选择一段文字或公式，即可在这里留下建议。保存后的建议仅作者可见，审核后才会公开。

多重遍历平均：原文精读

本专题首批阅读材料是 OpenAI 于 2026 年 10 月 4 日署名的四篇预印本。符号 A、B、C、D 沿用官方 family 154 的排列顺序；阅读顺序按证明中使用的结果安排。以下保留原文定理编号，另给出假设、推导和需要继续检查的地方。四篇主定理及配套稿件的完整证明链尚未完成独立核验。

四篇主定理

共同设定是概率空间 $(X,\mathcal F,\mu)$ 上的可逆保测变换 $T$ ，且 $T^{-1}$ 可测。混合性指，对每两个固定可测集 $E,F$ ，

\mu(E\cap T^{-n}F)\longrightarrow\mu(E)\mu(F) \quad (|n|\longrightarrow\infty).

所有函数均为预先固定的有界复值可测函数。各稿的原始概率空间不必标准，也没有假设混合速率；结论均沿全部正整数平均长度成立。满测收敛集可以依赖固定函数，在 C 中还可依赖所选斜率。

A：任意有限阶

Pointwise Multiple Ergodic Averages for Mixing Transformations，25 页，Theorem 1.1，p.1。

原稿主张：对每个固定整数 $d\ge2$ ，

\frac1N\sum_{n=1}^{N}\prod_{j=1}^{d}f_j(T^{jn}x) \longrightarrow\prod_{j=1}^{d}\int_X f_j\,\mathrm{d}\mu \quad\text{几乎处处。}

在空缺位置放常数函数 $1$ ，形式上可推出任意有限组不同正整数斜率的同类结论。这一推论仍以 A 的主定理为前提；它没有直接覆盖任意阶正负混合斜率。

B：四重

Pointwise convergence of fourfold ergodic averages for mixing transformations，36 页，Theorem 1.1，p.1。

原稿主张上式在 $d=4$ 时成立。证明围绕逐点失败的选取长度、连接分布、三组辅助变量、张量估计及稳定条件期望展开。B 的 Appendix A 另行处理所需的非连续三元斜率；不能把 B 对三重结果的引用理解为仅调用 $1,2,3$ 的标题定理。

C：不同整数斜率的三重平均

Triple ergodic averages with distinct integer slopes，43 页，Theorem 1.1，p.1。

原稿主张：对每三个两两不同的非零整数 $\lambda_1,\lambda_2,\lambda_3$ ，

\frac1N\sum_{n=1}^{N}\prod_{j=1}^{3}f_j(T^{\lambda_jn}x) \longrightarrow\prod_{j=1}^{3}\int_X f_j\,\mathrm{d}\mu \quad\text{几乎处处。}

斜率允许为负，估计中的常数可以依赖这三个固定整数。不同斜率的证明使用整个四点配置 $0,\lambda_1,\lambda_2,\lambda_3$ ，并非简单地把基本三重定理中的 $T$ 换成某个幂。

D：基本三重

Pointwise convergence of triple ergodic averages for mixing transformations，61 页，Theorem 1.1，p.2。

原稿主张 C 的结论在 $(\lambda_1,\lambda_2,\lambda_3)=(1,2,3)$ 时成立。主要分析工作是把固定函数的局部估计扩展到随深度变化的函数，再导出三重振荡估计。

讨论次序

第一单元：从振荡估计到全部长度

原文范围：C，Definition 3.1、Proposition 3.5、Lemmas 3.6–3.9，以及 §3 末尾的 Theorem 1.1 证明，pp.5、8–13。

本单元以 Proposition 3.5 为前提，完整展开振荡推出收敛、有限 Hilbert 空间不等式、普通混合下的多重 $L^2$ 归纳、光滑权重的 Abel 求和、消失矩校正及所有整数长度的恢复。也把光滑函数类的导数条件写清，以免在近似时改变原命题。

暂不在本单元证明 C Theorem 2.2 或 Lemmas 3.2–3.4。因而这里闭合的是“接受振荡估计后的遍历论推导”，不是 C 全文正确性的独立证明。

第二单元：振荡估计的局部推导

原文范围：C Theorem 2.2、Lemmas 3.2–3.4 和 Proposition 3.5 的证明。

完整讨论四方向消去核、整数配置的重建、有限轨道转移，以及最大值线性化后出现的深度变化函数。D 中伴随部分和与 Abel 求和处理的是另一种随深度变化的函数问题，不应与第一单元处理光滑时间权重的 Abel 求和混为一谈。

第三单元：深度变化的函数与行估计

原文范围：D §§4–7，pp.17–61。正文按证明作用分为六段：

行估计与实际投影：第三单元及续篇 b–d，从共同指标集上的抽象行估计，到投影增益、有限重启与最早两个精度增量。
基本函数的替换：续篇 e–h，固定预测族、延迟替换、高精度函数与三个活跃模式，把问题化为原格上带最低值的绝对和。
局部化与跨深度控制：补篇 s 先读 D §6.1，再接续篇 i–m，依次处理主投影闭合、当前组、局部输出变差、冻结模式行、非核心能量与代表计数。
至少两个侧位置的计算：续篇 n–p，完整滤子转移、固定 Hilbert 向量、匹配随机化、短块比较与整个祖先区间的最大值。
至少三个核心位置的计算：续篇 q，有限计数的精确条件、同格侧函数窗口、完整计数的幂、跨组及振幅和频率求和。其有限计数来源 H Lemma 9.1（2026-10-05 版，pp.81–87）在扩展篇“稀疏尺度上的有限计数”中给出完整证明并完成单独审读。
局部估计的完成：续篇 r，将上述成本合并，处理原项重新分配、H 与 D 的共同 $q$ 、起始精度及最后有限格极限。

这些章节已经把 D 自身从行估计到局部结论的条件推导写出。H 的标量 Fourier 分析、历史球掩膜、快空间传递、双槽位检测、一参数有理快分裂、同槽位检测、共享随机染色、同标签固定检测模板、在固定输入下的列目录终止，以及给定基本数据下的固定三列尺度估计与活跃路径预算、原始基本列构造与路径预算、实际搜索历史与条件式局部远带转移、固定栈的短深度块比较这十三个局部模块现收入配套精读，各篇保留所列输入；H 的完整解析与几何证明仍未全部展开。有限稀疏计数的单独推导已经展开；它的应用仍以列明的标签分离、频率间隙、角色计数和高度分组为条件。

D 的局部定理处理四点配置 $0,1,2,3$ 。第二单元以 C 为对象，处理一般四点整数配置；二者的核实现与转移方法相对应，但不能把 D 的局部结论直接当成 C 一般斜率局部定理的完整证明。

第四单元：四重的选择长度与条件联合分布

原文范围：B §§2–6，pp.3–24，分为六篇。

完整展开选择长度后的概率构造、给定全部 distal 参数后的条件分布、张量投影计数、三组辅助变量的保持、指定条件期望的稳定扩张，以及行列配对的非零性。一般系统上的至多三重逐点结论在本单元作为前提；B Appendix A 的解析证明未在这里独立展开。三组定义始终以完整悬挂相位为条件。

第五单元：任意有限阶的最小支撑与最大辅助位置数

原文范围：A §§2–6，pp.3–21，分为三篇；Appendix A 的投影计数对应第四单元已展开的 B §4。

第一篇从一般系统的光滑三重收敛恢复所有长度，并确定任意有限位置数中的三状态条件律。第二篇展开全局最小支撑、固定支撑下的最大辅助位置数、单状态条件期望的稳定扩张及三组重分组。第三篇直接计算方阵的行列配对，证明其非零并得到辅助位置数增加的矛盾。原文列出的高阶 mixing 和相对结构结果仍是这条证明的前提。

两项不能省略的外部依赖

H：An L3 bound for the trilinear Hilbert transform，2026-10-05。D、C、B 引用其中的局部四线性估计及若干证明内部结果；只知道主算子有界性，不足以推出本专题所需的振荡估计。

R：Rokhlin’s multiple-mixing problem for one transformation，2026-09-23。A Theorem 2.1 及 B 的论证引用其“普通混合推出所有有限阶混合”的主张。这项外部命题主证明 §§2–7 的逐式展开现收入导读与五章配套精读，准确范围见导读；第一单元的平均 $L^2$ 收敛证明不使用它。

关于 distal 结构，另需 Huang–Shao–Ye 的 Theorem C，以及原稿所采用的非遍历分解与相对结构版本。第四单元已在使用前分别陈述其准确范围。

原文定位约定

页码指 PDF 印刷页，与这四份 PDF 的页序一致。原稿字母、页码、定理和公式编号同时给出；引号之外均为自述。网页中的证明以原文为讨论对象，不将参考讲解网页代替原始证明。

固定版本：官方仓库提交 fd4aeeb2。

补充：标准因子

基础定义与例子

1. 从一个读数开始

设 $(X,\mathcal{F},\mu )$ 是概率空间， $\mu (X)=1$ 。 $T:X\to X$ 保概率，意思是每个可测集 $E$ 都满足 $\mu (T^{-1}E)=\mu (E)$ 。本专题要求 $T$ 可逆，且 $T$ 与 $T^{-1}$ 都可测，因此 $T^{n}$ 对所有整数 $n$ 都有意义。

一个有界可测函数 $f$ 是“读数规则”：系统处于 $x$ 时，读出 $f(x)$ 。 $f\in L^\infty$ 表示它在去掉零测集后有统一上界。沿轨道 $x,Tx,T^{2}x,\ldots$ 的前 $N$ 次读数平均是

B_Nf(x)=\frac{1}{N}\sum_{n=1}^{N}f(T^n x).

Birkhoff 定理说：对 $f\in L^{1}$ ，这个平均几乎处处收敛到 $\mathbb{E}(f\mid \mathcal{I})$ ，其中 $\mathcal{I}$ 是 $T$ -不变集合组成的 $\sigma$ -代数， $\mathbb{E}(f\mid \mathcal{I})$ 是条件期望。若系统遍历，即每个不变可测集测度为 0 或 1，则极限是常数 $\int f \,\mathrm{d}\mu$ 。

“几乎处处”是指存在一个例外集 $Z$ ， $\mu (Z)=0$ ；每个 $x\notin Z$ 的整条数列都收敛。它没有说收敛速度与 $x$ 无关，也没有说每一个起点都有效。

条件期望是什么？

设 $f\in L^1$ ， $\mathcal B\subseteq\mathcal F$ 为子 $\sigma$ -代数。 $\mathbb{E}(f\mid \mathcal{B})$ 是只使用子 $\sigma$ -代数 $\mathcal{B}$ 所含信息时对 $f$ 的平均预测：它是几乎处处唯一的可积 $\mathcal{B}$ -可测函数，并满足 $\int_E\mathbb{E}(f\mid\mathcal{B})\,\mathrm{d}\mu=\int_E f\,\mathrm{d}\mu$ ，对所有 $E\in \mathcal{B}$ 成立。在 $L^{2}$ 中，它就是投影到 $\mathcal{B}$ -可测函数组成的闭子空间。