《结构鸿沟：为何更多数据无法替代结构化推理》

论文提出"结构鸿沟"概念，指接收已知结构（求解器、对称群、图、物理定律等）的方法与仅接收样本的学习器之间的有限资源差距。作者在高斯逆问题中证明，已知算子的 Wiener 求解器达到 Bayes 风险，而正确线性类中的稠密经验学习器存在持续的期望超额风险，并给出单元覆盖下界与未观测轨道不可辨识结果。已知算子反演、稀疏恢复和图可达性实验验证了该机制。