结果族 317：Thomason model structures in all strict higher dimensions · 学科：Topology · 验证状态：暂无形式化证明，请以社区核验为准
描述一个形状有两种语言：直接画图（拓扑空间），或写一份层层嵌套的目录（范畴）。1980 年 Thomason 证明：只有一层深度的目录——普通范畴——就足以编码任何形状的同伦。这篇论文把结论推到每一种嵌套深度：目录深到 2 层、3 层、任意 n 层乃至无穷层，全都够用。
关键词卡片
看个具体例子
n=1 的经典一幕：范畴 {0→1}（两个对象、一条箭头）的神经是一条线段。主定理说：对每个 n（含 ∞），用”Street 神经＋两次打磨”判弱等价，n-范畴世界就自带一个”真且组合式”的模型结构，并且词典 @@M@@L_n=c_n\mathrm{Sd}^2\dashv R_n=\mathrm{Ex}^2N_n@@ 是与空间世界（单纯集）的 Quillen 等价——嵌套深度不影响翻译质量：
为什么值得关心
补上 Ara–Maltsiniotis 转移框架悬置多年的最后一环（等价在推出下的保持性），一举宣告：严格性在任何维度都不损失表达力，严格高阶范畴就是合格的”空间语言”。
暂无形式化证明（AI 结果待核验）
第一级台阶
导读把空间比作”直接画图”，把范畴比作”层层嵌套的目录”，并说 Thomason 证明了单层目录就够编码任何形状。换成半数学的说法：对象一边是空间的组合模型——单纯集，另一边是逐层嵌套的严格目录——严格球状 n-范畴；翻译器是把目录逐维抄录成单纯集的”神经”函子。要证的断言：无论目录嵌套多深——2 层、任意 n 层乃至无穷层——这本词典都是无损的。
第二级台阶
用本科术语精确化。严格球状 n-范畴：0 维对象、1 维箭头、2 维面……按层组织，复合严格满足结合律与单位律，不许”差不多相等”。Street 神经 N_n：把 n-范畴 X 映为单纯集，m 维单纯形取从第 m 个 oriental 到 X 的严格函子。模型结构：在一个范畴上指定弱等价、余纤维、纤维三类映射并满足提升与分解公理的同伦演算规则。Quillen 等价：一对伴随函子，保证两个模型范畴做的是同一套同伦论。
第三级台阶
定理陈述：对每个 1≤n≤∞，在严格球状 n-范畴上规定弱等价为 Street 神经下的弱同伦等价、纤维为二次扩张神经 Ex²N_n 下的 Kan 纤维，则这三类映射构成真且组合式的模型结构，且伴随 c_nSd² ⊣ Ex²N_n 是到单纯集的 Quillen 等价。此前 Ara–Maltsiniotis 的转移框架已把猜想拆成两块：偏序集单位比较（已有解答）与”特定偏序集等价在任意范畴推出下保持”——后者须允许把生成胞腔附着到不必自由生成、不必余纤维的任意目标，正是卡住多年的最后一步，本文用”驻定柱”构造补齐。
证明 Ara–Maltsiniotis 高维 Thomason 猜想：对每个 @@M@@1\le n\le\infty@@，小严格球状（globular）@@M@@n@@-范畴上存在真（proper）的组合式模型结构，弱等价由 Street 神经检测，并与单纯集 Quillen 等价——严格高阶范畴在一切维度都实现空间的同伦理论。
1980 年 Thomason 证明小范畴（@@M@@n=1@@）经神经函子承载空间的同伦理论；Street 的 oriental 随后把神经推广到严格高阶范畴。Ara–Maltsiniotis 2014 年建立抽象转移定理并完成 @@M@@n=2@@（更早的二维构造提案有缺口，2016 年勘误）。转移框架把一般维度的猜想归结为两个充分条件：偏序集神经上的单位比较（已由 Ara–Maltsiniotis 2015 与 Gagna 2018 解决），以及特定偏序集等价在任意范畴推出下的保持性（Scholie 5.14 条件 (d@@M@@'@@)）。后者须真正控制范畴层面的推出，且小对象论证允许把生成胞腔附着到任意目标（不必自由生成、不必余纤维），这是卡住多年的最后一步；Ara 2023 与 Guetta–Maltsiniotis 2024 都明确记录了该猜想。
主定理（Theorem 1.1）：对 @@M@@n=\infty@@ 取 @@M@@\nCat=\omCat@@。Street 神经 @@M@@N_n@@ 由 @@M@@(N_nX)_m=\Hom_{\omCat}(\mathcal O_m,X)@@ 定义（@@M@@\mathcal O_m@@ 为第 @@M@@m@@ 个 oriental），@@M@@c_n\dashv N_n@@；记 @@M@@U_E=c_nN E@@（@@M@@N@@ 为普通神经）、@@M@@L_n=c_n\Sd^2@@、@@M@@R_n=\Ex^2N_n@@。规定 @@M@@W_n=N_n^{-1}(W_{\mathrm{KQ}})@@、@@M@@F_n=R_n^{-1}(\mathrm{Fib}_{\mathrm{KQ}})@@、@@M@@C_n={}^{\perp}(F_n\cap W_n)@@，则对每个 @@M@@n\in\{1,2,\ldots\}\cup\{\infty\}@@，@@M@@(C_n,W_n,F_n)@@ 是 @@M@@\nCat@@ 上真且组合式（combinatorial）的模型结构，由 @@M@@(L_nI,L_nJ)@@（边界与角包含的二次细分像）余生成，且 @@M@@L_n\dashv R_n@@ 是到 Kan–Quillen 单纯集的 Quillen 等价。关键中间结果是余泛性（couniversality）定理：若偏序集间的筛（sieve，即下闭全子偏序集）含入 @@M@@A\hookrightarrow E@@ 具有右伴随收缩（right adjoint retraction），则对任意附着 @@M@@U_A\to X@@，推出 @@M@@X\to X\amalg_{U_A}U_E@@ 都是 Thomason 等价（Street 神经为弱同伦等价）——恰补上 Ara–Maltsiniotis 框架缺失的条件 (d@@M@@'@@)。
证明的核心是”驻定柱”（stationary cylinder）。设 @@M@@f,g:E\to E@@ 单调、@@M@@f\le g@@、在筛 @@M@@A@@ 上相等、且 @@M@@g@@ 在 @@M@@E\setminus A@@ 上常值，则在链层面定义正映射 @@M@@[w_0,\ldots,w_p]\otimes u\mapsto[fw_0,\ldots,fw_p,gw_p]@@；经 Steiner 的增广有向复形（augmented directed complex）理论——@@M@@\nu@@ 函子把强 Steiner 复形送到由原子自由生成的严格 @@M@@\omega@@-范畴——以及 Gray 张量积比较 @@M@@\nu K\otimes\nu L\cong\nu(K\otimes L)@@，得到严格函子 @@M@@P_{f,g}:U_E\otimes D_1\to U_E@@，它在整个旧部分 @@M@@U_A@@ 上沿区间方向恒定，此即”驻定”。再借助右内 Hom @@M@@H(Y)@@（@@M@@Y@@ 为 @@M@@n@@-范畴时它仍是 @@M@@n@@-范畴），把柱转置为 @@M@@B\to H(Y)@@，从而沿任意附着把柱粘合到整个推出上；Alexander–Whitney 对角进而把严格柱转化为 Street 神经上的单纯同伦。证明余泛性时，先处理 @@M@@E\setminus A@@ 有最大元的情形：恒等 @@M@@\id_E@@ 与压缩 @@M@@k@@ 未必逐点可比，但都位于公共常值映射 @@M@@g@@ 之下，两条棱柱拼出 @@M@@\id_Y\to G\leftarrow jp@@ 的锯齿形同伦，与收缩 @@M@@p:Y\to X@@ 相配即得 @@M@@j@@ 是 Thomason 等价。一般有限偏序集删去两个不同极大元，得到覆盖 @@M@@E@@ 的两个筛，相应的附着推出是全筛子范畴、其交恰为公共子偏序集的推出，于是神经沿单射组成单纯形推出，用”单腿粘合引理”归纳粘合弱等价——各局部的收缩无需彼此相容。任意偏序集再用滤过余极限（稳定于 @@M@@q=ir@@ 的有限子集）化归到有限情形。最后，二次细分把每个生成边界或角包含识别为偏序集神经含入 @@M@@NA\hookrightarrow NB@@（@@M@@A@@ 为筛，上闭包的收缩为 @@M@@r(\sigma)=\sigma\cap P_K@@），仿照 Thomason 的 Dwyer 映射分解得到附着比较命题：神经的推出逼近推出的神经。由此得角附着非循环（acyclic）、边界附着不变，经小对象论证与超限归纳凑齐模型公理与左右真性；单位比较沿单纯形的胞腔分解归纳，最终给出 Quillen 等价。
本文是 OpenAI 发布的手稿，主结果暂无 Lean 形式化证明；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。作者声明不使用 Steiner 2004 中证明未完成的定理 7.3，改用 Ara–Maltsiniotis 2020 已完成的扩张定理，并注明附录 B（方法语境）并非证明输入。作为结果族 317 的代表篇目，本文补上转移框架仅剩的推出条件，与既有的偏序集单位条件（Ara–Maltsiniotis 2015、Gagna 2018）拼合成完整猜想；族内姊妹文献可提供独立的交叉核验。
问 1：证明里最关键、最脆弱的一步在哪里？
答：余泛性定理（thm:couniversal）：偏序集间带右伴随收缩的筛含入 A↪E，其任意推出 U_A→X 的推出映射 X→X⊔U_E 都是 Street 弱等价。它是靠”驻定柱”证的：用 Steiner 增广有向复形在链层面定义正映射 [w₀,…,w_p]⊗u ↦ [fw₀,…,fw_p,gw_p]，经 Gray 张量积比较得到在整个旧部分上沿区间方向恒定的严格柱，再粘合到任意附着上。链条一端是链代数、一端是范畴层推出，接口处最易出错。
问 2：为什么必须允许”附着到任意目标”，不能只对付自由生成的范畴？
答：小对象论证在做分解时要把生成胞腔沿着任意映射附着，目标范畴既不必自由生成也不必是余纤维对象；若推出保持性只在受限目标上成立，转移定理所需的余生成对 (L_nI, L_nJ) 的非循环性无从验证。Ara–Maltsiniotis 的 Scholie 5.14 条件 (d’) 正是为此把”任意推出”列为充分条件，这也是该问题悬置多年的原因。
问 3：与已有工作相比真正的新意是什么？
答：Thomason 1980 做 n=1，Ara–Maltsiniotis 2014 做转移框架与 n=2；偏序集单位条件已由他们 2015 年与 Gagna 2018 年解决。本文新补的正是仅剩的推出条件 (d’)，从而对一切 n（含 ω）一次性凑齐真、组合式模型结构与 Quillen 等价。技术上作者明确声明不用 Steiner 2004 中证明未完成的定理 7.3，改用 Ara–Maltsiniotis 2020 已完成的扩张定理，规避了一个已知的坑。
问 4：筛含入的”右伴随收缩”假设为什么不能去掉？
答：驻定柱的构造需要一对单调映射 f≤g：在筛 A 上相等、在补集上 g 常值——右伴随收缩恰好提供这样的映射并保证柱的链映射是正的（positive）。没有收缩的任意含入既无此比较结构，其神经在推出下也未必保持弱等价；论文的论证对无收缩情形不适用，也未讨论更弱条件能否替代。
问 5：AI 生成证明最可能出错的模式是什么？
答：三处高危。链层正映射对全部单纯算子的相容性与”归一化重复置零”的处理，指标错一位即悄悄破坏函子性；两个筛的覆盖论证中”各局部收缩无需彼此相容”的粘合（单腿粘合引理）依赖单射腿的精确识别；ω 维到有限 n 维的下降靠有限维反射，反射与柱的交换性若不严格，有限维情形会失去结论。全文暂无形式化证明。
问 6：谁会用到它？
答：高阶范畴基础研究者：它宣告严格 globular 范畴在一切维度都是合格的”空间语言”，为严格化技巧提供模型结构保障；与同族”经初等扩张证同伦假设”的工作互补——那篇走弱凝聚路线、本篇走严格路线，附录 B 讨论了两者关系但明确不作为证明输入。Fiore–Paoli 的 n-fold 范畴是平行的另一族形状，本文补齐的是 globular 街区。
总评
补上 Ara–Maltsiniotis 框架悬置十余年的最后一块拼图，让”严格性在任何维度不损失表达力”升级为完整模型结构层面的定理，分量扎实；最大风险在驻定柱从链代数到范畴推出的长接口，未经形式化，宜优先核验。