结果族 182：Power savings for intersective polynomial differences and prime arguments · 学科：Combinatorics · 验证状态：暂无形式化证明，请以社区核验为准
| 想象老师把 1 到 N 的号码牌摊开让你尽量多挑，但有一条禁令：任意两个挑中号码之差，不能撞上某个固定多项式 h 代入正整数得到的所有值——h 的取值就是一份”黑名单”。论文证明：只要 h 是”交集多项式”，你最多挑到 | A | ≤ C·N^(1−c) 个，比 N 整整少掉一个固定幂次，而且这个幂次只由 h 的次数决定。 |
关键词卡片
看个具体例子
取次数 k=2、N=10^6，定理的数字版是：
@@M@@|A|\ \le\ C_h\cdot(10^6)^{1-c_2}@@
精髓在指数：c₂ 只看次数。换成任何一个二次交集多项式——系数再复杂——省下的幂次都是同一个 c₂，变化的只是常数 C_h。此前对一般交集多项式，最好的定量界只带亚指数型的节省，固定幂是首次达到。
为什么值得关心
它把 Furstenberg–Sárközy 以来的定量长跑推进到”固定幂”这一干净台阶，且指数只依赖次数，说明真正起作用的是多项式的局部根结构，而非具体形状。
暂无形式化证明（AI 结果待核验）
第一级台阶
导读里的”黑名单挑数”游戏，对象其实是一个有限整数集合，操作是把集合中任意两个数相减；禁令是说：这些差全体不能撞上某个固定多项式代入正整数后吐出的那串数。多项式像一台不断产出新数的机器，回避集就是让任意两数之差都躲开这台机器全部输出的集合。
第二级台阶
| 用本科语言精确化：称整系数多项式 h 为交集多项式，如果对每个正整数 q，同余方程 h(t) ≡ 0 (mod q) 都有解——它在每个有限的算术世界里都有根。回避集 A 指差集 A−A = {a−a’} 与 h 的非零取值集合不相交。幂节省指上界形如 | A | ≤ C·N^(1−c)，其中指数 c > 0 与 N 无关，常数 C 只依赖 h。 |
第三级台阶
| 定理在此语境陈述：固定次数 k ≥ 2、首项系数为正的交集多项式 h，考察 [N] = {1,…,N} 中的回避集。交集性挡住的是局部障碍——若 h 模某个 q 无根，则 q 的倍数全体就是正密度的回避集，任何衰减结论都会失效；首项系数为正则保证 h 的取值最终为正，黑名单确实伸向无穷。结论是：存在指数 c_k ∈ (0,1) 使得 | A | ≤ C_h·N^(1−c_k)，且 c_k 对所有同次多项式统一——省下的幂次只认次数，不认系数。 |
证明了：对每个次数 @@M@@k\ge2@@ 存在指数 @@M@@c_k>0@@，凡避开固定 @@M@@k@@ 次交集多项式 @@M@@h@@ 一切非零取值之差的集合都满足 @@M@@|A|=O_h(N^{1-c_k})@@，且幂节省指数只依赖次数。这把一般多项式差集的上界首次从对数级、亚指数级推进到固定幂级。
这类问题始于 1977–1978 年 Furstenberg（遍历方法）与 Sárközy（Fourier 方法）独立的平方差定理：正上密度的整数集必含两个元素，其差为非零平方。Kamae 与 Mendès France 随后把定性结论推广到”交集多项式”（intersective polynomial），即模每个正整数 @@M@@q@@ 都有根的整系数多项式；该局部条件也是回避集密度必趋于零的充要条件。定量方面，Lucier、Rice、Arala 相继给出对数型界，Green–Sawhney（2025）对平方差得到 @@M@@N\exp(-c\sqrt{\log N})@@，Adajar 等（2026）对一般交集多项式得到 @@M@@\exp(-c_{h,\mu}(\log N)^\mu)@@——固定幂 @@M@@N^{1-c}@@ 始终缺一格，本文补上。
定理（Theorem 1.1）：对每个整数 @@M@@k\ge2@@ 存在常数 @@M@@c_k\in(0,1)@@，使得对每个次数为 @@M@@k@@、首项系数为正的交集多项式 @@M@@h\in\mathbb{Z}[x]@@，存在 @@M@@C_h\ge1@@ 与 @@M@@N_h@@：只要 @@M@@N\ge N_h@@ 且 @@M@@A\subseteq[N]@@ 满足 @@M@@(A-A)\cap h(\mathbb{N}_+)\subseteq\{0\}@@，就有 @@M@@|A|\le C_hN^{1-c_k}@@。隐含常数可以依赖 @@M@@h@@ 的全部系数，但指数对同次多项式统一。注意”交集性”允许不同模数的根来自 @@M@@h@@ 的不同因式，不要求有理根；@@M@@h@@ 的零值不施加限制。
证明沿用同族平方差论文的”反射正 tuple 律 + 符号泛函”框架；多项式带来两个新障碍：换到等差数列时多项式本身会变，且构造出的局部分布未必是多项式取值的自然分布。
先做归一化：取 @@M@@g(x)=h(r+D_0x)/M@@（@@M@@r+D_0m\ge1@@），使每个选定 @@M@@p@@-进根处首个非零 Taylor 系数是单位（unit）；只需对有限个素数除以 @@M@@M@@。这一步的目的是让决定最终指数的全部结构参数只依赖 @@M@@k@@。
再造对进度封闭的辅助族（Lucier 型）：多项式 @@M@@h_l@@（@@M@@h_1=h@@）与完全乘法函数 @@M@@\lambda@@ 满足 @@M@@h_l(Dx-i)=\lambda(D)h_{lD}(x)@@、@@M@@D\mid\lambda(D)@@、@@M@@\lambda(D)\le D^k@@。子集在等差数列坐标下的回避性沿族传递，且系数界、完全指数和估计、局部提升性质对 @@M@@l@@ 一致。
然后对每个大素数 @@M@@p@@，在固定偶基数标签集 @@M@@V@@ 的 @@M@@\F_p^V@@ 上构造加权概率律：指定圈的增量取 @@M@@h_l@@ 在导数非零（正则）自变量处的值，边权为给出该增量的自变量个数；此律反射正（reflection positive）、边际一致、条件混合，并在进度恒等式下精确协变。提升（Fourier lift）保留 @@M@@1_A@@ 在小分母有理频率处的归一系数，积分得非负量 @@M@@Y_l(N,A)\ge(|A|/N)^d@@。
核（kernel）一步把律”落地”到整数：构造支在 @@M@@h_l@@ 真实正值上的符号核，其 Fourier 变换逼近圈边的对乘子——大弧（major arcs）靠提升式的局部系数精确计算，小弧（minor arcs）靠初等 Weyl 差分（Weyl differencing）。关键洞察是只需支集：回避集上的双线性型逐项为零，核权符号无关紧要。这把”造有用的 tuple 律”与”在真实多项式值上实现其对分布”两个问题解耦。
最后是传递与归纳：固定正比例 @@M@@\rho_l\ge\rho_*=M_0^{1-L}@@ 的”好”剩余类指派给出相消，其余指派连同可和的例外质量（@@M@@\sum q_B\eta_{l,B}\le1/4@@）用更短区间、族中更远的多项式控制，得收缩递归。取 @@M@@a_0=\frac12\min\{\sigma,\,\frac1{k+2/\zeta},\,\frac{-\log(1-3\rho_*/4)}{(k+2/\zeta)\log M_0}\}@@、@@M@@b_0=2a_0/\zeta@@，收缩因子 @@M@@\theta=M_0^{s_0}(1-3\rho_*/4)<1@@，对一切 @@M@@l@@ 同时强归纳证明 @@M@@Y_l(N)\le C_0l^{b_0}N^{-a_0}@@（@@M@@l>N^\zeta@@ 时用次幂界兜底）。对归一化的 @@M@@g@@，@@M@@a_0/d@@ 只依赖 @@M@@k@@；按模 @@M@@M@@ 剩余类拆分 @@M@@A@@，用 @@M@@Mg(m)=h(r+D_0m)@@ 把界传回 @@M@@h@@，得 @@M@@c_k=a_0/d@@。
本篇暂无形式化证明。它在结果族 182 中承上启下：同族平方差论文是其直接方法论前身（本文复用其 tuple 律与符号泛函，并补上多项式与换尺度论证），而素数参数篇又以本文为直接前身。三篇构成互相支撑的方法链。按 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。
问 1：整个证明最脆弱的一环在哪里？
（答：kernel 一节构造的符号核。它要在真实多项式值上造一个带符号的核，其 Fourier 变换逼近 tuple 律给出的对乘子——大弧靠提升式的局部系数精确计算，小弧靠初等 Weyl 差分。论文自己承认构造出的局部分布”未必是多项式取值的自然分布”，靠”回避集上双线性型逐项为零、核权符号无关”来解耦；这一近似的精度与后续收缩递归的衔接，是最容易被逐行盯住的地方。）
问 2：交集性能去掉吗？
（答：不能。引言明确指出：若 h 模 q 无根，则 q 的倍数全体构成密度 1/q 的回避集，连”密度趋于零”都不成立，幂节省更无从谈起。交集性恰是定性结论成立的充要局部条件。）
问 3：与 Green–Sawhney、Adajar 等已有工作相比，真正新意是什么？
（答：此前对一般交集多项式的最好界是 N·exp(−c_{h,μ}(log N)^μ) 型亚指数节省；本文首次拿到固定幂 N^(1−c)，且指数对同次多项式统一。方法上是把同族平方差篇的反射正 tuple 律与符号泛函移植过来，新增”多项式在等差数列下换尺度的精确协变”与”符号核落地”两个部件。）
问 4：指数 c_k 到底多大？
（答：论文给出 c_k = a₀/d 的显式参数化——a₀ 由 σ、ζ、ρ₎ 等结构常数经 min 与对数式组合而定，原则上可由 k 计算，但层层常数嵌套，实际数值极小；论文未讨论任何数值优化。）
问 5：这类 AI 生成证明最可能在哪里出错？
（答：对辅助族指标 l 的一致性声明。归纳要对一切 l 同时证 Y_l(N,A) ≤ C·l^b·N^(−a)，而”系数界、完全指数和、局部提升性质对 l 一致”若在某处隐性依赖 h 的具体系数，”指数只依赖次数”就会崩塌；这类一致性恰是机器生成长证明最容易悄悄失效的地方。此外归一化步 g(x)=h(r+D₀x)/M 把隐含常数扫进 C_h，若除法破坏了某处整性，传导回 h 的一步也会出问题。）
问 6：谁会用到这个结果？
（答：同族的素数参数篇以本文为直接方法论前身；更广地，任何需要定量 Sárközy 型定理的组合数论问题——例如 Ramsey 配色中寻找单色差结构——都可以把”密度趋零”直接升级为”幂节省”。）
总评
（这项工作把 Furstenberg–Sárközy 定量长跑推进到固定幂这一干净台阶，”指数只认次数”的表述在同类结果中相当醒目；最大风险在于符号核与 l-一致性构成的自足但未经形式化核验的长证明链条。）