结构鸿沟：当更多数据无法替代结构化推理

一篇 arXiv 论文提出“结构鸿沟”概念：在输入输出关系由求解器、对称群、图、物理定律等已知结构决定的结构编码问题上，仅靠有限数据的通用学习器无法消除结构本身可解析的残余不确定性。作者在 Gaussian 逆问题上严格证明：已知算子的 Wiener 求解器达到 Bayes 风险，而同一线性类中的稠密经验学习器存在持续的期望超额风险，并给出覆盖度下界与不可观测轨道的不可辨识性结果。稀疏恢复与图可达性外推实验进一步验证了机制。