스케일보다는 접근 구조에서 성능이 나옵니다: 하이브리드 시퀀스 모델의 하한값 및 사전에 등록된 테스트

arXiv:2607.14144v1 Announce Type: new 플라톤적 표현 가설(Platonic Representation Hypothesis, PRH)은 모델이 규모를 키울 때, 다종의 네트워크의 표현이 현실에 대한 공유 모델로 수렴한다고 말한다. 우리는 이 가설의 후속과 경계, 능력 수렴 가설(Capability Convergence Hypothesis, CCH)을 제안한다: 고정된 토큰당 추론 비용 하에서 표현 수렴은 능력 수렴을 의미하지 않는다. 대신, 능력은 완전한 접근 클래스로 수렴한다: 오(1)-상태 채널과 확장 가능한 원문-인덱스 채널을 모두 갖는 아키텍처. 우리는 이를 한 개의 witness 작업, 무한한 스트림에서 뉴턴의 사과 문제, 그리고 세 개의 자원 벽으로 anchor한다: Shannon 벽이 o(Nb)-상태 아키텍처를 막고, horizon 벽이 고정된 창을 막고, circuit 벽이 고정된 깊이의 attention-only 합성을 막는다(conditional on TC0 != NC1). 명시적인 독립성 가정 하에서, 하이브리드는 각 벽의 가격을 지불하여 모든 세 벽을 넘어선다, 따라서 합성 하에서 능력은 엄격히 초과적이다. 우리는 증명된 것과 추측된 것을 분리한다: 접근 완전성 원리는 정보 이론적 하한 bounds와 사전 등록된 실험에 의존하고, field-level 수렴 경향은 경제가동 추측이다. 우리는 사전 등록된 작은 규모의 테스트를 보고한다: 데이터가 존재하기 전에 동결된 기준에 따라, 예측된 가위 자르는 간격이 측정되었으며 (exact-retrieval error 0.994 vs. 0.000 once a 64-scalar state gains one global-attention layer), 상태 추적 분기점이 등록된 경계에 도달하였으며, conjunction witness가 불가분적인 두 채널 솔루션을 보여주었으며, 하나의 예측은 방향이 반전되었고 그에 따라 보고되었다. 표현 수렴은 규모에 따라 자유롭게 제공되지만, 능력 수렴은 접근 구조로 구입되어야 한다.