结果族 107：Matrix multiplication with exponent at most 9/4 · 学科：Theoretical computer science · 验证状态：主结果已 Lean 形式化
旗舰篇证明了方阵乘法指数不超过 9/4；这篇姊妹篇盯的是”长方形”的账单——高矩阵乘宽矩阵要付多少。它把方阵纪录压到 2.258 以下，同时刷新矩形乘法与”对偶指数”的纪录，还把结论搬运到几乎所有数域上。
关键词卡片
@@M@@n\times n^k@@ 矩阵乘 @@M@@n^k\times n@@ 矩阵的指数 @@M@@w(k)@@@@M@@w(k)=2@@ 的最大 @@M@@k@@——内维可以涨多快而不加价看个具体例子
输出 @@M@@n^2@@ 个数决定了成本至少是 @@M@@n^2@@；矩形结果说的是，内维（中间那个共享维度）能白送你多少”免费额度”。附带红利：复矩阵的行列式、求逆、解线性方程组也一并降到 @@M@@O(n^{2.258})@@ 级。更妙的是三张账单出自同一台机器：一套有限张量构造经不同取向与记账方式，同时挤出了方阵、矩形与对偶三份纪录。
为什么值得关心
方阵纪录虽被旗舰篇压得更低，本文独有的矩形、对偶与正特征结论却是别处拿不到的。矩形与对偶界是一大批代数算法的定价表，这一篇把整张表几乎重刷了一遍。
已 Lean 形式化
第一级台阶
导读里”长方形账单与免费额度”的比喻，落到实地是：让一个高矩阵乘一个宽矩阵，中间共享的那一维叫内维。对象是这类长方形乘法的成本；操作是问：当内维从 n 涨到 n 的 k 次方，账单比”抄写答案所需的 n² 个数”贵多少。方阵情形 k=1 是特例；免费额度问的是 k 多小以内几乎不加价。
第二级台阶
用代数复杂度术语说：w(k)=ω(1,k,1) 是 n×⌈n^k⌉ 矩阵乘 ⌈n^k⌉×n 矩阵的算术运算指数，输出规模迫使 w(k)≥2；对偶指数 α 定义为使 w(k)=2 的最大 k。技术底座是张量语言：矩阵乘法对应双线性映射的张量，秩与边界秩度量其成本，退化做廉价比较；Schönhage 渐近和不等式把”一次分离出 L 个独立矩阵乘积”折算成指数上界。
第三级台阶
定理在复数域（进而一切特征零域）上陈述：ω<2.258、α>0.465、w(0.709)<2.092。关键的构造假设是”成对可读标签”——三条腿中有两条能各自读出块标签，仅一条共享；取秩为 K^{1+o(1)} 的有限交换群加法张量作辅助，局部投影即可把共享腿撕开，且辅助代价在渐近尺度上近乎免费。正特征转移是刻意保留的弱化：两条严格不等式对除一个有限素数集外的所有域成立，例外集论文未具体算出。
本文在复数域（进而一切特征零域）上证明方阵乘法指数 @@M@@\omega<1129/500=2.258@@、对偶指数 @@M@@\alpha>0.465@@、矩形乘法指数 @@M@@\omega(1,0.709,1)<2.092@@，并把前两条严格不等式转移到除有限个例外特征外的所有域上，同时大幅刷新矩形矩阵乘法的纪录表。
除方阵指数 @@M@@\omega@@ 外，理论计算机科学同样关心矩形乘法：记 @@M@@w(k)=\omega(1,k,1)@@ 为 @@M@@n\times n^k@@ 矩阵乘 @@M@@n^k\times n@@ 矩阵的指数，对偶指数 @@M@@\alpha@@ 是使 @@M@@w(k)=2@@ 的最大 @@M@@k@@——输出规模只能保证 @@M@@w(k)\ge2@@，@@M@@\alpha@@ 衡量内维还能涨多快而不付出超线性代价。矩形与对偶界直接制约一批代数算法的复杂度。Coppersmith、Le Gall、Le Gall–Urrutia 给出早期矩形界；Vassilevska Williams–Xu–Xu–Zhou 与 Alman 等六作者的工作把 @@M@@\alpha@@ 推到 0.321334；Dupont 等 2026 年用大规模优化把方阵纪录推到 2.371177。这些方法共同的瓶颈是抽取问题：从共享变量的张量幂中分离出大量独立矩阵乘积时，既要付清分离操作的辅助代价，又不能损失输出熵，此前的非对称哈希等方法在此始终留有损耗。
定理：在 @@M@@\mathbb C@@ 上，@@M@@\omega<2.258@@、@@M@@\alpha>0.465@@、@@M@@w(0.709)<2.092@@。推论：方阵与 @@M@@k=0.709@@ 两条严格不等式在特征零的任何域上成立，且在算术运算模型下对除一个有限素数集（论文未具体算出）之外的所有正特征域成立；对偶指数界在特征零域上成立。附带应用：复矩阵的行列式、求逆与线性方程组求解均可在 @@M@@O(n^c)@@（某 @@M@@c<2.258@@）次域运算内完成。
发动机是一条成对标签分离引理（GROUP 操作）。设张量分成 @@M@@K@@ 块，@@M@@X@@ 腿与 @@M@@Y@@ 腿各自能从本腿变量读出块标签，仅 @@M@@Z@@ 腿共享。引理断言：取有限交换群 @@M@@G=(\mathbb Z/4Q)^d@@ 的群乘法张量 @@M@@\mathcal A_G@@ 作辅助，则 @@M@@U\otimes\mathcal A_G@@ 可退化为 @@M@@\bigoplus_s(U_s\otimes\langle1,m,1\rangle)@@，其中 @@M@@m=K@@、@@M@@\log|G|=\log K+O(\sqrt{\log K})@@——辅助秩的对数只比输出块数多一个次线性项。构造融合三件东西：Behrend 式等范数球面构造（在网格 @@M@@\{0,\dots,Q-1\}^d@@ 的一个球面上取 @@M@@K@@ 个标签点）、每个标签配一个常内积仿射切片、群代数的特征正交分解。存活项经整向量等式与范数计算被强制为 @@M@@u=u'@@、@@M@@c=t_s@@，标签于是三腿皆可读，且每块白得一个大点积；三个取向的点积相乘即合成矩阵乘法张量。
记账依据 Schönhage 渐近和不等式：若 @@M@@n@@ 份 Coppersmith–Winograd 六项张量 @@M@@T@@（边界秩为 3，论文给出显式 Laurent 见证）加上边界秩至多 @@M@@R@@ 的辅助张量，退化出 @@M@@L@@ 个独立的 @@M@@a\times b\times c@@ 矩阵乘积，则记分 @@M@@[\log L-\log R+(\beta/3)\log(abc)]/n>\log3@@ 即证 @@M@@\omega<\beta@@。论文先给初等示例：@@M@@T@@ 的五项退化形成 W-划分，完备化（completion）操作后取块长 @@M@@b=3@@ 留下 75 个标量分量，由层级记账直接得 @@M@@\omega\le9\log3/\log75<2.2901@@。
方阵界 2.258 分两层。张量层：把有限构造按六个取向库（orientation bank，对应三腿的六种置换）登记源分布；对局部次数 @@M@@i,j,k@@ 之和使用 Behrend 式无等差窗口迫使三腿各自读出的目标一致，产生新的直接标签；有限视野控制保证每个被计数的词都送入指定窗口。分析层：律—记分对的闭包构成连续凹的可达值函数，上述构造迫使任何从下方触碰它的光滑函数满足由局部次数协方差加权的三向二阶微分不等式；照 Crandall–Lions 粘性解的比较方法论，配合有理多项式图表、多项式障碍函数及带残差、插值与舍入界的数值证书，在内部源分布处取得严格得分增益，最终从闭包中选定一个真实的有限构造。
矩形界换用可读标签树语言：树上每步的条件熵恰是下一标签的抽取代价，叶律的多项式系数计数与辅助秩相消，三个读者对上累积的条件熵给出三个矩阵维数的对数率。对有限完备化族 @@M@@\mathcal F_7@@（至多七次尺寸 2 或 3 的完备化及各种中心色、保留色对、特异边选择），三状态递推可对一切叶子律精确最大化任何非负熵加权和，其支撑函数显式刻画速率对的闭凸包，每个长宽比的优化化为一维；方阵估计（2.258）作为额外速率点注入。对偶指数用条件独立性恒等式保住均匀坐标词的全部熵、认证指数 2，剩余熵认证内维超过 0.465；@@M@@w(0.709)@@ 由小纤维直方图给出，有理区间包络保证所有严格余量；同一族还独立给出低于 2.267 的方阵界。特征转移推论则把两个固定精确秩方案的系数实现于同一个数域再特化多项式恒等式。
论文摘要自称次要报告（secondary writeup），是同族旗舰篇（@@M@@\omega\le9/4@@，数值更强）的姊妹篇：本文独有地提供矩形、对偶指数纪录与正特征转移，其 2.258 平方界又被自己的矩形优化当作输入点复用；第三篇姊妹篇覆盖任意固定域。主结果已 Lean 形式化。按 OpenAI 官方声明，未经形式化的结果可能存在问题；特征转移中例外素数集未计算，引用正特征推论时需留意此保留。
问 1：证明里最关键也最脆弱的一步是什么？
（答：成对标签分离引理（lem:group）。它把辅助群张量张到输入上，用群代数的 Fourier 对角化、Behrend 式等范数标签与常内积仿射切片三件套，让存活项被整向量等式与范数计算强制对齐，标签三腿皆可读，每块还白得一个 K 维点积。微妙处在于”局部性”：代换不得偷看别腿信息——引言强调所需分离恒等式是全文自证（proved in full），这是全楼的承重梁。）
问 2：辅助张量的秩 K^{1+o(1)} 为什么不算亏？
（答：Schönhage 记分是 [log L−log R+(β/3)log(abc)]/n，辅助秩的对数只比输出块数多一个次线性项；矩形侧更妙：可读标签树上每个节点的子词数恰是多项式系数，其乘积正是最终直和项数，把首项辅助秩费用精确抵消，剩下的三个条件熵就是三个矩阵维数的对数率。）
问 3：矩阵乘法论文里怎么冒出了粘性解与 PDE 比较？
（答：方阵界把”律—记分对”取闭包得连续凹的可达值函数，计数窗口构造迫使任何从下方触碰它的光滑函数满足局部次数协方差加权的三向二阶微分不等式，再按 Crandall–Lions 比较方法论得严格得分增益。这步把有限张量构造变成连续论证，配合有理多项式图表、障碍函数与带残差/插值/舍入界的数值证书落地——分析跨界处最值得复核。）
问 4：与旗舰篇 9/4 相比，2.258 不是更弱吗，这篇的价值在哪？
（答：方阵数字确实较弱，但本文独有三样东西：矩形与对偶指数纪录（旗舰篇不提供）、把严格不等式转移到除有限例外特征外所有域的精确秩见证，以及一个独立低于 2.267 的方阵界。更关键的是 2.258 作为速率点注入矩形优化，矩形表在 0.321334<k<1 区间全面刷新。）
问 5：AI 生成证明最可能在哪里出错？
（答：数值证书与熵记账。三态递推要对有限族 F₇ 的一切叶律精确最大化非负熵加权和，支撑函数刻画闭凸包，一维优化里任何舍入方向搞反就把”严格”变”非严格”；方阵侧的有理区间包络与残差界同理。主结果已 Lean 形式化，但正特征转移的例外素数集论文自认未计算，引用时须带此保留。）
问 6：谁会用到它？
（答：复矩阵行列式、求逆、解线性方程组随 ω<2.258 一并降到 O(n^{2.258−ε}) 级；矩形与对偶界是图算法、字符串算法等一大批以长方形矩阵乘法为内环的代数算法的定价表，本文几乎整表重刷。）
总评
族 107 的”账房篇”：方阵稍弱于旗舰，但独占矩形、对偶与正特征三份资产且已形式化；最大风险在跨界分析（粘性解比较+数值证书）与未计算的例外特征集，引用正特征推论者务必自查。