结果族 239：Sharp singularity rates for symmetric random sign matrices · 学科：Probability and statistical mechanics · 验证状态：暂无形式化证明，请以社区核验为准
把硬币换成偏心的：九成机会掷出 @@M@@-1@@。这面”偏心镜子”矩阵还剩多大机会不可逆？答案是 @@M@@(p^2+(1-p)^2)^n@@——恰好等于”两行一模一样”的概率。听起来顺理成章，证明却得先趟过偏置带来的新陷阱。
关键词卡片
@@M@@p\neq1/2@@ 取 1 的对称矩阵@@M@@Q=p^2+(1-p)^2@@，即两枚独立偏置硬币结果相同的概率@@M@@\mathbb{Z}^m@@ 与 @@M@@B\mathbb{Z}^m@@ 之间的格；”立方体中落进同一格的点太多”被翻译成对偶格上大量线性测试看个具体例子
数字版定理：@@M@@p=0.1@@ 时 @@M@@Q=0.82@@，故 @@M@@\Pr(\det A_n=0)=(0.82+o(1))^n@@；@@M@@n=100@@ 时约 @@M@@2.6\times10^{-9}@@。顺带一提，把 @@M@@p@@ 换成 @@M@@1-p@@ 时 @@M@@Q@@ 不变——偏向 @@M@@+1@@ 还是偏向 @@M@@-1@@，命运相同。陷阱在哪？”全 @@M@@-1@@ 列”的概率高达 @@M@@0.9^{99}\approx3\times10^{-5}@@，比目标率大上万倍——论文必须证明这类事件彼此”排挤”、再挖出一重指数折扣，才能把总账压回 @@M@@0.82^n@@。
为什么值得关心
偏置才是现实世界的常态（外场、非公平抽样）；精确率的确立说明”两行相同”这类朴素机制在偏置世界里仍是唯一主导，与非对称情形的已知图景严丝合缝。加上姊妹篇的均匀情形，对称符号矩阵的奇异率问题就此彻底关闭。
暂无形式化证明（AI 结果待核验）
第一级台阶
入门导读把硬币换成”九成掷出 @@M@@-1@@“的偏心硬币，镜子方阵的问题从”多大概率不可逆”照旧问起，但答案换成 @@M@@(p^2+(1-p)^2)^n@@——恰好是两枚独立偏币结果相同的概率，也恰好是”两行一模一样”的概率。导读点出的新陷阱要害在于：单独一个全 @@M@@-1@@ 列的发生机会 @@M@@(1-p)^{n-1}@@ 远大于目标率，所以证明不能再逐列记账，必须证明这类事件彼此排挤、并挖出第二重指数折扣。
第二级台阶
精确化：@@M@@A_n^{(p)}@@ 对角及以上元素独立、取 @@M@@1@@ 的概率为固定 @@M@@p\neq1/2@@。取核向量绝对值最大的坐标为锚、其余归一化为尾部；经变号把锚行化为全 @@M@@1@@，其 Schur 补给出上三角仍独立、概率属于 @@M@@\{p,1-p\}@@ 的比特矩阵。删一坐标得非奇异主子式 @@M@@B@@，被删列 @@M@@z@@ 须满足 @@M@@z^{\mathsf T}B^{-1}z\in\{0,1\}@@、@@M@@\|B^{-1}z\|_2\le L_0\sqrt n@@。相容列的概率账由二元熵 @@M@@h_*=-p\log_2p-(1-p)\log_2(1-p)@@ 记，而不是更大的碰撞概率——这正是”熵对碰撞”的差价；中间格 @@M@@K@@ 指夹在 @@M@@B\mathbb Z^m@@ 与 @@M@@\mathbb Z^m@@ 之间的格。
第三级台阶
定理对每个固定 @@M@@p\in(0,1)\setminus\{1/2\}@@ 陈述：@@M@@\lim_n\Pr(\det A_n^{(p)}=0)^{1/n}=p^2+(1-p)^2@@，误差项可依赖 @@M@@p@@。证明的赢余全部来自两个严格不等式：两次稀有事件合起来已比目标率更罕见（@@M@@2a>d_*@@），以及典型列的熵代价严格更小（@@M@@h_*>d_*@@）。核心命题是：除一个概率接近 @@M@@(1-p)^{2n}@@、已压在目标率之下的例外事件外，相容列很少。其算术支柱是把姊妹篇的立方交估计加强为同时版本——典型地，指标高达 @@M@@N^{\tau N}@@ 的中间格的每个陪集与立方 @@M@@\{0,1\}^m@@ 的交都少于 @@M@@2^{\alpha N}@@ 个点，且允许在观察矩阵之后再选格；剩余矩阵沿带门控的主子式路径推进，容许列过多必然迫使稀有扩张，付出所需概率代价。
证明了对角线及以上元素独立、以固定概率 @@M@@p\in(0,1)\setminus\{1/2\}@@ 取 1 的对称符号矩阵满足 @@M@@\Pr(\det A_n^{(p)}=0)=(p^2+(1-p)^2+o(1))^n@@，且该指数率恰由”两行相同”事件达到。
独立条目的对应问题已经解决：Jain–Sah–Sawhney 对每个固定非均匀分布确定了独立符号矩阵的奇异率，特别地给出偏置情形的 @@M@@p^2+(1-p)^2@@；均匀独立情形更有 Tikhomirov 的精确率与 Hu–Song–Wu 的完整渐近。对称（symmetric）模型上这些方法的根基——行独立性——不复存在：Costello–Tao–Vu 用二次利特尔伍德–奥福德（Littlewood–Offord）理论证明渐近非奇异，Campos–Jenssen–Michelen–Sahasrabudhe 得到指数界 @@M@@\exp(-cn)@@，姊妹篇确定了均匀对称情形的精确率 @@M@@(1/2+o(1))^n@@，本文处理剩下的固定偏置情形。偏置带来独有困难：设 @@M@@p<1/2@@，全 @@M@@-1@@ 列的概率高达 @@M@@(1-p)^{n-1}@@，单独一列的代价已超过目标率 @@M@@(p^2+(1-p)^2)^n@@，上界必须找到第二重增益。
定理 1.1 对每个固定 @@M@@p\in(0,1)\setminus\{1/2\}@@，
@@M@@D\lim_{n\to\infty}\Pr\bigl(\det A_n^{(p)}=0\bigr)^{1/n}=p^2+(1-p)^2.@@
右端恰是两个独立偏置符号相等的概率：要求两行相同即达此率，因为对称性只改变两行交点处一个位置的概率。定理断言所有线性依赖合起来也不超过这一率；结论对每个固定 @@M@@p@@ 成立，误差项可依赖于 @@M@@p@@。
先把矩阵整体取负，不妨设 @@M@@p<1/2@@；记 @@M@@b=1-p@@、@@M@@Q=p^2+b^2@@，并令 @@M@@a=-\log_2b@@、@@M@@d_*=-\log_2Q@@、熵（entropy）@@M@@h_*=-p\log_2p-b\log_2b@@。两个严格不等式 @@M@@2a>d_*@@（两次稀有事件合起来已比目标率更罕见）与 @@M@@h_*>d_*@@（典型列的熵代价严格更小）构成全部赢余。再归约：对角翻转把问题化到余秩（corank）一，该论证在偏置律下仍只损失亚指数因子；核向量尾部接近稀疏（可压缩）向量时，用网格覆盖、Hoeffding 不等式与中心化矩阵的算子范数估计直接以目标率控制。
对一般核向量，取绝对值最大的坐标为锚（anchor），其余坐标归一化为尾部（tail）。经全局与逐坐标变号把锚行化为全 1，其 Schur 补（Schur complement）为 @@M@@-2@@ 乘一个对称比特矩阵，其上三角元素仍独立、概率属于 @@M@@\{p,1-p\}@@。删除合适坐标得非奇异主子式（principal minor）@@M@@B@@，被删列 @@M@@z@@ 须满足 @@M@@z^{\mathsf T}B^{-1}z\in\{0,1\}@@、@@M@@\|B^{-1}z\|_2\le L_0\sqrt n@@。关键改进在于坐标的选取使原符号列的正条目数接近典型值，从而每个相容列的概率由熵 @@M@@h_*@@ 而非更大的碰撞概率（collision probability）控制——这一”熵对碰撞”技巧沿用 Jain–Sah–Sawhney 的独立条目策略。余下的核心命题是：除一个概率接近 @@M@@(1-p)^{2n}@@（已压在目标率之下）的例外事件外，相容列很少。
算术部分复用姊妹篇的判别群（discriminant group）与主子式方法，并把立方交估计加强为同时版本：典型地，凡包含 @@M@@B\mathbb{Z}^m@@、指标（index）不低于 @@M@@N^{\tau N}@@ 的中间格 @@M@@K@@，其每个陪集与立方 @@M@@\{0,1\}^m@@ 的交都少于 @@M@@2^{\alpha N}@@ 个点，且允许在观察矩阵之后再选格——同时量词对后续应用必不可少。证明将大立方交转化为对偶格（dual lattice）上大量有效的线性测试；低高度子空间覆盖加线性换尺度把测试限制到维数严格小于 @@M@@N@@ 的子空间附近，其可能位置可被足够小的固定网格廉价覆盖，数目不敌若干行独立条目满足整性条件的概率；对偶格上的高斯抽样使这一比较对偏置分布生效。
最后该估计两用：其一，@@M@@\mathbb{Z}^m/B\mathbb{Z}^m@@ 上的有限配对在除最大两个不变因子（invariant factors）外对数总规模较小时直接数出容许列；其二，其余矩阵沿带门控的主子式路径推进，在短终端段内容许列过多必然迫使”两次单列稀有扩张”或”一次双列稀有扩张”，每种情形各付出接近 @@M@@b^N@@ 的概率代价，合成定理所需的上界。
主结果尚无 Lean 形式化证明。本文显式调用姊妹篇（均匀对称情形）的确定性引理——低高度覆盖、鲁棒格界、配对与主子式恒等式——并把其立方交估计加强到偏置分布，两文构成族 239 互相支撑的整体。按 OpenAI 官方声明，未经形式化的结果可能存在问题，请以社区核验为准。
问 1：证明中最关键、最脆弱的一步是哪里？
（答：同时版本的立方交估计（定理 small-intersection）。它把”立方体中落进同一中间格的点太多”翻译成对偶格上大量有效线性测试，再用低高度子空间覆盖加线性换尺度把测试限制到维数严格小于 @@M@@N@@ 的子空间附近，使测试位置能被小网格便宜覆盖，其数目不敌若干行独立条目满足整性条件的概率；对偶格上的高斯抽样让这一比较对偏置分布生效。”同时”量词——允许观察矩阵之后再选格——是路径论证的命门，也是技术上最易出错的一环。）
问 2：”全 @@M@@-1@@ 列”的陷阱具体怎么化解？
（答：两条路各给一重折扣。结构性例外需要两次稀有列扩张，概率接近 @@M@@(1-p)^{2n}@@，指数 @@M@@2a@@ 严格压过目标率指数 @@M@@d_*@@；非例外奇异矩阵则容许一个删除，使被删列的正条目数接近典型值，单个相容列的概率由熵 @@M@@h_*@@ 而非碰撞概率控制，@@M@@h_*>d_*@@ 再让一城。两重严格不等式就是全部赢余。）
问 3：与姊妹篇及 Jain–Sah–Sawhney 相比，真正新意是什么？
（答：把 JSS 独立条目框架里的”熵对碰撞”策略移植进对称世界——这需要对锚行做 Schur 补后概率仍属于 @@M@@\{p,1-p\}@@ 的精确结构；同时把姊妹篇的立方交估计加强为对偏置分布、对所有中间格同时成立的形式。二者缺一，偏置对称情形的锐率都拿不到。）
问 4：假设”固定 @@M@@p\neq1/2@@“能放松吗？
（答：@@M@@p=1/2@@ 正是姊妹篇的定理；@@M@@p@@ 随 @@M@@n@@ 变化的情形论文未处理，且定理只断言指数率、误差项允许依赖 @@M@@p@@——@@M@@p\to1/2@@ 的一致性论文未展开。）
问 5：作为 AI 生成的证明，最可能出错的模式是什么？
（答：典型风险是两套货币的兑换账：格侧用 @@M@@2^{\alpha N}@@、指标用 @@M@@N^{\tau N}@@（@@M@@\tau@@ 随 @@M@@\log\log N@@ 的固定逆幂下降）、熵侧用 @@M@@h_*@@，三者在多处不等式链里换算，任何一处常数算错，严格间隙即消失；高斯抽样比较在偏置分布下的有效性也是暗礁。本文未形式化，且其算术支柱显式依赖姊妹篇的确定性引理，两文风险共担。）
问 6：这个结果谁会用到？
（答：与姊妹篇合起来彻底关闭了对称符号矩阵的奇异率问题（均匀＋固定偏置），为自旋玻璃等物理模型提供了带外场参数的基准率；后续做最小奇异值下界、稀疏或重尾对称模型的工作可直接对照这一锐率。）
问 7：为什么”允许观察矩阵之后再选格”这个量词顺序必不可少？
（答：主子式路径论证中，走哪一步、遇到什么中间格都取决于矩阵的具体实现；若格必须先于矩阵选定，门控概率估计就套不上实际路径，终端段的稀有扩张论证会落空。）
总评
这篇论文在均匀姊妹篇的算术骨架上嫁接独立条目世界的熵策略，把偏置对称奇异率钉死在两行相同的概率上，问题就此关闭；最大风险是熵账与格账的兑换常数和高斯抽样比较均未经形式化，且与姊妹篇形成单点依赖。