论文提出结构鸿沟：数据难替结构化推理

Kheer Sagar Patel 与 Mojtaba Soltanalian 发表论文，提出“结构鸿沟”概念，指获得支配结构（求解器、对称群、图、物理定律等）的方法与仅获得样本的学习器之间的有限资源差距。 作者在高斯逆问题中证明，已知算子的 Wiener 求解器达到 Bayes 风险，而正确线性类中的稠密经验学习器存在持续的期望超额风险，并给出单元覆盖下界与不可观测轨道不可辨识结果。在已知算子反演、稀疏恢复和带规模外推的图可达性实验中，该机制得到验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。