分辨率地平线——在有限观测下寻找AI过拟合噪声的数学极限

分辨率地平线（Resolution Horizon）是一个开源的实验研究框架，由Björn Janson开发，托管在GitHub上，基于MIT许可证发布。该框架旨在系统地衡量在有限、带噪声的观测下，智能体能够从动力系统中恢复多少数学结构。其核心假设是每一个观测过程都存在一个可测量的分辨率地平线（k*）：一个结构复杂性的临界水平，超过这个水平，进一步的分析不再揭示真正的不变量，而是开始对观测不确定性建模。这意味着结构恢复并非系统内在的属性，而是由系统动力学、观测者和可用计算资源共同决定的。

该框架整合了微分几何、动力系统理论、统计估计和信息论，形成了一个统一的实证框架。其主要经验量是信息效率交换率η(k)，该比率平衡结构压缩带来的信息增益与估计结构模糊度所需的代价。具体定义为η(k) = ΔL(k)/C_G(k)，其中ΔL(k)表示基线模型与基于Lie代数结构的模型之间的似然差，C_G(k)表示结构复杂度代价。η(k)在k = k*时达到最大值，标志着最优的结构发现边界。

分辨率地平线还定义了一个资源响应曲面，其中k*是观测数量N、观测噪声σ、协变量覆盖度E_cov以及系统特征值λ_min的函数。框架给出了方向性预测：增加观测数量N将提高k*，而增加噪声σ将降低k*，协变量覆盖度E_cov与k*正相关。这些预测构成了项目的可证伪主张。

项目识别出三个相位区域：区域I（发现阶段），结构压缩上升而坐标模糊度下降；区域II（地平线），η(k)达到全局最大值；区域III（误解析），分析开始拟合噪声，压缩下降而模糊度上升。这种相位结构为理解过拟合提供了严格的几何视角。

该框架包含多个工具模块：instrument.py用于核心观测指标计算，experiment.py实现正则化绕过协议与因果干预，test_suite.py提供自动拓扑验证。整体而言，分辨率地平线将科学发现本身视为一个可测量的计算过程，提出了一个根本性的问题转变：从“存在什么数学结构？”变为“有限观测者能恢复什么数学结构？”