能够复算的比例、维数、阈值、误差阶或有效样本量。数字并非装饰，而是说明究竟哪一层默认被改写。

争议边界是：构造模型高度特殊，不能推出日常材料的谱隙都不可算；稳健性和物理自然性仍有争论。失效条件为：若对象落入以下已知边界，本条不再自动成立：构造模型高度特殊，不能推出日常材料的谱隙都不可算；稳健性和物理自然性仍有争论。收敛需统一对象与“可靠判定所需系统尺寸／输入哈密顿量描述长度”，并公开名称系统、查询复杂度和归约统一性及最强反例。

另一处后果是：“多算几个格点”不再是普遍有效的验证策略，有限尺寸外推必须说明结构假设。最低报告责任包括“可靠判定所需系统尺寸／输入哈密顿量描述长度”、最坏对象与成本账本，负结果属于理论边界而非附注。

接口见与第301号MIP*=RE共享物理相关集合的不可判定边界；与第360号基准外推共享有限规模误导。其他领域称：物理称“谱隙不可判定”，软件验证称“有限测试无法完备”；另见第352号模型检验边界。只有“可靠判定所需系统尺寸／输入哈密顿量描述长度”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置S——把『谱隙问题在二维量子系统中不可判定』形成的对象结构作为首要显露　单因决定『谱隙问题在二维量子系统中不可判定』当前结论的最小充分项只有：有限描述的平移不变量量子自旋模型，其热力学极限是否有谱隙不存在通用算法　预设〔03 相关方向等同因果方向〕无限体系性质可把任意长计算隐藏在尺度极限中　量纲可靠判定所需系统尺寸／输入哈密顿量描述长度　失效失效边界是『对象落入以下已知边界，本条不再自动成立：构造模型高度特殊，不能推出日常材料的谱隙都不可算；稳健性和物理自然性仍有争论』；越过该边界，相关条件越强，可靠判定所需系统尺寸反而越低　自曝『谱隙问题在二维量子系统中不可判定』的原始材料只直接支持“Cubitt、Pérez-García与Wolf在2015年Nature528卷207–211页的谱隙不可判定结果提供了决定性证据”，没有自动覆盖边界外对象　空栏『谱隙问题在二维量子系统中不可判定』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名物理称“谱隙不可判定”，软件验证称“有限测试无法完备”；另见第 585 号第 12 条『有限元模型验证与确认』
【第二幕】这十年 · 约 2016—2026

第二幕开始给这些边界建立代数和工程接口：表示空间决定输入信息，函子保证翻译一致，SCI计算误差层级，学习与神经网络暴露可执行性障碍，局部复杂度则显示哪些附加结构能恢复算法。从“表示空间：可计算性先取决于名字”到“有限局部复杂度使无限谱恢复可计算”，共同动作是接受规模、复制、边界与部署检验；主证据落在2016—2026年。

一、表示空间：可计算性先取决于名字Represented Spaces as the Base Category

提出Arno Pauly，2016年《Computability》5(2):159–180，DOI:10.3233/COM-150049　争议或最新Brattka、de Brecht与Pauly 2012年的闭选择工作　关键实数、函数和闭集的算法性质必须连同其表示一起陈述

2016年前后，旧框架把问题压成一句话：“研究常直接问一个抽象对象是否可计算，默认编码只是技术细节”。但同一对象若用柯西名、负信息或枚举名表示，输入可获得的信息完全不同，使同名结论在不同对象上并不可比。这里的卡点不是技巧不足，而是分母缺席：只有把“可恢复信息位数／输入名字长度”固定下来，才能区分真结构、近似误差与由选择过程制造的表面一致。

新命题明确写成：可计算分析应在表示空间范畴中工作，连续性与可计算性都相对于表示定义。这句话可以被反驳，检验方式是：固定输入表示、允许神谕与统一性要求，按“可恢复信息位数／输入名字长度”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。它要求同时锁定对象类、归一化和资源预算；若只换一批更有利的数据、放宽失败标准或改用更弱基线，得到的只是另一条命题，不能算对原主张的支持。

主证据来自Pauly在2016年Computability 5卷159–180页的表示空间综述与框架。论文系统化表示空间上的积、函数空间、子集空间与选择操作，展示许多定理的Weihrauch度来自表示而非对象名称。其关键不是论文规模，而是给出了“可恢复信息位数／输入名字长度”这一可核对读数；它使同一命题能够跨对象、跨样本或跨尺度复验。后来工作可以扩大范围、改进常数或增加样本，却不能替代这笔证据在历史上的归幕位置。

后续争论集中在：等价表示之间结论稳定，但不等价表示会改变度；实际科学数据的有限精度表示如何映射到形式名字仍需建模。因此，本条并非无条件有效；若对象落入以下已知边界，本条不再自动成立：等价表示之间结论稳定，但不等价表示会改变度；实际科学数据的有限精度表示如何映射到形式名字仍需建模。收口所需的不是一句“仍需研究”，而是一套双方都可能失败的设计：统一对象、分母、反例族和资源预算，并让“可恢复信息位数／输入名字长度”在独立材料上接受复算。

实践后果是：任何“算法求解数学对象”的声明都必须把输入输出名字写进问题，防止把隐藏oracle当普通数据。报告应围绕“可恢复信息位数／输入名字长度”同时列出失败对象、资源成本与敏感性结果，排除筛选或未计成本造成的表面优势。

跨域入口是与第307号参数化共享“同一后验的表示改变算法”；与第353号索引共享对象与索引不可混同。异名为统计称“数据编码机制”，软件称“序列化格式”；另见第353号索引表示。碰撞须固定“可计算性是对象加表示的二元性质”并比较“可恢复信息位数／输入名字长度”；第三项是输入表示、神谕资源与极限层数。

位置D——把『表示空间：可计算性先取决于名字』中的操作次序与变化路径作为首要显露　单因决定『表示空间：可计算性先取决于名字』当前结论的最小充分项只有：实数、函数和闭集的算法性质必须连同其表示一起陈述　预设〔03 相关方向等同因果方向〕可计算性是对象加表示的二元性质　量纲可恢复信息位数／输入名字长度　失效失效边界是『对象落入以下已知边界，本条不再自动成立：等价表示之间结论稳定，但不等价表示会改变度；实际科学数据的有限精度表示如何映射到形式名字仍需建模』；越过该边界，相关条件越强，可恢复信息位数反而越低　自曝『表示空间：可计算性先取决于名字』的原始材料只直接支持“主证据来自Pauly在2016年Computability5卷159–180页的表示空间综述与框架”，没有自动覆盖边界外对象　空栏『表示空间：可计算性先取决于名字』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名统计称“数据编码机制”，软件称“序列化格式”；另见第 214 号第 8 条『差分隐私优化：噪声预算必须和统计误差同账』

二、组合问题之间的统一归约必须保持实例Uniform Reductions Between Combinatorial Problems

提出François G. Dorais、Damir D. Dzhafarov、Jeffry L. Hirst、Joseph R. Mileti与Paul Shafer，2016年《Transactions of the American Mathematical Society》368(2):1321–1359，DOI:10.1090/tran/6385　争议或最新后续见强归约与Weihrauch归约的分离研究　关键逆向数学中公理蕴含不保证存在保持实例结构的统一转换

在2016年前后的文献中，默认判断仍是“两个定理在二阶算术中等价，证明可能多次调用或使用全局模型信息”。它没有处理把A实例转成B实例后，B的任一解是否都能回译成A解，是更严格的算法问题，因此会把局部成功写成一般规律，或把尚未测量写成不存在。本条转向首先做了一次口径清算：以“可调用目标求解器次数／一个源实例”为共同尺度，重新规定哪些对象、误差和边界有资格进入结论。

本条把转向压成一句可检验的话：强可计算归约、可计算归约与Weihrauch归约形成不同层次，能分离许多经典组合原理。可反驳版本为：固定输入表示、允许神谕与统一性要求，按“可调用目标求解器次数／一个源实例”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这一区分很重要，因为同一个标题可以在更窄对象类上成立、在更大类上失效；若不登记分母与适用域，后来的推广和反例就会被误写成互相矛盾。

证据链的锚点是Dorais等在2016年Trans. AMS 368卷1321–1359页的统一归约比较。论文比较Ramsey型、DNR与凝聚原理，构造实例证明逻辑蕴含并不推出统一归约；回译能否访问原实例是关键分母。若只保留结论而删去读数，读者无法知道改变发生在对象数、尺度、覆盖、计算复杂度还是预测误差；“可调用目标求解器次数／一个源实例”因此是本条最应被复核的部分，也是后续反例必须对齐的分母。

结论的边界同样具体：归约关系受允许调用次数和回译信息限制；不同基础表示可能改变结果。可检查的失效条件是：若对象落入以下已知边界，本条不再自动成立：归约关系受允许调用次数和回译信息限制；不同基础表示可能改变结果。争议若要收敛，双方需在最容易触发这些边界的对象上共同检验，并公开名称系统、查询复杂度和归约统一性；只展示顺手的对象或平均结果，会把条件性成功误报为普遍规律。

由此，证明论等价被拆成可复用算法接口，显示“理论上可推出”与“模块化可实现”并非同义。对本项证据须公开“可调用目标求解器次数／一个源实例”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第352号证明组件复用共享黑箱边界；与第357号多智能体协议共享回译权限。异名：软件工程称“黑箱可替换”，机制设计称“可实施归约”；另见第352号模块证明。共享预设为“定理间的实际可替换性要求实例级统一转换”；先统一“可调用目标求解器次数／一个源实例”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置S——把『组合问题之间的统一归约必须保持实例』形成的对象结构作为首要显露　单因决定『组合问题之间的统一归约必须保持实例』当前结论的最小充分项只有：逆向数学中公理蕴含不保证存在保持实例结构的统一转换　预设〔04 尺度迁移不改变结论〕定理间的实际可替换性要求实例级统一转换　量纲可调用目标求解器次数／一个源实例　失效失效边界是『对象落入以下已知边界，本条不再自动成立：归约关系受允许调用次数和回译信息限制；不同基础表示可能改变结果』；越过该边界，相关条件越强，可调用目标求解器次数反而越低　自曝『组合问题之间的统一归约必须保持实例』的原始材料只直接支持“证据链的锚点是Dorais等在2016年Trans.AMS368卷1321–1359页的统一归约比较”，没有自动覆盖边界外对象　空栏『组合问题之间的统一归约必须保持实例』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名软件工程称“黑箱可替换”，机制设计称“可实施归约”；另见第 438 号第 13 条『模块化建造把项目绩效前移到设计冻结』

三、可计算函子等价于有效可解释性Computable Functors and Effective Interpretability

提出Matthew Harrison-Trainor、Alexander Melnikov、Antonio Montalbán与Keng Meng Ng，2017年《Journal of Symbolic Logic》82(1):77–97，DOI:10.1017/jsl.2016.12　争议或最新后续见在线结构理论与范畴化归约　关键结构之间的有效翻译应保持同构及其复合，而不仅把每个副本单独编码

到2017年前后，常见出发点仍是“传统可计算可表示性只要求从一个结构副本造出另一个，翻译可能不尊重同构箭头”。真正暴露问题的并非一个孤立反例，而是若不同编码路径给出不一致结果，就不能把翻译当真正数学解释。当研究者改用“保持复合的可计算箭头数／全部可计算同构数”比较时，旧叙事中被隐藏的代价、边界或层级差异显现出来；这也是本条能够成为新思想而不是普通技术改良的原因。

可以把命题写为：从一个结构类到另一个的可计算函子与有效无穷逻辑可解释性在适当意义下等价。与口号不同，它预先承诺了失败方式：固定输入表示、允许神谕与统一性要求，按“保持复合的可计算箭头数／全部可计算同构数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这使研究者不能在结果出现后移动对象边界、改评分规则或删去困难实例；若这些条件必须改变，结论应被重新命名，而不是继续沿用原来的理论标签。

Harrison-Trainor等在2017年JSL 82卷77–97页的可计算函子定理是本条的证据起点。论文把对象映射与同构映射同时可计算的函子，和统一有效解释公式对应；自然同构提供回程一致性。具体读数“保持复合的可计算箭头数／全部可计算同构数”把旧默认送上同一口径的检验台：纯数学中它表现为结构降维、常数或端点，统计与教育研究中则表现为样本、效应、覆盖或预测损失。共同点是结论不再只靠叙述成立。

反对意见主要针对外延，而非简单否认主结果：结果在可数结构与特定表示范畴内；更高范畴或连续结构需新形式。本条的失效条件为：若对象落入以下已知边界，本条不再自动成立：结果在可数结构与特定表示范畴内；更高范畴或连续结构需新形式。要判断边界是否只是技术限制，需把名称系统、查询复杂度和归约统一性与同一分母下的独立复验放在一起；若方向随对象类或归一化改变，就应主动收窄标题。

另一处后果是：“能编码”升级为“能以保持关系的方式解释”，防止只在对象层成功而在变换层失真。最低报告责任包括“保持复合的可计算箭头数／全部可计算同构数”、最坏对象与成本账本，负结果属于理论边界而非附注。

接口见与第303号极限代数化共享结构恢复；与第357号代理通信共享消息变换必须保持组合。其他领域称：数据库称“模式映射”，范畴论称“函子”；另见第353号语义检索。只有“保持复合的可计算箭头数／全部可计算同构数”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置D——把『可计算函子等价于有效可解释性』中的操作次序与变化路径作为首要显露　单因决定『可计算函子等价于有效可解释性』当前结论的最小充分项只有：结构之间的有效翻译应保持同构及其复合，而不仅把每个副本单独编码　预设〔04 尺度迁移不改变结论〕有效翻译必须同时保持对象和同构箭头　量纲保持复合的可计算箭头数／全部可计算同构数　失效若对象落入以下已知边界，本条不再自动成立：结果在可数结构与特定表示范畴内；更高范畴或连续结构需新形式　自曝『可计算函子等价于有效可解释性』的原始材料只直接支持“Harrison-Trainor等在2017年JSL82卷77–97页的可计算函子定理是本条的证据起点”，没有自动覆盖边界外对象　空栏『可计算函子等价于有效可解释性』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名数据库称“模式映射”，范畴论称“函子”；另见第 212 号第 4 条『量子群范畴化：系数要被对象与态射解释』

四、Weihrauch度长出组合代数Algebra of Weihrauch Degrees

提出Vasco Brattka与Arno Pauly，2018年《Logical Methods in Computer Science》14(1):4:1–4:36，DOI:10.23638/LMCS-14(1:4)2018　争议或最新前身见Brattka与Gherardi 2011年的Weihrauch度　关键问题组合的次序与并行性应由度上的运算表达，而不是口头说“调用几次”

2018年前后，本领域常把“早期Weihrauch格主要比较单个问题，复合算法的顺序依赖难以代数化”当作默认起点。它在典型对象上看似稳固，却被先求A再根据结果求B，与并行求A和B显然不同，普通格运算看不见这种差别直接顶住。真正需要更换的不是符号，而是比较单位：一旦把“顺序oracle调用深度／并行调用宽度”写进分母，原来混在一起的结构差异便必须分别说明，旧结论也不再能够无条件外推。

核心主张是：组合积、蕴含和闭包运算把顺序调用、资源残差与迭代写进Weihrauch度代数。它不是定义性的正确，而有清楚的否证口：固定输入表示、允许神谕与统一性要求，按“顺序oracle调用深度／并行调用宽度”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。因此，论证责任从“展示一个成功例子”转为说明成功在什么范围保持、失败在什么条件出现，并把存在性、稳定性、可计算性或可迁移性分层报告。

Brattka与Pauly在2018年LMCS 14卷第1期第4文的代数结构研究给出主证据：论文定义compositional product与implication，分析分配律、理想和商结构；运算项的等式直接代表算法组合定律。这项工作的力量在于把问题从“有人相信什么”移到“什么数值或结构量可以重做”。按“顺序oracle调用深度／并行调用宽度”组织证据后，支持结果、零结果与失败对象可以放进同一张账本，不再依靠术语声望比较。

截至2026年，未收敛部分是：代数不是Heyting或Brouwer代数的简单实例，许多直觉分配律失败；无限迭代仍有开放问题。这意味着“成立”至少要区分存在、稳定、可实现与可迁移四层；失效口为：若对象落入以下已知边界，本条不再自动成立：代数不是Heyting或Brouwer代数的简单实例，许多直觉分配律失败；无限迭代仍有开放问题。只有在统一的“顺序oracle调用深度／并行调用宽度”上报告失败概率、误差范围或常数依赖，争论才可能真正结束。

由此产生的制度性变化是：非构造资源可以像程序语义一样组合，定理库开始具备可计算的“接口代数”。本领域需要把“顺序oracle调用深度／并行调用宽度”写进最低报告规范，使后来者知道成功来自对象结构、识别设计还是计算资源。负结果和失败样本不是附注，而是判断这条思想能否迁移的组成部分。

跨域入口是与第357号智能体编排共享顺序/并行区别；与第351号并行计算共享临界路径。异名为工作流称“串并行编排”，逻辑称“组合积”；另见第357号协议组合。碰撞须固定“问题的计算强度不仅由成员决定，也由调用顺序决定”并比较“顺序oracle调用深度／并行调用宽度”；第三项是输入表示、神谕资源与极限层数。

位置E——把『Weihrauch度长出组合代数』成立所需的边界环境作为首要显露　单因决定『Weihrauch度长出组合代数』当前结论的最小充分项只有：问题组合的次序与并行性应由度上的运算表达，而不是口头说“调用几次”　预设〔04 尺度迁移不改变结论〕问题的计算强度不仅由成员决定，也由调用顺序决定　量纲顺序oracle调用深度／并行调用宽度　失效若对象落入以下已知边界，本条不再自动成立：代数不是Heyting或Brouwer代数的简单实例，许多直觉分配律失败；无限迭代仍有开放问题　自曝『Weihrauch度长出组合代数』的原始材料只直接支持“Brattka与Pauly在2018年LMCS14卷第1期第4文的代数结构研究给出主证据：论文定义compositionalproduct与impl”，没有自动覆盖边界外对象　空栏『Weihrauch度长出组合代数』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名工作流称“串并行编排”，逻辑称“组合积”；另见第 440 号第 6 条『档案不是中性仓库而是被组织生产的证据』

五、点到集原理把经典维数转成算法维数Point-to-Set Principle

提出Jack H. Lutz与Neil Lutz，2018年《ACM Transactions on Computation Theory》10(2):Article 7，22页，DOI:10.1145/3201783　争议或最新后续用于Kakeya集、距离集与投影问题　关键Hausdorff维数是全局覆盖量，算法维数是单点信息密度，二者长期分属不同语言

在2018年前后的文献中，标准叙事是“经典维数证明需对无穷覆盖取下确界，难以直接利用单点Kolmogorov复杂度”。这个叙事之所以长期有效，是因为经典例子没有暴露如下缺口：若每个点都相对某个oracle具有高信息密度，集合整体维数应能被恢复。主证据迫使研究者把对象、表示与验证尺度拆开；以“描述前n位所需程序长度／精度位数n”重新计量后，过去被当作技术噪声的部分，成为决定结论方向的变量。

理论内容不是“再加一种方法”，而是：集合Hausdorff维数等于对所有oracle取最小后、集合内点的最大相对有效维数。它允许以下决定性反例：固定输入表示、允许神谕与统一性要求，按“描述前n位所需程序长度／精度位数n”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。检验时必须让支持方与反对方在同一对象、同一误差口径和同一停止规则下比较，否则双方只是在各自定义的成功条件里获胜。

Lutz与Lutz在2018年ACM TOCT 10卷第7号文章中的点到集原理提供了决定性证据。论文给出dim_H(E)=min_A sup_{x∈E} dim^A(x)，并用于平面Kakeya集；量纲是每前n位所需程序位数/n。这里最有信息量的读数是“描述前n位所需程序长度／精度位数n”：它把抽象争论压成别人能够复算的比例、维数、阈值、误差阶或有效样本量。数字并非装饰，而是说明究竟哪一层默认被改写。

主结果没有消灭争议。原则依赖oracle最小化，通常不直接给出可构造的最优oracle；Packing维数需对应limsup版本。它明确在以下情形失效：若对象落入以下已知边界，本条不再自动成立：原则依赖oracle最小化，通常不直接给出可构造的最优oracle；Packing维数需对应limsup版本。决定性证据应同时给出最强支持对象与最强反例，并登记名称系统、查询复杂度和归约统一性；如果结论只在作者选择的表示、样本或停止规则下成立，就只能称为条件性转向。

实践上，本条要求：几何测度的全局覆盖问题可被转成单点信息率问题，为经典几何提供计算论入口。具体到本条，本项复核须同时说明“描述前n位所需程序长度／精度位数n”、最坏对象和计算或实施成本；否则一个看似更强的结果，可能只是使用了更窄的任务、更宽的容差或未计入的外部资源。

一处有价值的反例接口是：与第302号Kakeya条目共享集合维数；与第310号空间信息率共享局部到全局聚合。异名包括：信息论称“每尺度码率”，几何称“Hausdorff维数”；另见第302号Kakeya。本条解决的可能是结构是否成立，相邻领域则追问能否识别、计算、学习或制度化；两边只有在“描述前n位所需程序长度／精度位数n”可换算时才是同一动作，否则只是共享比喻。

位置D——把『点到集原理把经典维数转成算法维数』中的操作次序与变化路径作为首要显露　单因决定『点到集原理把经典维数转成算法维数』当前结论的最小充分项只有：Hausdorff维数是全局覆盖量，算法维数是单点信息密度，二者长期分属不同语言　预设〔05 观测与干预不回写对象〕集合维数可以由最坏点的相对算法信息密度恢复　量纲描述前n位所需程序长度／精度位数n　失效若对象落入以下已知边界，本条不再自动成立：原则依赖oracle最小化，通常不直接给出可构造的最优oracle；Packing维数需对应limsup版本　自曝『点到集原理把经典维数转成算法维数』的原始材料只直接支持“Lutz与Lutz在2018年ACMTOCT10卷第7号文章中的点到集原理提供了决定性证据”，没有自动覆盖边界外对象　空栏『点到集原理把经典维数转成算法维数』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名信息论称“每尺度码率”，几何称“Hausdorff维数”；另见第 211 号第 8 条『定量分层：奇异集要按尺度和对称缺失计数』

六、无限维谱计算需要误差层级Solvability Complexity Index for Spectra

提出Matthew J. Colbrook、Bogdan Roman与Anders C. Hansen，2019年《Physical Review Letters》122:250201，DOI:10.1103/PhysRevLett.122.250201　争议或最新后续有限局部复杂度可计算结果见Hege、Moscolari与Teufel 2025年预印本　关键“谱是否可计算”不足以描述需要几层极限和何种误差控制

2019年前后，旧框架把问题压成一句话：“有限矩阵特征值算法容易被误推广到无限维算子，谱污染会产生假本征值”。但算法可能给出收敛序列，却无法在有限阶段认证误差或排除伪谱，使同名结论在不同对象上并不可比。这里的卡点不是技巧不足，而是分母缺席：只有把“嵌套极限层数／一个认证谱输出”固定下来，才能区分真结构、近似误差与由选择过程制造的表面一致。

新命题明确写成：可解复杂度指数SCI按所需嵌套极限层数分类谱问题，区分单边逼近、双边误差与不可解。这句话可以被反驳，检验方式是：固定输入表示、允许神谕与统一性要求，按“嵌套极限层数／一个认证谱输出”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。它要求同时锁定对象类、归一化和资源预算；若只换一批更有利的数据、放宽失败标准或改用更弱基线，得到的只是另一条命题，不能算对原主张的支持。

主证据来自Colbrook、Roman与Hansen在2019年PRL 122卷250201号文章。论文为广类无限算子给出算法塔和下界，证明某些谱问题至少需两层或三层极限；层数成为结构量。其关键不是论文规模，而是给出了“嵌套极限层数／一个认证谱输出”这一可核对读数；它使同一命题能够跨对象、跨样本或跨尺度复验。后来工作可以扩大范围、改进常数或增加样本，却不能替代这笔证据在历史上的归幕位置。

后续争论集中在：结论取决于允许访问的矩阵元与算子类；增加局部复杂度、正则性或正规性可降低SCI。因此，本条并非无条件有效；若对象落入以下已知边界，本条不再自动成立：结论取决于允许访问的矩阵元与算子类；增加局部复杂度、正则性或正规性可降低SCI。收口所需的不是一句“仍需研究”，而是一套双方都可能失败的设计：统一对象、分母、反例族和资源预算，并让“嵌套极限层数／一个认证谱输出”在独立材料上接受复算。

另一处常被略过的是：数值分析的责任从“看起来收敛”转为报告极限层数和可认证误差方向。当本条进入证明库、课堂、临床、软件或工程流程时，不能只验最终分数，还要记录中间量怎样随尺度、样本或预算变化。若收益来自把代价转移到未计分环节，它并没有兑现原命题。

接口见与第301号算子谱共享对象；与第360号基准可信度共享误差认证。其他领域称：数值分析称“SCI层级”，软件验证称“认证深度”；另见第360号性能测量。只有“嵌套极限层数／一个认证谱输出”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置E——把『无限维谱计算需要误差层级』成立所需的边界环境作为首要显露　单因决定『无限维谱计算需要误差层级』当前结论的最小充分项只有：“谱是否可计算”不足以描述需要几层极限和何种误差控制　预设〔05 观测与干预不回写对象〕收敛序列只有附带极限层级与双边误差才算算法　量纲嵌套极限层数／一个认证谱输出　失效若对象落入以下已知边界，本条不再自动成立：结论取决于允许访问的矩阵元与算子类；增加局部复杂度、正则性或正规性可降低SCI　自曝『无限维谱计算需要误差层级』的原始材料只直接支持“主证据来自Colbrook、Roman与Hansen在2019年PRL122卷250201号文章”，没有自动覆盖边界外对象　空栏『无限维谱计算需要误差层级』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名数值分析称“SCI层级”，软件验证称“认证深度”；另见第 213 号第 20 条『二十、可验证计算与数值证明』

七、鸽巢原理的跳跃被严格封顶Pigeons Do Not Jump High

提出Benoit Monin与Ludovic Patey，2019年《Advances in Mathematics》352:124–191，DOI:10.1016/j.aim.2019.06.006　争议或最新相关背景见Ramsey型原理的跳控制　关键稳定组合原理是否会自动产生高阶跳信息，曾被优先构造中的技术上限混淆

在2019年前后的文献中，默认判断仍是“一些实例的解看似必须编码高阶算术信息，难以判断是原理本身还是证明方法造成”。它没有处理若对任意低复杂度实例都能选到低跳解，就说明组合选择并不必然抬高信息层级，因此会把局部成功写成一般规律，或把尚未测量写成不存在。本条转向首先做了一次口径清算：以“最低解跳层数／输入实例跳层数”为共同尺度，重新规定哪些对象、误差和边界有资格进入结论。

本条把转向压成一句可检验的话：作者证明若干无限鸽巢与Ramsey型问题存在保持低跳的解，排除一类高跳必然性。可反驳版本为：固定输入表示、允许神谕与统一性要求，按“最低解跳层数／输入实例跳层数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这一区分很重要，因为同一个标题可以在更窄对象类上成立、在更大类上失效；若不登记分母与适用域，后来的推广和反例就会被误写成互相矛盾。

证据链的锚点是Monin与Patey在2019年Advances in Mathematics 352卷124–191页的结果。论文以强迫与分层构造控制解的跳，给出相对输入的低度上界；读数是解的第n跳相对实例的层级。若只保留结论而删去读数，读者无法知道改变发生在对象数、尺度、覆盖、计算复杂度还是预测误差；“最低解跳层数／输入实例跳层数”因此是本条最应被复核的部分，也是后续反例必须对齐的分母。

结论的边界同样具体：结论针对特定原理与保持性质；更强颜色结构或组合约束仍可能强迫高跳。可检查的失效条件是：若对象落入以下已知边界，本条不再自动成立：结论针对特定原理与保持性质；更强颜色结构或组合约束仍可能强迫高跳。争议若要收敛，双方需在最容易触发这些边界的对象上共同检验，并公开名称系统、查询复杂度和归约统一性；只展示顺手的对象或平均结果，会把条件性成功误报为普遍规律。

实践后果是：不可计算性不再等于“解一定非常复杂”，区分了无统一算法与每个实例仍有低复杂度解。报告应围绕“最低解跳层数／输入实例跳层数”同时列出失败对象、资源成本与敏感性结果，排除筛选或未计成本造成的表面优势。

跨域入口是与第307号后验存在与算法混合共享存在/统一分离；与第308号个体效应共享总体不可识别但个例可简单。异名为优化称“逐实例容易、统一最坏难”，统计称“个体可估而总体不可识别”；另见第308号异质效应。碰撞须固定“没有统一求解器不意味着每个实例的所有解都高复杂度”并比较“最低解跳层数／输入实例跳层数”；第三项是输入表示、神谕资源与极限层数。

位置S——把『鸽巢原理的跳跃被严格封顶』形成的对象结构作为首要显露　单因决定『鸽巢原理的跳跃被严格封顶』当前结论的最小充分项只有：稳定组合原理是否会自动产生高阶跳信息，曾被优先构造中的技术上限混淆　预设〔05 观测与干预不回写对象〕没有统一求解器不意味着每个实例的所有解都高复杂度　量纲最低解跳层数／输入实例跳层数　失效若对象落入以下已知边界，本条不再自动成立：结论针对特定原理与保持性质；更强颜色结构或组合约束仍可能强迫高跳　自曝『鸽巢原理的跳跃被严格封顶』的原始材料只直接支持“证据链的锚点是Monin与Patey在2019年AdvancesinMathematics352卷124–191页的结果”，没有自动覆盖边界外对象　空栏『鸽巢原理的跳跃被严格封顶』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名优化称“逐实例容易、统一最坏难”，统计称“个体可估而总体不可识别”；另见第 214 号第 4 条『近端分裂：不可微结构必须由算子而不是平滑替代处理』

八、可学习性本身可以不可判定Learnability Can Be Undecidable

提出Shai Ben-David、Pavel Hrubeš、Shay Moran、Amir Shpilka与Amir Yehudayoff，2019年《Nature Machine Intelligence》1:44–48，DOI:10.1038/s42256-018-0002-3　争议或最新后续争论见可计算PAC学习与表示约束研究　关键给定一个假设类的有限描述，是否存在分布无关学习算法未必可判定

到2019年前后，常见出发点仍是“统计学习理论常把有限VC维等结构条件当作可学习性的可检查替代”。真正暴露问题的并非一个孤立反例，而是当假设类由程序化描述给出时，组合维数与经验极小化的存在可能编码集合论或停机难题。当研究者改用“决定可学习性所需公理强度／假设类描述长度”比较时，旧叙事中被隐藏的代价、边界或层级差异显现出来；这也是本条能够成为新思想而不是普通技术改良的原因。

可以把命题写为：存在自然形式的学习问题，其PAC可学习性在常用公理体系中不可判定，或无统一算法决定。与口号不同，它预先承诺了失败方式：固定输入表示、允许神谕与统一性要求，按“决定可学习性所需公理强度／假设类描述长度”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这使研究者不能在结果出现后移动对象边界、改评分规则或删去困难实例；若这些条件必须改变，结论应被重新命名，而不是继续沿用原来的理论标签。

Ben-David等在2019年Nature Machine Intelligence 1卷44–48页的不可判定可学习性结果是本条的证据起点。论文构造估计最大问题EMX，使其可学习性与连续统基数的集合论性质关联；有限样本界并非纯数据问题。具体读数“决定可学习性所需公理强度／假设类描述长度”把旧默认送上同一口径的检验台：纯数学中它表现为结构降维、常数或端点，统计与教育研究中则表现为样本、效应、覆盖或预测损失。共同点是结论不再只靠叙述成立。

争议边界是：结果针对特殊假设类和EMX定义，不说明常用模型都不可判定；表示与选择公理是关键。失效条件为：若对象落入以下已知边界，本条不再自动成立：结果针对特殊假设类和EMX定义，不说明常用模型都不可判定；表示与选择公理是关键。收敛需统一对象与“决定可学习性所需公理强度／假设类描述长度”，并公开名称系统、查询复杂度和归约统一性及最强反例。

由此，机器学习的“能否学”第一次被放回可计算性与公理依赖，而不只是样本复杂度。对本项证据须公开“决定可学习性所需公理强度／假设类描述长度”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第305号AI数学学习共享工具有效性；与第352号规范独立性共享证明可能依赖公理。异名：学习理论称“可学习性不可判定”，逻辑称“独立性”；另见第356号学习评估。共享预设为“可学习性的存在声明可能隐含不可判定的模型描述问题”；先统一“决定可学习性所需公理强度／假设类描述长度”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置E——把『可学习性本身可以不可判定』成立所需的边界环境作为首要显露　单因决定『可学习性本身可以不可判定』当前结论的最小充分项只有：给定一个假设类的有限描述，是否存在分布无关学习算法未必可判定　预设〔06 聚合次序不影响结论〕可学习性的存在声明可能隐含不可判定的模型描述问题　量纲决定可学习性所需公理强度／假设类描述长度　失效若对象落入以下已知边界，本条不再自动成立：结果针对特殊假设类和EMX定义，不说明常用模型都不可判定；表示与选择公理是关键　自曝『可学习性本身可以不可判定』的原始材料只直接支持“Ben-David等在2019年NatureMachineIntelligence1卷44–48页的不可判定可学习性结果是本条的证据起点”，没有自动覆盖边界外对象　空栏『可学习性本身可以不可判定』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名学习理论称“可学习性不可判定”，逻辑称“独立性”；另见第 213 号第 11 条『自适应有限元的收敛性与最优性理论』

九、一维谱隙仍然不可判定One-dimensional Spectral Gap Undecidability

提出Johannes Bausch、Toby S. Cubitt、Angelo Lucia与David Pérez-García，2020年《Physical Review X》10:031038，DOI:10.1103/PhysRevX.10.031038　争议或最新二维先行结果见Cubitt、Pérez-García与Wolf，2015年《Nature》528:207–211　关键把维数降到一维并不能恢复热力学谱隙的统一判定

2020年前后，本领域常把“二维不可判定性可能被归因于平面铺砌的高几何复杂度”当作默认起点。它在典型对象上看似稳固，却被一维链看似只有局部邻接，传统直觉认为矩阵乘积态和面积律会使问题可控直接顶住。真正需要更换的不是符号，而是比较单位：一旦把“决定性链长／局域项描述长度”写进分母，原来混在一起的结构差异便必须分别说明，旧结论也不再能够无条件外推。

核心主张是：存在平移不变一维局域哈密顿量族，其有隙与无隙仍不可判定。它不是定义性的正确，而有清楚的否证口：固定输入表示、允许神谕与统一性要求，按“决定性链长／局域项描述长度”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。因此，论证责任从“展示一个成功例子”转为说明成功在什么范围保持、失败在什么条件出现，并把存在性、稳定性、可计算性或可迁移性分层报告。

Bausch、Cubitt、Lucia与Pérez-García在2020年PRX 10卷031038号文章给出主证据：作者把量子相位估计、图灵机历史态和尺寸依赖能量尺度编码到一维链；局域维数固定但临界尺寸无可计算上界。这项工作的力量在于把问题从“有人相信什么”移到“什么数值或结构量可以重做”。按“决定性链长／局域项描述长度”组织证据后，支持结果、零结果与失败对象可以放进同一张账本，不再依靠术语声望比较。

截至2026年，未收敛部分是：构造对扰动的稳健性和物理自然性仍受讨论；受限于对易、无挫折或有先验面积律的模型可能可判定。这意味着“成立”至少要区分存在、稳定、可实现与可迁移四层；失效口为：若对象落入以下已知边界，本条不再自动成立：构造对扰动的稳健性和物理自然性仍受讨论；受限于对易、无挫折或有先验面积律的模型可能可判定。只有在统一的“决定性链长／局域项描述长度”上报告失败概率、误差范围或常数依赖，争论才可能真正结束。

另一处后果是：不可判定性的来源被定位到极限编码而非空间维数本身，迫使数值相图声明加上模型类限制。最低报告责任包括“决定性链长／局域项描述长度”、最坏对象与成本账本，负结果属于理论边界而非附注。

接口见与第355号实时最坏执行时间共享一维顺序系统的不可预测上界；与第360号规模外推共享临界尺寸。其他领域称：嵌入式系统称“最坏时延无上界”，物理称“临界尺寸不可计算”；另见第355号WCET。只有“决定性链长／局域项描述长度”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置S——把『一维谱隙仍然不可判定』形成的对象结构作为首要显露　单因决定『一维谱隙仍然不可判定』当前结论的最小充分项只有：把维数降到一维并不能恢复热力学谱隙的统一判定　预设〔06 聚合次序不影响结论〕低维局部性不足以保证全局极限性质可判定　量纲决定性链长／局域项描述长度　失效若对象落入以下已知边界，本条不再自动成立：构造对扰动的稳健性和物理自然性仍受讨论；受限于对易、无挫折或有先验面积律的模型可能可判定　自曝『一维谱隙仍然不可判定』的原始材料只直接支持“Bausch、Cubitt、Lucia与Pérez-García在2020年PRX10卷031038号文章给出主证据：作者把量子相位估计、图灵机历史”，没有自动覆盖边界外对象　空栏『一维谱隙仍然不可判定』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名嵌入式系统称“最坏时延无上界”，物理称“临界尺寸不可计算”；另见第 214 号第 13 条『性能估计问题：一阶法的最坏界可由半定规划审计』

十、表示空间有点度谱Point Degree Spectra

提出Takayuki Kihara与Arno Pauly，2020年《Forum of Mathematics, Sigma》8:e31，DOI:10.1017/fms.2020.29　争议或最新前身见表示空间与Medvedev度研究　关键一个空间的计算内容不能只由全局拓扑类型决定，还要看其点在表示中的度分布

在2020年前后的文献中，标准叙事是“传统可计算分析给空间配一个标准表示，再研究可计算点与算子”。这个叙事之所以长期有效，是因为经典例子没有暴露如下缺口：两个拓扑同胚空间可能因表示不同拥有完全不同的点复杂性，单一“可计算点集”过粗。主证据迫使研究者把对象、表示与验证尺度拆开；以“出现的点度类别数／空间点数”重新计量后，过去被当作技术噪声的部分，成为决定结论方向的变量。

理论内容不是“再加一种方法”，而是：点度谱记录每个点名字的Medvedev度，并能区分大量经典与非经典表示空间。它允许以下决定性反例：固定输入表示、允许神谕与统一性要求，按“出现的点度类别数／空间点数”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。检验时必须让支持方与反对方在同一对象、同一误差口径和同一停止规则下比较，否则双方只是在各自定义的成功条件里获胜。

Kihara与Pauly在2020年Forum of Mathematics, Sigma 8卷e31号文章提供了决定性证据。论文构造点度谱并连接连续可约性、准波兰空间与可枚举表示；谱包含多少度类成为不变量。这里最有信息量的读数是“出现的点度类别数／空间点数”：它把抽象争论压成别人能够复算的比例、维数、阈值、误差阶或有效样本量。数字并非装饰，而是说明究竟哪一层默认被改写。

主结果没有消灭争议。点度谱对表示敏感且通常难有效计算；高阶空间和非T0空间需谨慎。它明确在以下情形失效：若对象落入以下已知边界，本条不再自动成立：点度谱对表示敏感且通常难有效计算；高阶空间和非T0空间需谨慎。决定性证据应同时给出最强支持对象与最强反例，并登记名称系统、查询复杂度和归约统一性；如果结论只在作者选择的表示、样本或停止规则下成立，就只能称为条件性转向。

实践上，本条要求：空间的算法几何从“有没有可计算稠密集”扩展为完整的信息难度分布。具体到本条，本项复核须同时说明“出现的点度类别数／空间点数”、最坏对象和计算或实施成本；否则一个看似更强的结果，可能只是使用了更窄的任务、更宽的容差或未计入的外部资源。

一处有价值的反例接口是：与第310号空间异质性共享位置依赖信息；与第353号文档曝光谱共享点的可达性差异。异名包括：统计学称“位置依赖信息量”，检索称“可达性分布”；另见第353号曝光偏差。本条解决的可能是结构是否成立，相邻领域则追问能否识别、计算、学习或制度化；两边只有在“出现的点度类别数／空间点数”可换算时才是同一动作，否则只是共享比喻。

位置D——把『表示空间有点度谱』中的操作次序与变化路径作为首要显露　单因决定『表示空间有点度谱』当前结论的最小充分项只有：一个空间的计算内容不能只由全局拓扑类型决定，还要看其点在表示中的度分布　预设〔06 聚合次序不影响结论〕空间中不同点可能需要本质不同的信息资源才能命名　量纲出现的点度类别数／空间点数　失效若对象落入以下已知边界，本条不再自动成立：点度谱对表示敏感且通常难有效计算；高阶空间和非T0空间需谨慎　自曝『表示空间有点度谱』的原始材料只直接支持“Kihara与Pauly在2020年ForumofMathematics,Sigma8卷e31号文章提供了决定性证据”，没有自动覆盖边界外对象　空栏『表示空间有点度谱』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名统计学称“位置依赖信息量”，检索称“可达性分布”；另见第 211 号第 12 条『稠密极小超曲面：一般度量中的几何谱遍布全空间』

十一、稳定而准确的神经网络也有计算障碍Computability Barriers for Stable Neural Networks

提出A. Bastounis、A. C. Hansen与V. Vlačić，2022年《Proceedings of the National Academy of Sciences》119(12):e2107151119，DOI:10.1073/pnas.2107151119　争议或最新相关后续见计算稳定与逆问题学习研究　关键存在近似器不等于存在能稳定计算该近似器的训练或评估算法

2022年前后，旧框架把问题压成一句话：“通用逼近定理常被读成网络规模足够大就能可靠求解任意连续问题”。但逆问题中的小输入扰动可能被训练算法放大，而有限数据无法识别所有不稳定方向，使同名结论在不同对象上并不可比。这里的卡点不是技巧不足，而是分母缺席：只有把“输出误差／输入扰动幅度的放大比”固定下来，才能区分真结构、近似误差与由选择过程制造的表面一致。

新命题明确写成：对某些连续问题，不存在同时稳定、准确且可由标准算法统一计算的神经网络求解方案。这句话可以被反驳，检验方式是：固定输入表示、允许神谕与统一性要求，按“输出误差／输入扰动幅度的放大比”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。它要求同时锁定对象类、归一化和资源预算；若只换一批更有利的数据、放宽失败标准或改用更弱基线，得到的只是另一条命题，不能算对原主张的支持。

主证据来自Bastounis、Hansen与Vlačić在2022年PNAS 119卷e2107151119号文章。论文用SCI与Banach空间构造证明精度、稳定性和可计算性三者存在不可兼得区；误差阈值以下算法可能出现任意大条件数。其关键不是论文规模，而是给出了“输出误差／输入扰动幅度的放大比”这一可核对读数；它使同一命题能够跨对象、跨样本或跨尺度复验。后来工作可以扩大范围、改进常数或增加样本，却不能替代这笔证据在历史上的归幕位置。

后续争论集中在：结果是最坏类下界，不说明常用任务必然失败；加入分布、先验或有限局部复杂度可恢复可计算性。因此，本条并非无条件有效；若对象落入以下已知边界，本条不再自动成立：结果是最坏类下界，不说明常用任务必然失败；加入分布、先验或有限局部复杂度可恢复可计算性。收口所需的不是一句“仍需研究”，而是一套双方都可能失败的设计：统一对象、分母、反例族和资源预算，并让“输出误差／输入扰动幅度的放大比”在独立材料上接受复算。

由此，AI可靠性被接回经典可计算分析：模型表达能力不是部署可靠性的充分条件。对本项证据须公开“输出误差／输入扰动幅度的放大比”、失败对象和资源成本；只报最优结果不足以支持迁移。

接口：与第356号生成式工具学习损益共享“输出好不等于过程可控”；与第360号数值稳定共享条件数。异名：数值分析称“条件数障碍”，AI安全称“鲁棒性不可兼得”；另见第354号对抗稳健性。共享预设为“逼近存在性与稳定可执行性是独立约束”；先统一“输出误差／输入扰动幅度的放大比”，若仍逆向，再检验输入表示、神谕资源与极限层数。

位置S——把『稳定而准确的神经网络也有计算障碍』形成的对象结构作为首要显露　单因决定『稳定而准确的神经网络也有计算障碍』当前结论的最小充分项只有：存在近似器不等于存在能稳定计算该近似器的训练或评估算法　预设〔01 谁进入分母〕逼近存在性与稳定可执行性是独立约束　量纲输出误差／输入扰动幅度的放大比　失效若对象落入以下已知边界，本条不再自动成立：结果是最坏类下界，不说明常用任务必然失败；加入分布、先验或有限局部复杂度可恢复可计算性　自曝『稳定而准确的神经网络也有计算障碍』的原始材料只直接支持“主证据来自Bastounis、Hansen与Vlačić在2022年PNAS119卷e2107151119号文章”，没有自动覆盖边界外对象　空栏『稳定而准确的神经网络也有计算障碍』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名数值分析称“条件数障碍”，AI安全称“鲁棒性不可兼得”；另见第 213 号第 16 条『十六、物理信息神经网络』

十二、有限局部复杂度使无限谱恢复可计算Local Complexity Restores Spectral Computability

提出Paul Hege、Massimo Moscolari与Stefan Teufel，2024年arXiv:2403.19055（预印本，2025年修订）　争议或最新对照Colbrook、Roman与Hansen 2019年的谱计算层级　关键不可计算的无限谱问题可在有限局部复杂度和短程结构下恢复双边误差算法

在2024年前后的文献中，默认判断仍是“谱隙不可判定和SCI下界容易被误读成任何无限体系都无法可靠计算”。它没有处理许多物理算子虽无限，却只由有限种局部斑块重复组成，这一额外信息在一般模型中未被算法读取，因此会把局部成功写成一般规律，或把尚未测量写成不存在。本条转向首先做了一次口径清算：以“所需斑块半径／目标谱误差ε^{-1}”为共同尺度，重新规定哪些对象、误差和边界有资格进入结论。

本条把转向压成一句可检验的话：对正规短程算子，若局部图案具有有限复杂度，可从有限斑块以双边误差控制逼近谱；非正规情形可计算ε伪谱。可反驳版本为：固定输入表示、允许神谕与统一性要求，按“所需斑块半径／目标谱误差ε^{-1}”重做；若主张方向不能在独立对象上复现，或落入明确失效条件后读数仍不改变，本命题就应被否定或收窄。这一区分很重要，因为同一个标题可以在更窄对象类上成立、在更大类上失效；若不登记分母与适用域，后来的推广和反例就会被误写成互相矛盾。

证据链的锚点是2024年，Hege、Moscolari与Teufel在2025年修订的arXiv:2403.19055预印本。预印本给出显式局部斑块算法，并能认证谱空隙大小；误差由截断半径、相互作用范围和重复性函数共同控制。若只保留结论而删去读数，读者无法知道改变发生在对象数、尺度、覆盖、计算复杂度还是预测误差；“所需斑块半径／目标谱误差ε^{-1}”因此是本条最应被复核的部分，也是后续反例必须对齐的分母。

结论的边界同样具体：结果仍是预印本，且需要算法访问重复性或局部复杂度信息；长程、非正规谱本身仍可能不连续。可检查的失效条件是：若对象落入以下已知边界，本条不再自动成立：结果仍是预印本，且需要算法访问重复性或局部复杂度信息；长程、非正规谱本身仍可能不连续。争议若要收敛，双方需在最容易触发这些边界的对象上共同检验，并公开名称系统、查询复杂度和归约统一性；只展示顺手的对象或平均结果，会把条件性成功误报为普遍规律。

另一处后果是：前沿从宣告不可计算转向寻找最小可计算结构，明确哪一项额外信息把问题从无解降到可认证。最低报告责任包括“所需斑块半径／目标谱误差ε^{-1}”、最坏对象与成本账本，负结果属于理论边界而非附注。

接口见与第310号局部平稳空间模型共享有限斑块；与第360号局部性能采样共享覆盖半径。其他领域称：材料科学称“有限局部复杂度”，空间统计称“局部平稳字典”；另见第310号多分辨率模型。只有“所需斑块半径／目标谱误差ε^{-1}”可换算时才属同一动作；冲突仍在时应测量输入表示、神谕资源与极限层数。

位置D——把『有限局部复杂度使无限谱恢复可计算』中的操作次序与变化路径作为首要显露　单因决定『有限局部复杂度使无限谱恢复可计算』当前结论的最小充分项只有：不可计算的无限谱问题可在有限局部复杂度和短程结构下恢复双边误差算法　预设〔02 单一读数代表复杂对象〕无限对象只要局部类型有限且重复性可知，就可能由局部块认证　量纲所需斑块半径／目标谱误差ε^{-1}　失效若对象落入以下已知边界，本条不再自动成立：结果仍是预印本，且需要算法访问重复性或局部复杂度信息；长程、非正规谱本身仍可能不连续　自曝『有限局部复杂度使无限谱恢复可计算』的原始材料只直接支持“证据链的锚点是2024年，Hege、Moscolari与Teufel在2025年修订的arXiv:2403.19055预印本”，没有自动覆盖边界外对象　空栏『有限局部复杂度使无限谱恢复可计算』账本尚未纳入的中止路径、未达阈值对象、极端尾部与长期环境回写　异名材料科学称“有限局部复杂度”，空间统计称“局部平稳字典”；另见第 212 号第 6 条『p进几何中的完美空间：无限塔被压成可计算极限』

◎ 二十年连起来看

第一条贯穿线索是：可计算性属于“对象＋表示”。Julia集、闭选择和表示空间都说明，同一个数学对象若名字提供的信息不同，算法强度会变化；因此任何“可算”声明都必须列出输入oracle。检验时应把相关条目的量纲并列，查看同一分母是否保持方向。若换一类对象便反转，它只是局部家族，不是二十年主线。还要确认第二幕确实复用了或清算了第一幕的判据。

第二条线索是：统一求解与逐实例存在被分开。Ramsey弱原理、低跳解和可学习性不可判定表明，每个实例有简单解，不等于存在一个统一算法；逻辑蕴含也不等于黑箱可替换。若换一类对象便反转，它只是局部家族，不是二十年主线。还要确认第二幕确实复用了或清算了第一幕的判据。检验时应把相关条目的量纲并列，查看同一分母是否保持方向。

第三条线索是：不可计算性开始有层级和修复条件。Weihrauch跳、组合积与SCI层数给出结构量；有限局部复杂度则展示添加哪项信息能把无双边误差的问题降成可认证算法。还要确认第二幕确实复用了或清算了第一幕的判据。检验时应把相关条目的量纲并列，查看同一分母是否保持方向。若换一类对象便反转，它只是局部家族，不是二十年主线。

◎ 三个常见误解

误解一：不可计算就是“计算太慢”。它容易被误读成复杂度问题；正确表述是，不可计算意味着不存在对所有输入终止且正确的算法，增加硬件不能跨越这一边界。判断标准不是术语是否流行，而是换一分母后结论是否仍成立。最容易误读之处，应由反例、边界或样本外结果直接揭示。若正确表述不能排除一种常见错误用法，这个澄清仍不完整。

误解二：每个实例都有解就意味着有统一程序。数学存在可以依赖非一致选择；递归论专门测量从实例到解的统一性，低复杂度个解与无统一求解器可以同时成立。最容易误读之处，应由反例、边界或样本外结果直接揭示。若正确表述不能排除一种常见错误用法，这个澄清仍不完整。判断标准不是术语是否流行，而是换一分母后结论是否仍成立。

误解三：不可判定结果否定实际数值计算。最坏类下界不等于所有结构化实例都失败；有限局部复杂度、双曲性、唯一性或有效模量常能恢复算法，关键是把这些附加假设写进名称。若正确表述不能排除一种常见错误用法，这个澄清仍不完整。判断标准不是术语是否流行，而是换一分母后结论是否仍成立。最容易误读之处，应由反例、边界或样本外结果直接揭示。

◎ 与相邻领域的接口

与数理逻辑的接口是公理强度与独立性；本块更关注统一算法、表示和归约。一个定理在RCA₀上可证，不自动说明其求解器可模块化实现。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。接口只有在两边能用同一分母复算时才成立。若只能共享比喻而不能共享读数，就不应称为真正接口。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。

与理论计算机科学的接口是复杂度。本块先问算法是否存在、需几层极限；复杂度再问在可计算后需要多少时间和空间。接口只有在两边能用同一分母复算时才成立。若只能共享比喻而不能共享读数，就不应称为真正接口。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。接口只有在两边能用同一分母复算时才成立。

与数值分析的接口是误差认证。SCI与谱计算要求区分单边收敛、双边误差和伪谱；数值程序若不报告这三者，可能把不可认证输出当答案。若只能共享比喻而不能共享读数，就不应称为真正接口。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。接口只有在两边能用同一分母复算时才成立。若只能共享比喻而不能共享读数，就不应称为真正接口。

与机器学习的接口是表示和可学习性。有限VC维、通用逼近和训练收敛都不能替代“问题描述本身是否可判定”的审计。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。接口只有在两边能用同一分母复算时才成立。若只能共享比喻而不能共享读数，就不应称为真正接口。分工判据是：对象定义与核心量纲归本块，识别、实现或制度条件归对方面板。

◎ 争议现场

Weihrauch度能否成为跨数学领域的标准强度语言尚未收敛。支持者强调组合代数，反对者指出表示选择高度技术；收敛需要同一批定理在不同自然表示下给出稳定分类。收敛设计应统一对象、分母、对照与资源预算，并预先声明失败条件。双方还应在同一批最强反例上接受检验。若只在各自挑选的数据上成立，争论就不会真正结束。

物理不可判定构造的自然性尚未收敛。形式上局域、平移不变并不等于实验上鲁棒；收敛需要对扰动半径、局域维数和可制造约束给出统一下界。双方还应在同一批最强反例上接受检验。若只在各自挑选的数据上成立，争论就不会真正结束。收敛设计应统一对象、分母、对照与资源预算，并预先声明失败条件。双方还应在同一批最强反例上接受检验。

机器学习不可计算性与日常模型的距离尚未收敛。最坏类下界很强，但产业模型高度受限；收敛需要在明确架构与数据表示上给出可复现的不可判定或SCI下界。若只在各自挑选的数据上成立，争论就不会真正结束。收敛设计应统一对象、分母、对照与资源预算，并预先声明失败条件。双方还应在同一批最强反例上接受检验。

◎ 往下五年看什么

观察点一是2025年的有限局部复杂度谱算法能否经同行评议并给出在真实准晶或紧束缚模型上的端到端误差证书。五年后应按固定基线、公开分母和独立数据直接复核。除平均改进外，还要报告失败比例、区间或计算代价。若读数无法跨年份复算，它仍只是愿望而非观察点。五年后应按固定基线、公开分母和独立数据直接复核。

观察点二是Weihrauch组合与迭代的等式理论能否形成自动定理分类器，至少覆盖一百个分析与组合原理且对表示变化稳健。除平均改进外，还要报告失败比例、区间或计算代价。若读数无法跨年份复算，它仍只是愿望而非观察点。五年后应按固定基线、公开分母和独立数据直接复核。除平均改进外，还要报告失败比例、区间或计算代价。

观察点三是神经网络稳定—准确—可计算三难是否能在固定常用架构和有限精度硬件上给出非渐近阈值。若读数无法跨年份复算，它仍只是愿望而非观察点。五年后应按固定基线、公开分母和独立数据直接复核。除平均改进外，还要报告失败比例、区间或计算代价。若读数无法跨年份复算，它仍只是愿望而非观察点。五年后应按固定基线、公开分母和独立数据直接复核。

观察点四是算法随机性的新刻画能否把“通过多少检验”转成可用于实际随机源审计的有限样本上界。五年后应按固定基线、公开分母和独立数据直接复核。除平均改进外，还要报告失败比例、区间或计算代价。若读数无法跨年份复算，它仍只是愿望而非观察点。五年后应按固定基线、公开分母和独立数据直接复核。除平均改进外，还要报告失败比例、区间或计算代价。

◎ 可与哪些领域对撞

本块第五条“Weihrauch度”与第357号多智能体编排共享问题可由一次黑箱调用实现的预设；逻辑侧限制oracle访问，智能体侧常允许共享完整上下文。若两边都成立，第三项是通信协议究竟暴露了多少原实例信息。可执行的碰撞设计，应在同一对象上同时测量两边的量纲。若矛盾在统一分母后消失，说明差异只是异名；若仍存在，才需要第三项。

本块第十四条“SCI谱层级”与第360号性能基准共享输出必须带误差证书；前者按嵌套极限层数计，后者按运行方差与置信区间计。若两边都成立，第三项是误差来自数学不可判定还是测量噪声。若矛盾在统一分母后消失，说明差异只是异名；若仍存在，才需要第三项。第三项必须能产生新的可证伪读数，不能只是折中措辞。可执行的碰撞设计，应在同一对象上同时测量两边的量纲。

本块第十六条“可学习性不可判定”与第305号数学教育中的AI工具共享“表现好即可称会学”的预设；逻辑结果否定统一判定，教育研究仍需有限群体效果。若两边都成立，第三项是把系统可学习性与学生学习增益分开。第三项必须能产生新的可证伪读数，不能只是折中措辞。可执行的碰撞设计，应在同一对象上同时测量两边的量纲。

本块第二十条“局部复杂度恢复可计算”与第310号局部空间模型共享有限字典；前者要求局部斑块决定全局谱，后者允许远程依赖残差。若两边都成立，第三项是局部字典外剩余相互作用的衰减率。可执行的碰撞设计，应在同一对象上同时测量两边的量纲。若矛盾在统一分母后消失，说明差异只是异名；若仍存在，才需要第三项。

◎ 十条可做的研究命题

1. 命题：常见数值动力系统软件对Julia集的误差证书等价于显式提供有效收敛模量。怎么做：审计双曲、Siegel与Cremer样本；若无模量仍能统一双边认证，则证伪。分析应预注册主要分母、排除规则与停止条件。

2. 命题：至少二十个经典分析定理的Weihrauch度在两种自然表示之间保持同一相对排序。怎么做：重算度图；若排序大面积翻转，则证伪。另做跨样本复现和至少一种敏感性分析。若主要结果只在单一口径成立，也视为对命题的削弱。

3. 命题：组合定理的强可计算归约比逆向数学蕴含更能预测证明组件可复用性。怎么做：把定理实现为形式库模块比较复用率；若蕴含关系预测同样好，则证伪。若主要结果只在单一口径成立，也视为对命题的削弱。

4. 命题：量子谱隙不可判定构造在固定小扰动球内保持有隙/无隙二分。怎么做：对局域项做认证扰动分析；若任意小扰动都破坏编码，则证伪。分析应预注册主要分母、排除规则与停止条件。

5. 命题：SCI层级能预测谱算法在有限精度下出现伪收敛的频率。怎么做：跨算子类记录层级与错误证书；若控制条件数后无关联，则证伪。另做跨样本复现和至少一种敏感性分析。若主要结果只在单一口径成立，也视为对命题的削弱。

6. 命题：表示空间的点度谱能区分两个拓扑同胚但数据接口不同的科学模型。怎么做：构造双表示并测可恢复点类；若谱完全一致，则证伪。若主要结果只在单一口径成立，也视为对命题的削弱。

7. 命题：有限局部复杂度足以把一维非正规算子的ε伪谱计算降到单层极限。怎么做：实现局部斑块算法并给双边误差；若仍需两层极限，则证伪。分析应预注册主要分母、排除规则与停止条件。

8. 命题：差分随机性可由有限长度序列上的可计算统计一致估计。怎么做：设计嵌套检验并分析错误率；若不存在随长度收敛的估计，则证伪。另做跨样本复现和至少一种敏感性分析。若主要结果只在单一口径成立，也视为对命题的削弱。

9. 命题：稳定神经网络不可计算性在固定ReLU深度和有理权重下仍出现。怎么做：限制架构重建SCI下界；若限制后总有统一稳定算法，则证伪。若主要结果只在单一口径成立，也视为对命题的削弱。

10. 命题：Weihrauch组合积的自动化重写能在定理库中发现此前未登记的等价。怎么做：对已知度表达式运行等式求解；若只复现人工规则无新等价，则证伪。分析应预注册主要分母、排除规则与停止条件。

◎ 资料核验

  1. Mark Braverman与Michael Yampolsky，2006年《Journal of the American Mathematical Society》19(3):551–578，DOI:10.1090/S0894-0347-05-00516-3，〈Non-computable Julia Sets〉
  2. 后续见Binder、Braverman与Yampolsky关于动力系统不变量可计算性的工作
  3. Denis R. Hirschfeldt与Richard A. Shore，2007年《Journal of Symbolic Logic》72(1):171–206，DOI:10.2178/jsl/1174668388
  4. 后续保守性见Chong、Slaman与Yang，2012年《Advances in Mathematics》230(3):1060–1077
  5. Noam Greenberg与André Nies，2011年《Journal of Symbolic Logic》76(1):289–312，DOI:10.2178/jsl/1294171001
  6. 后续见Greenberg与Turetsky关于强跳踪迹性的工作
  7. Johanna N. Y. Franklin与Keng Meng Ng，2011年《Proceedings of the American Mathematical Society》139(1):345–360，DOI:10.1090/S0002-9939-2010-10434-4
  8. 后续与K平凡覆盖的关系见Greenberg、Miller与Nies等工作
  9. Vasco Brattka与Guido Gherardi，2011年《Journal of Symbolic Logic》76(1):143–176，DOI:10.2178/jsl/1294170993
  10. 后续代数结构见Brattka与Pauly，2018年《Logical Methods in Computer Science》14(1):4，1–36
  11. Vasco Brattka、Guido Gherardi与Alberto Marcone，2012年《Annals of Pure and Applied Logic》163(6):623–655，DOI:10.1016/j.apal.2011.10.006
  12. 相关背景见弱König引理与紧选择的Weihrauch度研究
  13. Vasco Brattka、Matthew de Brecht与Arno Pauly，2012年《Annals of Pure and Applied Logic》163(8):986–1008，DOI:10.1016/j.apal.2011.12.020
  14. 后续表示空间框架见Arno Pauly，2016年《Computability》5(2):159–180
  15. Toby S. Cubitt、David Pérez-García与Michael M. Wolf，2015年《Nature》528:207–211，DOI:10.1038/nature16059
  16. 一维扩展见Bausch、Cubitt、Lucia与Pérez-García，2020年《Physical Review X》10:031038
  17. Arno Pauly，2016年《Computability》5(2):159–180，DOI:10.3233/COM-150049
  18. Brattka、de Brecht与Pauly 2012年的闭选择工作
  19. François G. Dorais、Damir D. Dzhafarov、Jeffry L. Hirst、Joseph R. Mileti与Paul Shafer，2016年《Transactions of the American Mathematical Society》368(2):1321–1359，DOI:10.1090/tran/6385
  20. 后续见强归约与Weihrauch归约的分离研究
  21. Matthew Harrison-Trainor、Alexander Melnikov、Antonio Montalbán与Keng Meng Ng，2017年《Journal of Symbolic Logic》82(1):77–97，DOI:10.1017/jsl.2016.12
  22. 后续见在线结构理论与范畴化归约
  23. Vasco Brattka与Arno Pauly，2018年《Logical Methods in Computer Science》14(1):4:1–4:36，DOI:10.23638/LMCS-14(1:4)2018
  24. 前身见Brattka与Gherardi 2011年的Weihrauch度
  25. Jack H. Lutz与Neil Lutz，2018年《ACM Transactions on Computation Theory》10(2):Article 7，22页，DOI:10.1145/3201783
  26. 后续用于Kakeya集、距离集与投影问题
  27. Matthew J. Colbrook、Bogdan Roman与Anders C. Hansen，2019年《Physical Review Letters》122:250201，DOI:10.1103/PhysRevLett.122.250201
  28. 后续有限局部复杂度可计算结果见Hege、Moscolari与Teufel 2025年预印本
  29. Benoit Monin与Ludovic Patey，2019年《Advances in Mathematics》352:124–191，DOI:10.1016/j.aim.2019.06.006
  30. 相关背景见Ramsey型原理的跳控制
  31. Shai Ben-David、Pavel Hrubeš、Shay Moran、Amir Shpilka与Amir Yehudayoff，2019年《Nature Machine Intelligence》1:44–48，DOI:10.1038/s42256-018-0002-3
  32. 后续争论见可计算PAC学习与表示约束研究
  33. Johannes Bausch、Toby S. Cubitt、Angelo Lucia与David Pérez-García，2020年《Physical Review X》10:031038，DOI:10.1103/PhysRevX.10.031038
  34. 二维先行结果见Cubitt、Pérez-García与Wolf，2015年《Nature》528:207–211
  35. Takayuki Kihara与Arno Pauly，2020年《Forum of Mathematics, Sigma》8:e31，DOI:10.1017/fms.2020.29
  36. 前身见表示空间与Medvedev度研究
  37. A. Bastounis、A. C. Hansen与V. Vlačić，2022年《Proceedings of the National Academy of Sciences》119(12):e2107151119，DOI:10.1073/pnas.2107151119
  38. 相关后续见计算稳定与逆问题学习研究
  39. Paul Hege、Massimo Moscolari与Stefan Teufel，2024年arXiv:2403.19055（预印本，2025年修订）
  40. 对照Colbrook、Roman与Hansen 2019年的谱计算层级
  41. Chong、Slaman与Yang，2012年《Advances in Mathematics》230(3):1060–1077。
  42. Pauly，2016年《Computability》5(2):159–180。
  43. Maschio与Trotta，2025年arXiv:2505.08697《A topos for extended Weihrauch degrees》（预印本）。
新思想前沿 是一个持续撰写的专栏：近二十年，各主要领域最要紧的思想转向。本块采用两幕体例——上一个十年八条、这十年十二条，每条给出提出者、年份与出处，写清它推翻了什么、靠什么读数立住、以及它自己的边界；每条正文之后另附一行碰撞行（预设／量纲／失效／异名），供跨领域取源比对；文末附资料核验。 · ← 回到学科面板