平均数在说谎：非互易复杂系统里的平衡点统计（2611.08324）

平均数在说谎：非互易复杂系统里的平衡点统计

——当"平均"被稀有世界劫持，普适性轰然倒塌

论文：*Typical number and stability of equilibria in large non-reciprocal complex systems*

作者：B. Lacroix-A-Chez-Toine, P. Le Doussal, V. Ros（arXiv:2611.08324，2026-11，cond-mat.stat-mech）

一、狐狸与兔子：一个被忽视几十年的不对称

生态系统的相互作用是不对称的：狐狸吃兔子，兔子"负向影响"狐狸，但这个影响和狐狸对兔子的影响完全不是一回事——捕食关系没有"作用力反作用力"的对称性。神经网络里的突触、化学反应网络、活性物质中的自推进粒子，全都如此。物理学家给这种不对称起了个名字：非互易性（non-reciprocity）。

数学上，互易系统对应"梯度流"——万物滚向一个势能低谷，像弹珠在碗里；非互易系统对应"非梯度流"——没有势能可言，系统在一个随机力场里打转，像弹珠在旋转的水流里。

要理解这类系统的命运，一个核心问题是：这个高维空间里有多少个平衡点？它们稳定吗？平衡点决定命运——停在哪，怎么停，会不会被一个扰动踢走。

二、两种统计：百万富翁与普通人

计数高维随机景观的平衡点，标准工具是 Kac-Rice 公式。但"计数"有两个天差地别的口径：

• 退火（annealed）：先对无序求平均，再数平衡点——算的是平衡点数目的平均值；
• 淬火（quenched）：先数清一个具体系统的平衡点，再对无序取对数——算的是典型系统里的平衡点数目。

类比收入统计：退火复杂度像"平均收入"——被极少数亿万富翁拉高；淬火复杂度像"中位数收入"——反映普通人的真实处境。当分布温和时，两者一致；当稀有事件指数级夸张时，平均数会撒谎。

2016 年，Fyodorov 与 Khoruzhenko 在非梯度随机流上算出了著名的拓扑平庸化转变：随着非线性增强，平衡点数目（退火口径）会突然断崖式消失——高维景观从"处处坑洼"一夜变成"一马平川"。这个结果令人振奋的一点是它表现出了普适性：答案只依赖方差的粗略统计，与力场协方差的细节无关。

十年后，这篇新论文问了一个更严格的问题：平均数说的情况，是典型系统的情况吗？

三、答案：只要还有一丝互易，平均数就在撒谎

作者对带可调互易度的高斯非梯度力场计算了按稳定性指标分辨的淬火复杂度，结论锋利：

• 完全非互易的极限下，退火与淬火一致——2016 年的图景完好；
• 但只要存在任何有限的互易成分（哪怕是趋近于零的一点），"典型实现包含的平衡点就比平均计数预言的指数级地少"。

也就是说：平均数被一类稀有实现劫持了——那些恰好拥有指数级多平衡点的"幸运景观"在平均中占据了主导，而你在自然界真正会遇到的那种系统，平衡点远比平均值稀少。用收入类比：退火口径描述的是亿万富翁的世界，淬火口径才描述你我。

更沉重的是普适性的倒塌：淬火复杂度"显式依赖于力场的协方差与非互易程度"——不再有任何放之四海的单一公式。协方差的每一个细节都写进了答案。2016 年那个只看方差就够用的美丽世界，原来只在完全非互易的极端处成立。

连转变本身的含义也要修正：退火计算仍能定位拓扑平庸化发生在哪，但"错过了转变处平衡点的典型组织方式，也错过了它们的稳定性指标"——转变地带的真实地貌，与平均图景截然不同。

四、直觉：互易性为什么如此致命

为什么一丝互易就能造成指数级鸿沟？直觉在于两类力场的几何本质。互易成分是梯度场——它的流线没有漩涡，landscape 是一张真正的"势能地形图"；而一张地形图上要塞进海量平衡点（极大值、极小值、鞍点成对出现），需要的是大量恰到好处的波峰波谷——这在随机实现里是指数级稀有的事件，但一旦出现就是指数级丰盛。非互易成分则是旋转场——它带来涡旋，让"没有势能"的系统里平衡点可以由旋转结构直接组织出来，不必依赖地形图的巧合。

于是平均计数被"多平衡点的地形图"这类稀有实现污染；互易成分越大，这类实现的权重越大，平均与典型的鸿沟越深。非互易性反而是"民主"的——它让每个实现都差不多，平均值重新变得诚实。

五、回声：从 May 的生态难题到神经网络的损失景观

这项工作接续的是 1972 年 May 的著名疑问：随机连接的大型生态系统稳定吗？半个世纪以来，理论家们主要在互易（对称矩阵）的数学舒适区里工作——那里有 Wigner 定理与半圆律的庇护。而非互易世界只有非厄米随机矩阵的贫瘠工具。这次的结果是一个警示：在非互易系统里，基于平均值的直觉不仅定量失准，而且定性误导——连"有多少个稳定态"这种最基本的问题，平均答案都不可信。

同样的教训适用于神经网络：深度学习的损失景观也是高维非梯度场（SGD 的噪声、非对称的连接）。"平均损失景观"的解析结果，是否也正被稀有实现劫持？这个问题今天没有答案——但本文至少给出了怀疑的理由。

物理学家 Le Doussal（本文作者之一）是淬火平均技术的大师。他与合作者这次交出的教训可以浓缩成一句话，送给所有处理高维复杂系统的人：

在高维世界里，"平均"不是一个近似的"典型"——它常常是另一个世界的名字。

---

延伸阅读

1. Lacroix-A-Chez-Toine, Le Doussal, Ros, *Typical number and stability of equilibria in large non-reciprocal complex systems*, arXiv:2611.08324（2026） 2. Fyodorov, Khoruzhenko, *Topology trivialization transition in random non-gradient autonomous ODEs on a sphere*, J. Stat. Mech. 124003 (2016)（退火层面的前序） 3. May, *Will a large complex system be stable?*, Nature 238, 413 (1972)（生态系统稳定性之问） 4. Fyodorov, Sommers, *Counting equilibria of large complex systems by instability index*（Kac-Rice 平衡点计数的经典框架） 5. Ros, Biroli, Cammarota, *Complexity in mean-field spin glasses*（高维景观综述）

*本文系"智柴·数学底座与前沿交叉"第五季第 4 篇（S5-Round 4）。*