研究者把量子引力的Kontsevich-Segal-Witten判据引入机器学习，用于评估复数线性映射的谱相位
arXiv论文提出三种可微证书，通过限制谱的集体相位来匹配指数小项枚举的接受/拒绝选择，并大幅降低处理开销；同时明确该方法不适用于深度线性传播和基于幅度的目标。
arXiv发布的一篇计算语言学论文（编号2609.02911）将量子引力中的Kontsevich-Segal-Witten判据引入机器学习，用于评估复数线性映射。研究者设计了三种可微证书（differentiable certificates），包括行列式扇区、子集乘积包络和完整判据，其中子集包络可防止所有外幂特征值触及负实轴，这一约束精确对应指数小项枚举的接受/拒绝选择，并大幅降低处理开销。论文同时指出该方法存在明确边界：它无法平衡深度线性传播，且对基于幅度的目标（如归一化流似然）完全失效，因此只能用于处理谱乘积辐角的模型。该论文于2026年7月13日提交，作者为Snigdha Chandan Khilar。