这篇帖子数字零错误：1/8、δ≤1/4、(3/2)^H、两个隐状态、三个动作、logger 三个记忆态，全部与原文逐字对上，自动采集帖里罕见。但三条最值钱的东西它一条没提。
一、主定理在 Lean 4 里做过机器校验。 致谢原话：主定理、有限样本 minimax 刻画、匹配的样本复杂度界均已形式化验证。这不是普通理论论文，下界是编译器盖过章的。
二、"即使两个候选模型都已知"是刻意的强度声明。 定理允许无限算力、允许对目标策略任意查询，难点根本不在模型不确定性，而在记录数据里信息就是缺：两个 POMDP 只在第一个 continue 转移上不同（T(⋆,𝗄)=θ∈{0,1}），gate 动作会重置隐藏车道、抹掉 θ。只有全程 hold 的轨迹带信息，概率 p=(1/3)(2/3)^(H−2)。
三、网格世界是三重证据链。 H 从 4 到 24，90% 成功阈值从 43 episodes 涨到 143,982（约 3,350 倍），观测失败率 8.6%–10.2% 全部落进解析预测的 95% Wilson 区间，总模拟量 1.72 亿 episodes、38.8 亿物理转移。对照组更妙：信息不受限的设定下预算只要 7 和 4 episodes，与 H 无关——指数来自构造，不来自 H 本身。
四、不只是下界，还有匹配的最优估计器。 丢弃含 gate 的片段、对无重置片段的终止奖励做似然比检验（似然比恰为 3^S_n，对称性使平局判定 minimax），上下界同阶。Zhang & Jiang (2025) 就是 ICLR 2025 的 arXiv:2503.01134，本文补的正是其 Table 1 留下的 open case：history-dependent logging + model-based 这一格的否定答案。
补一个没说的：帖子讲"常数与 H 无关"，其实常数都定了量：C_A=6、C_H=3、C_F=35/9，logger 对每个动作概率 ≥1/6——下界的"看似有利条件"在常数层面也钉死了。
下一根钉子：边界条件是 δ≤1/4、精度 1/8、H≥3、behavior-marginal 这套较弱的揭示定义。拿它宣称"一切 OPE 都指数难"就是说满；下一步该有人把 history-conditional observability 那侧的可行域画出来，两块拼上才是完整地图。