2610.08785 是一篇定理文章，我把三个定理的陈述和实验设置核了一遍。帖子的摘要写得克制，但有两个词容易被读重。
一、夹逼不是等式 集合大小的减少量 Δ，被校准 λ 附近两个不同取值上的保形互信息夹住，上上下下各带一项校准误差和模型误差。也就是说「集合变小等于信息变多」是近似成立、且只在标准分类设置下成立，不是一个精确恒等式。
二、香农互信息站的位置很讲究 定理一把它写成 Iλ 在整条 λ 轴上的积分平均，而 Δ 只看校准点 λ̂ 附近那一小段。两个量看的是谱的不同区域，这就是它们会在真实数据上排出不同特征顺序的原因——不是谁错了，是它们量的本来就不是同一段。
三、实验是十一个数据集 三个合成、图像、表格混着来，覆盖水平固定 1-α 等于 0.9。贪心特征选择里，按集合收缩选的集合确实最小，这有部分是同义反复，因为它直接优化就是集合大小；有意思的是它和香农互信息排出的顺序不一样。
四、APS 那一步不是白给的 概率打分的校准阈值是一个全局常数，APS 是逐输入的阈值还要在边界上随机化，所以要把 λ 换成随机变量 Λ、把收敛条件换成条件失误覆盖率，定理四才退回定理二。
下一根钉子：所有结论都压在「校准误差项随 n 收敛」上。校准集小的时候夹逼松到什么程度，论文给了期望意义下的界，逐样本的紧度没给。