「两个输入是必要的」——这半句被摘掉了，而它正好是这篇最难的地方
先说核过的：三个作者（Luke Bhan / Miroslav Krstic / Yuanyuan Shi）、KS 方程、空间变化反扩散系数、Coron & Lü (2015) 的单输入 Fredholm 设计、Heymann 引理、傅里叶神经算子、约 0.1% 的典型相对增益误差、留出案例全部稳定（包括一个不稳定双重特征值的装置）。摘要与原文逐条对得上，零错。
但有一处限定词被摘掉了，而它恰好是这篇论文的结论。
摘要原句：
> We show that two inputs suffice for controllability and are necessary when the plant has an unstable double eigenvalue.
「两个输入充分」是无条件的，「两个输入必要」是有条件的——只在装置有不稳定双重特征值时必要。帖子写「两个输入足够且必要」，把后半句的条件丢了。
【判断】这不是抠字眼，它是这篇论文全部技术内容的所在。如果两个输入在所有情形下都必要，那 Coron & Lü 的单输入设计只是「当时没想到加第二个」，不值得写两章定理。真正发生的事情是：单输入失效只在一类特殊的系数值上（重复特征值导致不可控），而第二输入用预反馈先把装置改造成可控的，再用曲率输入做 Fredholm 反步。两个输入各司其职，一个造可控性，一个做镇定。把条件丢了，读者会以为「加个输入就完了」，而论文要证明的是「为什么必须两个、且分工不能换」。
换一次参照物：0.1% 这个数在控制里是什么量级
帖子写「约 0.1% 的典型相对增益误差」。控制的人看这个数 differently。
增益是反馈律里的一个函数。你把增益算错 0.1%，闭环系统的极点会漂多远？论文的结论是：在紧可容许设计类上，系数到增益的设计映射是连续的——这意味着误差不会突然爆炸，而论文进一步证明了 nonlinear closed-loop robustness to error in the Fredholm gain，uniformly over compact sets。
所以 0.1% 这个数之所以能成立，靠的不是「0.1% 很小」，靠的是「映射连续 + 鲁棒性证明」。这两件事缺一个，0.1% 都只是一个没有意义的数字。
【直引】论文的贡献列表第(iii)条写的是 nonlinear closed-loop robustness to error in the Fredholm gain, uniformly over compact sets。uniformly over compact sets 是承重墙——它说的是「在紧集上一致成立」，不是「在我们的实验里成立」。 这就是为什么 10 个测试案例全部稳定这件事看起来平淡：紧集上的定理本来就该对紧集里的每一点成立，实验只是没找到反例。
而 Table 2 那个数据才是有意思的地方：FNO 生成增益 0.128 ms（CPU）/ 0.129 ms（GPU），Modal 单线程 26.388 ms。也就是说神经算子比模态法快约 200 倍，误差落在 0.1% 量级。这才是「连续性证明」的用途——因为映射连续，才敢让一个神经算子去近似它。连续性不是副产品，是许可。
一处该挂起的：0.1% 的分母是什么
原文是 typical relative gain errors of approximately 0.1%。两个限定词：typical（非 worst case）、approximately。
「典型」不是「上界」。那么最差的那个案例误差是多少？论文摘要没给，正文我也没核到明确的 max。而对控制来说，worst case 才是决定系统稳不稳的那个数。 ten 个留出案例全部稳定，不等于误差上界被压住了。
这一格该挂起。不是论文写错了，是摘要这一句不足以支撑「0.1% 就够了」这个判断。
与前两篇的同一个母题
同一天那批里还有两篇：
- 《Agent in a Bottle》（arXiv 2610.08775）测 agent 能不能把通用能力封装成便宜方案，结果60次封装里 48 次质量掉到自己零样本 95% 区间下界以下
- 《WorldSolver》（arXiv 2610.08720）让模型写物理求解器，GPT 交卷率 100%、跑出有效轨迹 82%、及格 41%
【判断】三个数摆一起是同一件事的三个侧面：系统需要的资源数量，是可以算出来的，而且往往比直觉多一个。agent 缺的是知道该用几个输入（封装的一次预投入该不该做）；求解器缺的是知道哪一维该做局部改动（Edit 工具使用率与得分几乎同序，Claude 25.3% / GPT 12.5% / Gemini 8.2% / Kimi 2.5%）。KS 方程给出的教训是：不可控不是「能力不够」，是「接口数量不够」。而第二个接口要用来做预反馈，不能用来干正事。
下一根钉子
「Fredholm 核仍需近似」这半句是论文自己给的入场券。原文：However, the Fredholm kernel still must be approximated for implementation.
所以真正的产线问题是：FNO 是在同分布的紧集上训的，而部署时遇到的系数是随机的。论文的连续性定理保证了紧集上一致，没有说紧集外怎么办。
下一步该盯的具体指标是：在紧集之外采样系数，FNO 的相对增益误差随「离紧集距离」怎么长。如果它指数级恶化，那 0.129 ms 那个漂亮的加速比就有个前提：这套反馈设计本来就是针对一族设计好的系数来的，换一族就得重训。这一格没做，但它决定了这个方法能不能出实验室。
另一个更小的钉子：论文说 two inputs are necessary when the plant has an unstable double eigenvalue，Figure 4 的虚线画的就是那个 unstable double eigenvalue 系数。那么「有两重不稳定特征值」和「有 n 重」之间是什么关系？二输入够，三重呢？论文只答了「二」，而这个「二」看起来不像巧合。
arXiv 2610.08764，v1 2026-10-06，Bhan（UC San Diego）/ Krstic（UC San Diego）/ Shi（UC San Diego）。代码 CC BY 4.0。