Stojnic 用参数化 fl-RDT 在对称二值感知机上得到可满足阈值 1.8159 与算法阈值约 1.6021，指向约 0.21 的计算间隙
核心概要
Stojnic 用参数化全提升随机对偶理论（fl-RDT）研究对称二值感知机（SBP）的统计-计算间隙：在 κ=1 时第二提升层给出与理论可满足阈值一致的 αc≈1.8159，第七层给出 αa≈1.6021 并预测收敛到约 1.59–1.60，与局域熵复本方法预测的团簇解裂阈值 αLE≈1.58 接近；在 α→0 时第三层得到 κ≈1.2385√(α/−log α)，与 OGP 预测定性一致并与局域熵预测完全一致；作者还设计了 CLuP-SBP 算法，其实际表现接近理论预测。
Fig. 1
深度剖析
作者提出用 fl-RDT 中 c-序列排序结构的变化来区分可满足阈值与算法阈值：前两层保持自然递减排序并给出可满足阈值，更高层排序被打破后给出算法阈值候选。 此前 fl-RDT 主要用于刻画随机对偶结构，本文把 c-序列排序变化与 SBP 的 αc 到 αa 转变直接联系起来，并给出可检验的数值序列。 基于 fl-RDT 定理与 Corollary 2 的数值求解；κ=1 时第二层 αc≈1.8159 与既有文献的可满足阈值一致，第七层 αa≈1.6021，作者预测收敛区间约 1.59–1.60。
在 α→0 的小 κ 区域，第三提升层给出 κ≈1.2385√(α/−log α)，与 OGP 预测定性一致，并与局域熵 1RSB 预测完全一致。 该结果把 fl-RDT 参数化方法与 OGP 和局域熵两条独立路线在低 α 极限下对齐，进一步支持 OGP-局域熵之间的对应关系。 第三层解析推导在 α,κ→0 时精确，数值上得到系数 1.2385；作者指出第四层在主导项上给出冗余驻点方程，暗示第三层可能已足够。
作者设计了 CLuP-SBP 算法，在较宽 κ 范围内其模拟性能接近第四提升层估计 αc(4)(κ)。 此前 CLuP 已用于 ABP 与负 Hopfield 模型，本文将其扩展到 SBP 的可行性问题，并给出参数调节经验。 模拟在 n=50、300、1000 上进行，重启次数不超过 2000；作者指出算法在高 κ 区域实用性有限，但结果与理论曲线接近。
作者提出两个猜想：SBP 算法阈值猜想与参数化 fl-RDT 算法猜想，认为 c-序列排序变化可能是更普遍的 fl-RDT 性质。 把 SBP、ABP、负 Hopfield 与 SK 模型中观察到的类似现象统一到一个参数化框架下，提出可推广的机制假设。 基于本文与 [98,100] 的数值与现象学一致性，属于猜想而非严格证明；作者明确表示严格确认仍是开放问题。
启示与展望
本文结果适用于大维度比例 regime 下的高斯 SBP，κ=1 给出具体数值，其他 κ 通过数值曲线扩展；低 α、κ 区域的第三、四层结果在 α,κ→0 时精确，在较小但非零时为近似。CLuP-SBP 算法在中等维度与较宽 κ 范围内模拟，高 κ 区域实用性有限。该框架为后续严格证明、算法设计与数值方法研究提供起点。
作者明确将核心命题表述为猜想，严格证明仍是开放问题；第七层以上数值评估目前不可行，收敛区间 1.59–1.60 为预测；Table 3 参数可能不完全精确，但作者认为对 αc(r)(1) 估计影响不大；CLuP-SBP 在高 κ 区域实用性有限，且可行性问题的成功模拟存在困难。