论文链接：A Formal Limitation on Learning Human Language From Textual Corpora 发表时间：2026年8月 机构：Universitat Pompeu Fabra（西班牙庞培法布拉大学）+ ETH Zürich（苏黎世联邦理工学院），纯高校合作 领域标签：cs.CL（计算语言学 / 信息论）

一、论文背景

1.1 一个悬置了半个世纪的问题

『仅凭文本能学会人类语言吗？』并不是一个新问题。早在 1967 年，形式语言学习理论就给出了著名的否定性答案：Gold 证明，一个只见过合乎语法的字符串流、从未被告知哪些句子不合语法的学习者，原则上无法保证收敛到目标语法。Angluin 在 1980 年进一步收紧了这一分析，精确刻画了哪些语言类可以从纯正面数据中识别——而自然语言所对应的表达力丰富的语法恰好不满足这一条件。按字面理解，这些结论把文本——一段无标注的正面样例流——判为习得语言的天然贫乏信号。

概率论似乎提供了一条出路。Gold 的设定要求精确识别一个布尔式的完整语法，如果把任务放宽为估计字符串上的概率分布，从正面数据学习就变得可行——用统计结构换语法定性。这一转向深植于 Harris 在 1954 年提出的分布假说：一个语言单元由它出现的上下文刻画。在现代 NLP 中，分布假说通过分布式表示落地：词和上下文被编码为实值向量，向量的几何关系反映分布相似性。建立在这类表示之上的语言模型直接估计字符串分布，而在数万亿 token 上训练的 LLM 正是这一传统的延续。分布主义方法已经证明，关于语言形式、甚至相当一部分意义的知识，确实能从文本统计结构中恢复。

1.2 章鱼论证与新时代的回响

但在概率框架下，怀疑的声音从未消失。Bender 和 Koller 在 2020 年提出了一个影响深远的思想实验：一只章鱼偷听两人在海底电缆上交换的语言形式，从未观察过他们共享的世界，就不可能学会意义——因为意义根植于交际意图和语言之外的世界（Harnad 1990 年提出的符号接地问题）。这就是 NLP 圈广为流传的『章鱼论证』。

某种意义上，这种怀疑被后续发展部分应验了：当今最强的 LLM 已经不再只靠文本训练。RLHF 在最大似然估计之上叠加人类偏好信号，注入了原始语料中不存在的『交际是否成功』的信息；多模态模型则直接引入视觉等语言外监督。当技术前沿不断越过纯文本边界，那个原始问题反而变得更加尖锐而非过时：给定语言使用的分布，任何系统——无论看过多少文本——从形式出发原则上能推断出多少意义？

1.3 关键概念铺垫：什么是『意义』

要回答这个问题，必须先说清楚『意义』指什么。语言哲学提供了多种概念化方式：

• 指称：话语在世界中挑出的实体；
• 涵义（sense）：话语唤起的思想，独立于指称；
• 规约意义：就话语本身分析出的意义；
• 语用意义：结合语言外语境考虑的意义。

维特根斯坦举过一个经典例子：工地上工人喊『板石！』，其规约意义就是『一块石板』；但在当时的语境中，说话者意图传达的语用意义是『把石板拿给我』。人类语言使用本质上是语用性的——语料中的每一句话都是说话者在某个社会、物理、文化语境中意图传达某个意义、并据此选择了能让听者恢复该意义的话语形式。说话者意图不仅支撑单次交际，更在宏观上决定了语言形式的分布。

本论文的特别之处在于：它把分析焦点放在意图意义上，而非以往工作更关注的指称或句子级意义。这个选择使得理论直接对准了『LLM 能否理解人想说什么』这一实践关切，而结论是：只学形式（脱离语境）的系统学到的意图意义表示是可证明地贫乏的。

二、论文定位和关联工作

2.1 三条研究谱系

谱系一：形式语言学习理论的否定传统。Gold（1967）与 Angluin（1980）从可计算性角度证明纯正面数据不足以识别语法。本论文继承了『给负面结果以严格证明』的品味，但把问题从语法范畴移到概率与信息论范畴——它不问『能否精确识别语法』，而问『恢复意义的概率上限是多少』。

谱系二：分布主义与 LLM 乐观主义。从 Harris 分布假说、词向量到大语言模型，这一传统相信统计结构足以承载语言知识。Baroni、Boleda、Piantadosi 等近年工作讨论 LLM 能否充当语言理论。本论文与这一传统直接对话：其定理意味着纯文本 LLM 不应被用来充当自然交际中意义推理的理论模型（因为语境是缺失的关键件），但用 LLM 激活来建模那些可从话语本身导出的语言学表示仍然成立。

谱系三：LLM 语义与语用能力的实证研究。Merrill 等人（2021）是与本论文最接近的工作：他们形式化地证明存在某些语言，其语义等价性无法从无接地的语言输入中恢复——哪怕学习者拥有无限数据和语义 oracle 模块。两者思路差异如下表：

引人深思的是，两条方法与意义概念都大相径庭的路，最终都指向同一个缺失成分——语言外接地。此外，实证层面已有大量发现：基础 LLM 在会话含义与预设推理上弱于人类，但也存在正面结果。本论文的定理为这些分歧提供了统一解释：表面形式与意义之间互信息的高低，决定了纯文本 LLM 在该语用任务上可能表现的好坏。

2.2 定位结论

本论文是『LLM 意义学习极限』问题的第一个信息论化、可实验验证的回答：它不停留在思想实验或不可计算性断言，而是给出关于语言本身的、与具体模型无关的概率上界，并附上三类实验证据。它站在 Gold–Angluin 否定传统与 Bender–Koller 章鱼论证的延长线上，用 Shannon 的语言把这场争论变成了可以计算和测量的科学问题。

三、问题定义

3.1 从具体问题到抽象问题

具体场景：一个 LLM 读了一句话，能否恢复说话者想表达的意思？这个问题的困难在于『理解』无法直接定义——我们可以给模型出选择题、看正确率，但那只是间接代理。

论文的核心洞察是：与其问模型是否理解，不如问话语形式本身携带了多少关于意义的信息。这一信息量是语言（作为一种交际系统）的内在属性，先于任何模型存在。如果形式对意义的不确定性是语言内在的，那么任何只消费形式的系统——无论它的表示多么精妙、训练数据多么庞大——都无法越过这个上限。

一个精准的类比：话语是一把只锁了一半的锁，语境是另一半钥匙。LLM 只拿到了话语这一半钥匙，论文要算的就是这半把钥匙最多能打开多少。

3.2 通信模型的形式化

论文基于 Shannon 通信通道建立了一个二元交际模型，涉及以下随机变量：

生成过程对应图模型的三组边：C→M（意义在语境中产生）；M→U 与 C→U（说话者综合意义与语境选词，例如语境已明确的部分就不说出口）；U→M̂ 与 C→M̂（听者结合话语与共享语境推断意义）。

两个假设值得注意：其一，模型假设说话者与听者语境一致，且只分析单轮单向交际；其二，为简洁起见假设信道无噪（有噪时主要结果依然成立，只是不等式变严格）。

3.3 意义表示的可解码性定义

论文对『表示意义』给出一个必要条件式定义：LLM 激活实现了一个函数 g: U → Z（把形式空间映到表示空间），说 Z 表示了说话者意义，当且仅当存在解码器 f: Z → M 能从表示近似恢复真值意义，即 d(f(g(u)), m) ≤ ε。分两种情形：

• ε = 0：精确恢复（分类设定），仅适用于有限意义空间；
• ε > 0：ε-准确恢复（回归设定），适用于连续意义空间。

关键在于：定理将对 f 与 g 的一般性陈述给出上界——包括在无限数据上训练出的完美学习者的内部激活。于是『无法表示』蕴含『无法学习』：不能被表示的东西就不能被学习。

3.4 定义为何精妙

这一定义的精妙处有三。第一，它把『理解』操作化为『统计可解码性』，从不可测的哲学概念变成可测的机器学习问题。第二，它把 LLM 纳入一个统一的函数框架（任意文本特征化器 g），使理论覆盖面远超具体模型。第三，它选择了意图意义这一语用视角——这恰是章鱼论证针对的对象，从而使理论结论与当代关于 LLM 理解力的争论严丝合缝地对齐。

四、问题解法

论文的解法不是提出新模型，而是推导两个信息论上界定理，再用实验验证。解法的核心链条是：分解互信息 → 套用 Fano 不等式 → 得到与表示无关的上界。

4.1 关键分解：话语与语境的信息分工

听者整体上能推断多少意义，由互信息 I(M; U, C) 刻画，它可以分解为：

I(M; U, C) = I(M; U) + I(M; C | U)

• I(M; U)：话语本身编码的关于意义的信息——这是纯文本系统能拿到的全部；
• I(M; C | U)：在话语之外、仅语境额外携带的意义信息——这是只看形式永远拿不到的部分。

两个极端帮助建立直觉：若 I(M; C | U) ≈ 0，语境与话语高度冗余，话语几乎承载了全部可解码内容；若 I(M; C | U) ≈ I(M; U, C)，意义几乎全靠语境传递，话语形同虚设。语言是高语境还是低语境，直接调节纯文本系统的天花板。

4.2 定理一：离散意义空间的分类上界

设 M 为可数意义集，熵 H(M) 有限。对任意特征化器 g 与最优解码器，正确概率 pₑ := P[f(g(U)) = M] 满足：

pₑ ≤ [I(M; U) + H₂(pₑ)] / H(M) = [I(M; U, C) − I(M; C | U) + H₂(pₑ)] / H(M)

其中 H₂ 是二元熵。证明路径（附录 F）只有三步：

1. 考虑马尔可夫链 M → Z → f(Z)，由 Fano 不等式得 H(M|Z) ≤ H₂(pᵢ) + pᵢ·H(M)；
2. 由于 Z 是 U 的确定性函数，数据处理不等式保证 H(M|Z) ≥ H(M|U)；再用上述分解把 H(M|U) 展开为 H(M|U, C) + I(M; C|U)；
3. 代入整理即得。

值得注意的细节：论文用 H(M) 替代经典 Fano 不等式中的 log(|M|−1) 作分母，好处是只需更弱的『有限熵』假设（不必有界支撑集）、数值上更紧、且计算开销几乎不增。这个选择让定理能覆盖自然数这类无界但有限熵的意义空间（自然数的交际频率跨语言地遵循平方反比律衰减，恰好保证熵有限）。

4.3 定理二：连续意义空间的回归上界

连续意义空间（如颜色空间）上 Fano 不等式不能直接用——它只适用于有限字母表随机变量。解法是构造辅助分类问题：

1. 在度量空间 (M, d) 上取极大 2ε-装箱（packing）{m₁, …, m_{N(ε)}}，即任意两箱距离至少 2ε，N(ε) 为装箱数；
2. 定义量化函数 q: M → {mₙ}，把每个意义映到最近装箱点，得到离散随机变量 Jε = q(M)；
3. 『ε-准确恢复成功』事件 A 蕴含『装箱点分类正确』事件 B——因为若预测值与真值距离 ≤ ε，则预测值最近的装箱点必是真值装箱点。于是 P(A) ≤ P(B)；
4. 对 B 套用定理一的技术，得：

P[d(f(g(U)), M) ≤ ε] ≤ [I(Jε; U) + H₂(B)] / H(Jε)

这里无需假设 M 的微分熵有限，只需量化后的装箱标签熵有限 H(Jε) < ∞。这个技巧的类比：要证明『瞄准精度达标的概率有上限』，先证明『至少打中正确的靶区有上限』——靶区划分得足够粗（2ε），命中靶区是命中靶心的必要条件。

4.4 解法全景

两个定理共同传达的信息：从任何话语表示预测说话者意义，成功概率不能超过话语的语言学信息量 I(M; U) 所决定的函数——而这个量是语言自身的属性，任何表示、任何规模的数据或监督都无法改变它。

五、评估指标与实验证据

这是一篇理论论文，其『实验』的目的不是击败 baseline，而是验证理论上界在现实中被遵守。这决定了实验设计的独特逻辑：构造若干语言/任务，计算出理论天花板，再确认最优经验性能落在天花板之下。

5.1 有效语言假设：实验设计的前提

所有实验语言都满足 H(M | U, C) = 0，论文称之为有效语言假设：意义可以从语境中的话语完美解码，即人类交际本身是成功的。这个前提很关键——它保证理论上界计算的是『语境可用时交际成功、语境不可用时上限多少』，排除掉语言本身失效的退化情形。自然语言任务中，这一假设分别由『中文母语者结合电视画面可轻松恢复代词』与『只保留交际成功的游戏轮次』来保证。

5.2 实验一：人工语言（可控验证）

设定：构造满足有效语言假设的人工语言族，精确控制 I(M; U)。离散情形：M、C 各 10 个均匀类别，U 为 15 个符号；把话语符号分为两族——概率 p 落在『信息族』（话语直接确定意义，与语境无关），概率 1−p 落在『语境依赖族』（话语单独看意义均匀，配上语境才可解，语境像加密的『密钥』：m = (u − |M| + c) mod |M|）。这样 I(M; U) 恰好等于 p·log₂|M|。扫 p ∈ [0,1] 的六个值即得六种语言。连续情形类似，意义取自 Unif[−1,1]²，通过装箱分组算法调 I(Jε; U)，八种语言。

指标：MLP 解码器在超参数网格 × 5 随机种子下的最优测试准确率（离散）或 ε-准确率（连续，即预测值落入真值 ε 邻域的比例）。理论上界通过数值求根（scipy 的 brentq）解出满足不等式的最大 pₑ。

证据：图 2A/2B 显示，六种离散语言与八种连续语言上，经验性能曲线（蓝）始终低于理论曲线（黑虚线），且随互信息增大，两者同步抬升。由于联合分布是解析构造的，I(M; U) 可精确计算——这一实验提供了无估计误差的干净验证。

5.3 实验二：中文零代词消解（定理一的自然语言验证）

任务：中文是代词脱落语言，语法允许在代词身份可由语境推断时省略代词。『你有口香糖吗？』可以说成『有口香糖吗？』（零代词 ∅ 占位）。任务是从话语恢复被省略或显现代词的真值。

数据：Wang 等（2018）的中文电视字幕集，过滤到恰好含一个（显式或省略的）代词的短话语，得 N = 904,996 条，其中 20.3% 省略代词。最终 12 个代词类别（我/你/您/他/她/它及复数形式等），|U| = 13。分布高度偏斜：第一人称『我』占 34%。

特征化器：6 个 2B–14B 模型——LLM 三家（Qwen-2.5 14B、Llama-3 8B、Gemma 2 2B）与 VLM 三家（Qwen-2.5 VL 7B 指令微调、Llama 3.2 Vision 11B、Gemma 3 12B 指令微调）。VLM 带有语言外监督（视觉、人类偏好），是有意义的对照。对每个模型遍历所有层的 last-token 表示（它是唯一能注意整句的表示），配 MLP 解码器，报全部配置的最好成绩。

指标：测试集代词分类准确率；baseline 是强启发式——显式代词直接照抄、省略时猜最高频的『我』（因 79.7% 代词显式，baseline 天然约 80%）。

证据：理论上界为 0.93。六个模型的最优经验准确率全部低于 0.93，也几乎没有超过 baseline 的 0.85。含义深刻：对这个任务，话语本身对被省略代词携带的信息很少，网页级数据量也救不了——真正的推断靠的是电视画面这类视觉与社会语境线索。

5.4 实验三：颜色指称（定理二的自然语言验证）

任务：Monroe 等（2017）的指称博弈数据：说话者与听者同看三枚色片，说话者用自然语言描述目标色片（如 Darkish red），听者点击猜测。只保留交际成功轮次（满足有效语言假设），得 N = 38,975 轮。

数据表示：色片从 RGB 转到 CIELAB 空间（欧氏距离对应人类感知距离），归一化到 [0,1]³ 作为连续意义空间，度量 d 取欧氏距离。话语指称表达式无约束、组合爆炸，导致数据对话语空间欠采样，因此 I(Jε; U) 不能从原始话语直接估计；论文转而构造单射（从而可逆）的分类头 h: U → Δ^{N(ε)−1}，依托 Nikolaou 等（2026）『LLM 特征映射对输入无损』的结论保证 I(Jε; H(U)) = I(Jε; U)，用分类器交叉熵估计条件熵。

指标：ε-准确率（预测色片落入真值 ε 邻域的比例），扫 ε ∈ [0.01, 0.75]。

证据：ε = 0.2 时理论上界为 0.66，所有模型最优性能均在其下；全部 ε 值下界均成立。附加发现（图 5/6）：界在 ε 大时更紧、ε 小时更松——因为语言对颜色空间是粗粒度划分的（purple 覆盖一整片颜色区域），ε 小于这片区域的半径时，确定性的分类头会人为抬高 I(Jε; U)，使界变松。界在 ε ≈ 0.1 附近开始『有用』。

5.5 证据汇总表

这套证据结构的高明之处在于闭环：定理是对任意表示的断言，实验就真的用当今最强的开源 LLM/VLM 激活作为表示去冲击天花板；天花板不被触碰，定理的『语言内在属性』主张即被坐实。

六、效果优势的根源解释

这篇论文的『效果』不是打败对手，而是让一个此前停留在思辨层面的问题变得可证明、可计算、可验证。要理解其力量根源，需对比它取代了什么。

6.1 此前路线的根本局限

思辨路线（章鱼论证）：以类比和直觉取胜，传播力强，但无法回答『到底差多少』『什么条件下差距会消失』。它不能解释为什么 LLM 在某些语用任务上表现不错、在另一些上系统性地差——因为定性论证里没有可以调节的量。

可计算性路线（Merrill et al. 2021）：严格，但结论是关于存在性构造的（存在某些语言使得语义不可恢复），且成功判据是精确集合匹配，不可分级。它像是说『存在打不开的锁』，却没给出任何一把具体锁的开启概率上限。

6.2 本论文的结构性改变

本论文的因果链可以精确表述：

方法改变：用互信息 I(M; U) 量化形式与意义的关系 → 表示范围改变：上界作用于任意特征化器 g（含完美学习者的激活），因此约束来自数据生成过程而非模型容量 → 机制改变：把『形式承载意义的能力』分解为 I(M; U, C) − I(M; C|U)，即『总可解码量』减去『仅语境可解量』——天花板被语境的独占信息量直接压低 → 证据形态改变：上界是数值，可以拿来与实验对比，形成理论—实验闭环。

三个实验分别对应因果链上的三个关键环节：人工语言证明了当 I(M; U) 被解析地控制时，界以正确的形状成立（随互信息同步抬升）；零代词消解证明了真实语言中 0.93 的天花板能拦住 14B 级模型加全层搜索；颜色指称证明了连续空间中装箱归约技巧给出的 0.66 天花板同样有效。反事实推理：若去掉『对任意 g 成立』这一设计，定理就只是关于某个特定探测器的经验观察；若去掉互信息分解，就无法解释为什么 VLM（带视觉监督）也没能超过天花板——因为 VLM 的输入端在推理时同样没有拿到语境 C，监督改变的是 g 的质量，而界与 g 无关。

6.3 一个必须诚实交代的边界

论文自己承认（Limitations 节）：受算力限制只测到 14B 模型，更大的 SOTA 模型可能更逼近天花板；分析只覆盖统计可解码性这一『弱』意义表示，未触及因果意义上的表示使用。因此正确读法是：天花板是真实的，但 0.93/0.66 与实际性能之间的差距中，有多少来自模型能力、多少来自界的松紧，仍待更大规模实验分辨。

七、必要知识反推

假设一个研究者从零开始做这项工作，他最少需要掌握什么？

7.1 领域知识层

• 语用学基础：规约意义与语用意义之分、Grice 交际理论、代词脱落现象——不理解『意图意义』为何物，就无法把问题对准正确的研究对象，也无法构造零代词消解这样的自然实验。
• 语言类型学事实：自然数频率的平方反比律、中文等 pro-drop 语言的性质——这些事实分别支撑了『有限熵假设的合理性』与『意义在语境中可恢复的前提』。
• 颜色感知的度量结构：CIELAB 空间中欧氏距离近似感知距离——这是把颜色任务放进度量空间框架的前提。

7.2 方法论知识层

• 信息论：熵、条件熵、互信息、数据处理不等式、Fano 不等式——这是全部证明的引擎。特别需要知道 Fano 不等式的适用边界（有限字母表），才会想到用装箱量化做归约。
• 度量几何：ε-装箱数的概念——连续空间上构造辅助分类问题的工具。
• 前序理论结果：Merrill 等（2021）的可计算性路线与 Nikolaou 等（2026）『LLM 特征映射单射可逆』的结论——前者划定了问题谱系，后者使颜色任务中 I(Jε; U) 的估计合法。

7.3 工程知识层

• 探针实验设计：冻结 LLM 激活 + 轻量 MLP 解码器、last-token 表示选择、全层搜索、超参数网格——『最优情况』的实验哲学要求把所有可能让经验性能变高的旋钮都拧到位，否则『低于界』没有说服力。
• 互信息的 plug-in 估计与 Miller-Madow 偏差修正：自然语言任务中理论上界的计算依赖有限样本下无偏性较好的估计。
• 数据清洗与数值求解：字幕数据过滤、brentq 求根解不等式。

7.4 知识融合的关键节点

三个融合节点值得特别注意。节点一：把 Shannon 通信模型（工程语境）与 Grice 语用学（哲学语境）焊接成同一个图模型——C→M、M→U、C→U 的边序编码了『意义在语境中产生、说话者据语境省略』的语用直觉，这是全部信息论操作的语义地基。节点二：用度量空间装箱把回归问题翻译成分类问题——这一步需要同时看到 Fano 不等式的有限字母表限制与度量几何的 2ε-装箱性质，是两条知识线在『构造辅助事件 B 使 A⇒B』上的化学反应。节点三：用『语言自身是有效语言』这一强假设换取理论上界的可计算性——没有这个假设，H(M|U,C) 非零会让界失去干净的解读；有了它，三个实验的语义才对齐为『语境在场时交际成功、语境缺席时的极限』。

八、论文中可以提取的通用性灵感

灵感一：把定性争论翻译成可计算的不变量。 核心思想：当一场辩论长期停留在类比与反例层面时，寻找一个与争议双方主张都无关的系统内在量，把辩论变成计算。 论文证据：章鱼论证持续多年的『文本能否承载意义』之争，被 I(M; U) 与 I(M; C|U) 两个量终结为可测量问题；0.93 与 0.66 两个天花板让『能不能』变成『最多能到多少』。 推广场景：争论某架构是否『真正推理』时，寻找与架构无关的任务内在信息量上界；评估某评测集是否被污染时，构造与具体模型无关的难度下界；讨论多模态是否必要时，先量化单模态互信息占比；分析某药物靶点是否充分时，先界定病理通路的因果信息流。

灵感二：必要条件式定义降低证明难度且不损失说服力。 核心思想：定义一个概念时，只声明必要条件（存在可解码器即算表示），而非充要条件。 论文证据：论文明确说只考虑『弱意义』（统计可解码性），并把因果性分析留作未来工作——但正是这个弱定义让定理能对任意 g 成立、能被实验直接检验。 推广场景：定义『Agent 有记忆』先用『可检索性』作必要条件；定义『模型理解代码』先用『探针可解码抽象语法』；定义『组织有知识』先用『问题答案可从文档恢复』；定义『系统有因果模型』先用『干预结果可预测』——先用可操作化的必要条件站稳脚跟，再逐步逼近充分性。

灵感三：把连续问题粗粒度化为离散问题以复用成熟工具。 核心思想：当现成定理只适用于离散/有限情形时，通过量化（装箱）构造辅助离散问题，并保证原问题成功蕴含辅助问题成功。 论文证据：定理二通过 2ε-装箱把连续回归转化为装箱分类，事件 A⇒B 使 P(A) ≤ P(B)，直接移植定理一的全部技术。 推广场景：连续控制中的安全验证先验证离散抽象模型；无限博弈的均衡存在性先证有限近似博弈；实数值差分隐私的组合性先建立离散分布版本；连续信号的压缩感知界先在网格离散化上推导。

灵感四：用『有效系统』假设把理论界与真实系统对齐。 核心思想：给理论上界附加一个关于真实系统运作良好的前提（如 H(M|U,C)=0），使界计算的是理想条件下的极限而非退化情形。 论文证据：三个人工语言构造、零代词任务假设母语者可恢复、颜色任务过滤交际成功轮次——三者都服务于让『天花板』有干净的语义。 推广场景：人机交互的理论模型先假设用户能理解界面；经济机制设计先假设均衡可达；编译器优化界先假设程序语义良定义；教育测量模型先假设试题测量单一维度。

灵感五：实验验证理论时，要把所有可能有利条件的旋钮拧到极限。 核心思想：验证『X 不可能超过 Y』型断言时，必须让 X 取最优配置——只报平均配置会留下『只是没调好』的质疑空间。 论文证据：论文对每个模型搜索所有层的 last-token 表示、扫超参数网格、取多种子最好成绩，才与理论上界比较；这是『最优经验性能 ≤ 界』这一陈述有意义的唯一方式。 推广场景：证明某模型不可破解时须穷尽最强攻击者配置；声称某硬件极限时须给出最优编译配置下的实测；反驳某学习理论界松时须构造逼近界的算法；评测 Agent 能力上限时须允许其调用全部可用工具。

灵感六：跨域正交证据的汇流本身即结论。 核心思想：当方法迥异的多条研究路线指向同一缺失要素时，该要素的必要性远超任何单线证据。 论文证据：可计算性路线（Merrill）与信息论路线（本论文）方法与意义概念截然不同，却都恢复出『语言外接地』是意义表示的缺失成分——论文自己将这一点标注为 intriguingly。 推广场景：神经科学中损伤实验与影像证据共同指向某脑区功能；软件工程中静态分析与模糊测试共同定位某缺陷根因；流行病学中孟德尔随机化与队列研究共同支持某因果关联；物理学中引力波与电磁观测共同确认天体事件。