结果族 170：Sharp logarithmic exponents for off-diagonal Ramsey numbers · 学科：Combinatorics · 验证状态：暂无形式化证明，请以社区核验为准
还是那场派对：固定小团体人数 @@M@@s@@，让陌生人群 @@M@@t@@ 无限变大，问最少请多少人才能保证出现”@@M@@s@@ 人全相识”或”@@M@@t@@ 人全陌生”。姊妹篇解决了 5 人团体的情形，本文把 6 人及以上全部一网打尽，公式整齐得像一段楼梯：分子是 @@M@@t^{s-1}@@，分母的对数幂恰是 @@M@@s-2@@，楼梯每升一级恰好加一。
关键词卡片
@@M@@r(s,t)@@ 在 @@M@@s@@ 固定、@@M@@t\to\infty@@ 时的取值@@M@@(\log t)@@ 的幂，本文证得恰为 @@M@@s-2@@看个具体例子
对数指数随 @@M@@s@@ 变化的图像：
写成公式：@@M@@r(s,t)=\dfrac{t^{s-1}}{(\log t)^{s-2+o(1)}}@@（每个固定 @@M@@s\ge6@@）。例如 @@M@@s=6@@ 时 @@M@@r(6,t)=t^5/(\log t)^{4+o(1)}@@，@@M@@s=10@@ 时分母幂为 8——多项式指数 @@M@@s-1@@ 与对数指数 @@M@@s-2@@ 同时锁定，与 1980 年的经典上界只差 @@M@@o(1)@@ 的幂；常数因子同样留作公开问题。
为什么值得关心
与姊妹篇合并，所有固定 @@M@@s\ge5@@ 的非对角拉姆齐数对数指数全部确定，一个悬置四十年的参数就此收官。通往高维的新工具（重复投影、高维稀疏对描述）是独立于五团定理的新估计，并非从低维直接推断。
暂无形式化证明（AI 结果待核验）
第一级台阶
还是入门导读那场派对，但这次把小团体人数固定为不小于 6 的某个 @@M@@s@@，让陌生人群人数 @@M@@t@@ 无限变大。对象仍是”相识关系图”，操作仍是求保证出现 @@M@@s@@ 人全识或 @@M@@t@@ 人全陌生的最少宾客数；本篇要回答的是：这个数写成分式后，分母上对数的幂次是否恰好随 @@M@@s@@ 每升一级加一——入门导读的”楼梯”比喻对应的就是这条每级加一的规律。
第二级台阶
用本科语言精确化：@@M@@r(s,t)@@ 是使任何 @@M@@n@@ 顶点图必含 @@M@@s@@ 点团或 @@M@@t@@ 点独立集的最小 @@M@@n@@；非对角设定固定 @@M@@s@@、@@M@@t\to\infty@@。经典上界 @@M@@O_s(t^{s-1}/(\log t)^{s-2})@@ 给出对数幂 @@M@@s-2@@。技术核心是素数指标的构造定理：对 @@M@@d\ge5@@、@@M@@0<\eta<1/10@@ 与大素数 @@M@@q@@，存在 @@M@@\lfloor q^d\log q\rfloor@@ 个顶点、无 @@M@@K_{d+1}@@ 且独立数小于 @@M@@q(\log q)^{1+\eta}@@ 的图。
第三级台阶
主定理：对每个固定 @@M@@s\ge6@@、任意 @@M@@\varepsilon>0@@ 与充分大的 @@M@@t@@，@@M@@t^{s-1}/(\log t)^{s-2+\varepsilon}\le r(s,t)\le C_s\,t^{s-1}/(\log t)^{s-2}@@。”每个 @@M@@s@@ 单独取常数与阈值”挡住了对统一常数的要求；结论与上界只差 @@M@@o(1)@@ 的幂，明确不触及正常数因子。证明在射影空间 @@M@@\mathrm{PG}(d,q)@@ 上取随机旗流：线性无关性排除 @@M@@K_{d+1}@@，独立集对应一致序列，熵压缩导出矛盾；通往高维的新工具是重复投影与高秩类的直接描述。
本文对每个固定整数 @@M@@s\ge6@@ 证明 @@M@@r(s,t)=t^{s-1}/(\log t)^{s-2+o(1)}@@；连同姊妹篇的 @@M@@s=5@@ 情形，非对角拉姆齐数（off-diagonal Ramsey number）的对数指数（logarithmic exponent）对所有固定 @@M@@s\ge5@@ 完全确定，与经典上界只差 @@M@@o(1)@@ 的幂。
Ramsey（1930）在研究形式逻辑问题时证明的有限划分定理保证拉姆齐数 @@M@@r(s,t)@@ 有限：@@M@@n@@ 足够大时，任何图必含 @@M@@s@@ 团（clique）或 @@M@@t@@ 个顶点的独立集（independent set）。在固定 @@M@@s@@、@@M@@t\to\infty@@ 的非对角问题里，上界早已定型：Erdős–Szekeres（1935）的二项式界之后，Ajtai–Komlós–Szemerédi（1980）得到 @@M@@O_s(t^{s-1}/(\log t)^{s-2})@@，Li–Rousseau–Zang（2001）把主导常数做到 @@M@@1+o(1)@@——对数幂 @@M@@s-2@@ 始终来自上界一侧。下界则全面落后：Kim（1995）仅解决 @@M@@s=3@@；Spencer（1977）的局部引理与 Bohman–Keevash（2010）的随机无 @@M@@K_s@@ 过程都只给出 @@M@@t^{(s+1)/2}@@ 量级；Mubayi–Verstraëte 的伪随机构造判据只是条件性结果；Mattheus–Verstraëte（2024）用有限几何处理了 @@M@@s=4@@；Bradač（2026）证明 @@M@@r(s,t)\ge c_s t^{s-1}/(\log t)^{2s-4}@@，多项式指数就此确定，但对数幂与上界仍差 @@M@@s-2@@ 一截。本文对一切 @@M@@s\ge6@@ 把这最后一截补齐。
主定理：对每个固定整数 @@M@@s\ge6@@ 存在常数 @@M@@C_s>0@@，使得对任意 @@M@@\varepsilon>0@@ 与一切充分大的 @@M@@t@@，
@@M@@D\frac{t^{s-1}}{(\log t)^{s-2+\varepsilon}}\ \le\ r(s,t)\ \le\ C_s\,\frac{t^{s-1}}{(\log t)^{s-2}},@@
即 @@M@@\lim_{t\to\infty}\frac{(s-1)\log t-\log r(s,t)}{\log\log t}=s-2@@。技术核心是素数指标的构造定理：对任意 @@M@@d\ge5@@、@@M@@0<\eta<1/10@@ 与充分大的素数 @@M@@q@@，存在 @@M@@\lfloor q^d\log q\rfloor@@ 个顶点、无 @@M@@K_{d+1}@@ 且独立数小于 @@M@@\lfloor q(\log q)^{1+\eta}\rfloor@@ 的图。上界一侧作者给出对 @@M@@s@@ 归纳的初等证明（三角无关图上 Shearer/Alon 型独立数下界加随机抽样删点）。与姊妹篇一样，定理不触及常数因子。
先看骨架，它与 @@M@@s=5@@ 姊妹篇共享。在 @@M@@\PG(d,q)@@ 上取独立均匀的随机旗流：旗（flag）是入射对 @@M@@(a,b)@@，点 @@M@@a@@ 落在超平面 @@M@@b@@ 上；@@M@@N=\lfloor q^d\log q\rfloor@@ 个位置为顶点，@@M@@i<j@@ 时若 @@M@@a_i\perp b_j@@ 且 @@M@@a_j\not\perp b_i@@ 则连边。线性无关性排除 @@M@@K_{d+1}@@，独立集对应一致序列（consistent tuple）。反设每个流都含长 @@M@@k=\lfloor q\sigma^{1+\eta}\rfloor@@（@@M@@\sigma=\log q@@）的一致序列：联合界给所选元组熵下界 @@M@@H(F)\ge d\sigma\ell+\eta\ell\log\sigma-O(k)@@，因为固定元组必须出现在原流的某组位置上。此后用”标记—压缩—迭代”把描述长度压回 @@M@@d\sigma\ell+O(k)@@，导出矛盾。
再补上通往任意维度的两件新工具。其一是重复投影（repeated projection）归约：把 @@M@@\PG(j,q)@@（@@M@@j\ge4@@）中的稀疏对描述问题投到适当中心 @@M@@z@@ 的商空间 @@M@@\PG(j-1,q)@@；中心 @@M@@z@@ 借方差恒等式与 Markov 不等式选取，既保住 @@M@@S@@ 的绝大多数点又控制投影纤维的碰撞。但把帽子提升回原空间会放大 @@M@@q@@ 倍，于是交八次投影的帽，用 Cauchy–Schwarz 与碰撞界把尺寸收回。其二是高秩类的直接描述：用两条独立样本行加”富子空间”多项式界处理，后者源自 Nie–Wang 的有限度闭包不等式。低维 @@M@@j\in\{2,3\}@@ 则启用多项式方法：富线（rich line）计数采用随机采样加插值、再配合切平面/Hessian 型构造（Guth–Katz、Elekes–Kaplan–Sharir 一脉），并靠把所有相关曲面次数压在素特征 @@M@@q@@ 之下来化解 Ellenberg–Hablicsek 分析的正特征障碍；采样侧用若干独立泊松（Poisson）批次打分，二阶矩保证测试留住隐藏支撑的大多数，高阶矩排除环境杂点——两个角色严格分开。
最后迭代与换算。压缩阶段以平衡二叉树组织代表对，验证先于存活检查，可加位势函数对账消息长度；取 @@M@@T=\lceil8/\eta\rceil@@ 轮，参数递推给出 @@M@@D_T\le 2\sigma^{2\beta}@@，最后一轮压缩得 @@M@@H(F_*)\le d\sigma\ell_*+O(k)@@，与熵下界矛盾，故存在无长一致序列的流。数论收尾是初等的：作者用中心二项式系数证明每个固定比例区间 @@M@@[c_0x,x]@@ 内必有素数，取 @@M@@x=t/(\log t)^{1+\eta}@@ 换算得 @@M@@r(s,t)\ge c_{s,\eta}\,t^{s-1}/(\log t)^{s-2+(s-1)\eta}@@，再令 @@M@@\eta=\varepsilon/(2(s-1))@@ 完成主定理。
本文主结果暂无 Lean 形式化证明，OpenAI 官方声明”未经形式化的结果可能有问题”，请以社区核验为准。作者在引言中说明：@@M@@s=5@@ 姊妹篇发展了选择律熵与低维稀疏对框架，本文”自成一体地给出全部所需论证”，而重复投影与高秩描述所需的高维估计是新的、并非从五团定理推断——这也意味着需要独立核验的环节更多。上界一侧为经典结果。两文合并恰好覆盖全部固定 @@M@@s\ge5@@，构成结果族 170 的完整图景。
问 1：相对 @@M@@s=5@@ 姊妹篇，本文真正的技术新增是什么？
（答：两件——重复投影归约与高秩类直接描述。前者把 @@M@@j\ge4@@ 维的稀疏对问题投到低维商空间，中心由方差恒等式与 Markov 不等式选取，但把帽子提升回原空间会放大 @@M@@q@@ 倍，须交八次投影的帽并用 Cauchy–Schwarz 把尺寸收回；后者用两条独立样本行加”富子空间”多项式界（源自 Nie–Wang 闭包不等式）。引言明言这两个估计均非从五团定理推断。）
问 2：姊妹篇已有 @@M@@s=5@@ 框架，本文为何”自成一体地给出全部论证”而不引用？
（答：引言原话是”The present paper supplies all the required arguments locally”。高维所需的重复投影与高秩估计要在新参数域重证，低维多项式方法也要在正特征下重做；就地复刻的好处是自足，坏处是若 @@M@@s=5@@ 框架有隐性缺陷，本文无法靠引用隔离，两文一损俱损。）
问 3：特征 @@M@@q@@ 下的多项式方法为什么是雷区？
（答：富线计数用的是 Guth–Katz、Elekes–Kaplan–Sharir 一脉的实域技术，直接搬到特征 @@M@@q@@ 会撞上 Ellenberg–Hablicsek 分析过的正特征障碍；本文的办法是把所有相关曲面次数压在素特征 @@M@@q@@ 之下。次数控制一旦在某处失守，富线界即失效——典型的高危移植点。）
问 4：定理声明”不断言 @@M@@r(s,t)@@ 有正常数倍的 @@M@@t^{s-1}/(\log t)^{s-2}@@ 下界”，这意味着什么？
（答：对数指数 @@M@@s-2@@ 是极限意义：@@M@@\lim((s-1)\log t-\log r(s,t))/\log\log t=s-2@@，但 @@M@@\varepsilon>0@@ 的损失留在下界，”充分大的 @@M@@t@@“可依赖 @@M@@\varepsilon@@ 与 @@M@@s@@。常数因子问题连同上界 Li–Rousseau–Zang 的 @@M@@1+o(1)@@ 主常数，是自然的下一步。）
问 5：选取规则的偏倚为什么是证明的命门？
（答：一致序列是从随机流中被选出的，选取可任意偏倚，不保持旗的独立性与均匀性——这是对 Alon–Rödl 计数法的本质难点。熵下界 @@M@@H(F)\ge d\sigma\ell+\eta\ell\log\sigma-O(k)@@ 对任意选取规则成立，靠的是固定元组必须出现在原流的某组位置上；压缩端每轮只读新消息、不带旧上下文，两端才能对账。）
问 6：最可能出错的模式？
（答：公开随机表与消息长度的核算。论文明言”我们界定的是消息长度，不是搜索时间”，对公开表取平均后再固定的顺序若颠倒，常数概率限制即失效；加上 @@M@@T=\lceil8/\eta\rceil@@ 轮迭代的可加位势对账，任何一处 @@M@@o(1)@@ 支配次序出错，矛盾就消失。全文未形式化。）
问 7：谁受益，还剩什么？
（答：与姊妹篇合并，所有固定 @@M@@s\ge5@@ 的非对角拉姆齐数对数指数收官；@@M@@s=4@@ 仍开放（最好下界对数幂 4 对上界 2），常数因子全线开放。极值图论与拉姆齐理论社区是直接用户。）
总评
把四十年悬置的对数幂在全部 @@M@@s\ge6@@ 一次收官，重复投影与高秩描述是货真价实的新工具；最大风险是长压缩链与多项式方法移植均未形式化，且与姊妹篇互为镜像、无引用隔离。