版本与下载

What can linear attention learn from nonlinear teachers in-context?：中文研读笔记

作者：Mary Letey、Arman Rysmakhanov、Yue M. Lu、Cengiz Pehlevan、Jacob A. Zavatone-Veth；前两位为共同一作。
版本：arXiv:2610.10761v1，提交于 2026-10-07；本次获取与研读日期：2026-10-29。
原文：在线 PDF · 本地 PDF · 英文汇报 PDF · 可编辑 TeX。下文页码均为从 1 开始的 PDF 页码，与本版印刷页码一致。
发表：已接收至 NeurIPS 2026 的 2nd Workshop on Principles of Generative Modeling（PriGM），依据作者发表列表中的 Workshop 归属；未查到单篇正式论文集或公开录用决定页面。这里指 Workshop，非 NeurIPS 主会论文。查证截至 2026-10-29。
代码：代码待发布。作者提供的仓库目前仅有标题为 single-index-icl 的 README，未见实现文件；这与论文首页“图表代码已提供”的表述存在时间上的落差。查证截至 2026-10-29。

论文总览

这篇论文问：一个以简化线性注意力为基础的上下文学习器，在遇到非线性回归任务 $y=f(\boldsymbol{x}^{\top}\boldsymbol{w})+\varepsilon$ 时，究竟能够提取多少任务信号？作者给出的答案是：在指定的高维比例极限与无正则设置下，只有 $f$ 在高斯分布下的一阶 Hermite 分量进入可学习信号，其余分量进入泛化误差，作用类似额外噪声。

关键归约是把非线性任务替换为线性任务：任务协方差乘 $a_1^2$，噪声方差从 $\rho$ 换成 $\rho_{\mathrm{nonlinear}}=\rho+\sum_{m\ne1}a_m^2$。这里 $a_1=\mathbb E[g f(g)]$，$g\sim\mathcal N(0,1)$。有了一阶分量，已有线性 ICL 的误差理论便可复用；没有一阶分量，训练变成无信号回归，误差在预训练样本数接近参数规模时出现插值峰。

论文的贡献是给出一种可计算的表达能力限制：预训练序列更多、上下文更长、训练任务更多，可以改善一阶分量的估计，却不能消除当前预测器无法表达的非线性残差。两组小维度合成实验分别展示噪声等效与任务多样性转变。图 1 的数值解释需要注意正文公式与图例的尺度不一致，详见第四部分；图 2 更直接地展示了抬高的误差下限。（Sec. 3，PDF pp. 3–4，Result 1、Figs. 1–2。）

结构地图

原文章节	作用	PDF 页码与关键内容
1 Introduction	从线性任务理论转向非线性教师，界定简化模型	pp. 1–2
2 Setup	单指标任务、数据比例、预测器及训练方法	pp. 2–3，Eqs. (1)–(7)
3 Theoretical results and analysis	非线性—噪声等效、无信号分支与任务多样性转变	pp. 3–4，Eqs. (8)–(11)，Result 1，Figs. 1–2
4 Conclusion	总结不可学习非线性带来的误差下限	p. 4
A Gaussian equivalent for $\boldsymbol{w}^{\top}\boldsymbol{x}$	用任务范数集中解释标准高斯近似	p. 7
B Population averages	推导标签、特征及交叉二阶矩	pp. 8–9，Lemma 1，Eqs. (12)–(14)
C Derivation of the ICL formula	接入已有线性理论，单独求解 $a_1=0$	p. 10，Eq. (15)

致谢与参考文献在 PDF pp. 5–6。本文没有独立实验章节，数值验证集中在 Sec. 3。

一：动机——非线性教师暴露了什么瓶颈？

线性回归 ICL 的已有理论能够分析预训练规模、上下文长度与任务多样性如何影响测试误差，但教师函数本身是线性的。这很容易把“能够从上下文估计线性规则”与“能够从上下文学习一般规则”混在一起。作者把教师扩展到单指标模型（single-index model）：任务由方向 $\boldsymbol w$ 指定，标签由该方向上的投影经过固定非线性 $f$ 得到。

“单指标”表示非线性只依赖一个标量 $\boldsymbol{x}^{\top}\boldsymbol w$，并不表示任务方向已知。预训练要跨任务学习可复用的参数；测试时面对新的 $\boldsymbol w$，只能利用当前 prompt 中的例子预测查询标签。该设置保留了任务推断，同时把非线性的来源控制得很清楚。

作者关注的是 reduced linear-attention predictor，而非任意含有线性注意力模块的完整网络。其输出对查询输入始终线性，因此一个自然问题是：非线性目标虽然无法被完整表达，是否会以某种方式改变学习过程？论文的答案不是简单的“完全学不了”，而是把目标拆成可学习投影与不可学习残差，进而计算后者如何影响有限样本误差。（Sec. 1，PDF pp. 1–2。）

二：方法——任务、预测器与 Hermite 分解

2.1 三种数据规模分别控制什么

每条 prompt 含 $\ell$ 个上下文例子和一个查询输入：

$$ \{\boldsymbol{x}_1,y_1,\ldots,\boldsymbol{x}_{\ell},y_{\ell},\boldsymbol{x}_{\mathrm{test}}\},\qquad y_i=f(\boldsymbol{x}_i^{\top}\boldsymbol w)+\varepsilon_i. $$

输入独立采样自 $\mathcal N(\boldsymbol0,I_d/d)$，标签噪声独立且方差为 $\rho$。同一 prompt 共享同一个任务 $\boldsymbol w$。预训练先从 $\mathcal N(\boldsymbol0,C_{\mathrm{train}})$ 抽取 $k$ 个任务，均匀分配到 $n$ 条序列；测试任务重新从 $\mathcal N(\boldsymbol0,C_{\mathrm{test}})$ 抽取，允许任务分布发生变化。（Sec. 2，PDF p. 2，Eq. (1)。）

符号	含义	高维比例	主要作用
$d$	输入维度	基础尺度	预测器参数量约为 $d^2$
$\ell$	每条 prompt 的上下文例子数	$\alpha=\ell/d$	当前任务统计量的估计质量
$k$	不同预训练任务数	$\kappa=k/d$	训练任务覆盖的方向
$n$	预训练序列总数	$\tau=n/d^2$	跨任务参数拟合的样本负载
$\rho$	标签噪声方差	—	观测噪声，不是标准差
$\lambda$	岭正则参数	主结果取 $\lambda\to0$	控制参数估计与插值行为

三种比例不能互相替代。例如增加同一批任务的训练序列会增大 $\tau$，却不增加 $\kappa$。主分析取 $d\to\infty$，同时保持 $\alpha,\kappa,\tau$ 为常数量级。（Eq. (3)，PDF p. 2。）

2.2 模型究竟在计算什么

把上下文压缩成两个统计量：

$$ \boldsymbol u=\frac d\ell\sum_{i=1}^{\ell}y_i\boldsymbol x_i\in\mathbb R^d, \qquad s=\frac1\ell\sum_{i=1}^{\ell}y_i^2\in\mathbb R. $$

前者是标签与输入的经验相关，后者是标签的经验二阶矩。论文构造

$$ H=\boldsymbol x_{\mathrm{test}}[\boldsymbol u^{\top},s] \in\mathbb R^{d\times(d+1)},\qquad \widehat y_{\mathrm{test}}=\langle\Gamma,H\rangle_F. $$

本次分析中的展开：若将参数写成 $\Gamma=[A,\boldsymbol b]$，其中 $A\in\mathbb R^{d\times d}$、$\boldsymbol b\in\mathbb R^d$，则

$$ \widehat y_{\mathrm{test}} =\boldsymbol x_{\mathrm{test}}^{\top}(A\boldsymbol u+s\boldsymbol b). $$

这样便能看清表达瓶颈：上下文改变了预测方向 $A\boldsymbol u+s\boldsymbol b$，但对查询输入仍是没有截距的线性函数。标签平方 $s$ 的存在没有给查询端引入非线性，也不能直接输出一个常数偏置。（Sec. 2，PDF p. 3，Eqs. (4)–(5)。）

训练时把 $\Gamma$ 和 $H^\mu$ 向量化为 $\boldsymbol\gamma$、$\boldsymbol h_\mu$，在约 $d^2$ 维特征空间做岭回归：

$$ \boldsymbol\gamma^* =\left(\frac nd\lambda I_{d(d+1)}+\sum_{\mu=1}^{n}\boldsymbol h_\mu\boldsymbol h_\mu^{\top}\right)^{-1} \sum_{\mu=1}^{n}y_{\mathrm{test}}^\mu\boldsymbol h_\mu. $$

这是跨 prompt 学习共享参数；测试时 $\Gamma^*$ 固定，只重新计算 $\boldsymbol u,s,H$。论文分析的是这一闭式训练问题，而不是完整 Transformer 的梯度训练动力学。无正则情形按 $\lambda\to0$ 理解，样本不足时对应相应的极限解。（Eq. (6)，PDF p. 3。）

2.3 一阶 Hermite 分量不是一阶 Taylor 项

在标准高斯测度下，用正交归一 Hermite 多项式展开：

$$ f(g)=\sum_{m\ge0}a_mh_m(g),\qquad a_m=\mathbb E[f(g)h_m(g)],\qquad g\sim\mathcal N(0,1). $$

其中 $h_0(g)=1$、$h_1(g)=g$、$h_2(g)=(g^2-1)/\sqrt2$，并且 $\mathbb E[h_m(g)h_j(g)]=\delta_{mj}$。所以

$$ a_1=\mathbb E[g f(g)],\qquad \mathbb E[f(g)^2]=\sum_m a_m^2. $$

这里度量的是在整个高斯输入分布下与线性函数的相关性，不是 $f$ 在零点的局部导数。下表是教学例子，由上述定义直接计算，非原文实验：

$f(g)$	$a_1$	非一阶分量的平方能量	对该预测器的意义
$g$	$1$	$0$	完全在线性可表达范围内
$g^2-1$	$0$	$2$	非零目标，但没有线性可学习信号
$g^3$	$3$	$6$	可利用 $3g$，剩余 $g^3-3g$ 无法表达
常数 $c$	$0$	$c^2$	没有查询截距，常数项也进入残差

特别地，“非线性函数”不等于“没有线性模态”。$g^3$ 在 Taylor 表达中没有一次项，却有强的一阶 Hermite 分量。（原文定义：Eq. (2)，PDF p. 2。）

2.4 两个噪声量必须分清

定义

$$ \rho_f=\rho+\sum_{m\ge0}a_m^2 =\rho+\mathbb E[f(g)^2], \qquad \rho_{\mathrm{nonlinear}}=\rho+\sum_{m\ne1}a_m^2 =\rho_f-a_1^2. $$

$\rho_f$ 是标签的总二阶矩；若 $a_0\ne0$，它不是中心化方差。$\rho_{\mathrm{nonlinear}}$ 则是观测噪声与线性预测器不可利用部分的总平方能量。其求和包括 $m=0$，不只是二阶及更高阶模态。将这些部分称作“等效噪声”，指它们在所研究的渐近误差公式中发挥的作用，不表示原始非线性残差与输入统计独立。（Eq. (8)，PDF p. 3。）

三：理论分析与验证——归约为什么成立

3.1 标准高斯近似需要任务范数集中

固定 $\boldsymbol w$ 时，$\boldsymbol x^{\top}\boldsymbol w$ 精确服从 $\mathcal N(0,\|\boldsymbol w\|^2/d)$，方差并不自动等于 1。令 $\sigma_{\boldsymbol w}=\|\boldsymbol w\|^2/d$，对高斯任务有

$$ \mathbb E[\sigma_{\boldsymbol w}]=\frac{\operatorname{tr}(C)}d, \qquad \operatorname{Var}(\sigma_{\boldsymbol w}) =\frac{2\operatorname{tr}(C^2)}{d^2}. $$

因此 Result 1 对训练与测试协方差都要求

$$ \operatorname{tr}(C)=d,\qquad \operatorname{tr}(C^2)=o(d^2). $$

第一条固定总信号强度，第二条让范数波动消失。有效秩 $r_{\mathrm{eff}}=(\operatorname{tr}C)^2/\operatorname{tr}(C^2)$ 因而必须发散；例如把全部信号放在固定数量的方向上，不满足此条件。结合 $f$ 至多多项式增长的假设，作者在后续矩计算中渐近地用标准高斯变量替代投影。（Result 1，PDF p. 3；Appendix A，PDF p. 7。）

3.2 决定信号通道的是 $\mathbb E[y\boldsymbol x]$

将输入分成平行于 $\boldsymbol w$ 与垂直于它的两部分，独立高斯噪声和垂直分量均不贡献平均相关。取 $\omega=\|\boldsymbol w\|^2/d\to1$ 后：

$$ \mathbb E[y\boldsymbol x\mid\boldsymbol w] \approx\frac{\boldsymbol w}{d}\mathbb E[g f(g)] =\frac{a_1\boldsymbol w}{d}, \qquad \mathbb E[\boldsymbol u\mid\boldsymbol w]\approx a_1\boldsymbol w. $$

因此上下文相关向量的平均方向只看见一阶 Hermite 系数。另一方面，有限长度上下文中的波动仍然受到全部标签能量 $\rho_f$ 影响。论文 Appendix B 的主导矩，在 $\omega\to1$ 后可写为

$$ \mathbb E[y^2\mid\boldsymbol w]\approx\rho_f, \qquad \mathbb E[y_{\mathrm{test}}H\mid\boldsymbol w] \approx\frac1d[a_1^2\boldsymbol w\boldsymbol w^{\top},\ a_1\rho_f\boldsymbol w], $$

$$ \mathbb E[\boldsymbol h\boldsymbol h^{\top}\mid\boldsymbol w] \approx\frac1d I_d\otimes \begin{bmatrix} \dfrac{\rho_f}{\alpha}I_d+a_1^2\boldsymbol w\boldsymbol w^{\top}&a_1\rho_f\boldsymbol w\\ a_1\rho_f\boldsymbol w^{\top}&\rho_f^2 \end{bmatrix}. $$

最后一式采用原文的向量化排列；换一种排列只会相应置换坐标。$\rho_f/\alpha$ 项说明更长上下文可以减弱统计量噪声，$a_1^2\boldsymbol w\boldsymbol w^{\top}$ 是任务信号结构。原推导还写出了涉及 $\mathbb E[g^2f(g)^2]$、$\mathbb E[gf(g)^3]$、$\mathbb E[f(g)^4]$ 的有限 $\ell$ 修正，并在主导极限中省略。（Appendix B，PDF pp. 8–9，Eqs. (12)–(14)。）

3.3 主结果：把线性理论中的三个量替换掉

对于 $a_1\ne0$，考虑替代教师

$$ \widetilde y=\boldsymbol x^{\top}\widetilde{\boldsymbol w}+\widetilde\varepsilon, \qquad \widetilde{\boldsymbol w}=a_1\boldsymbol w, \qquad \operatorname{Var}(\widetilde\varepsilon)=\rho_{\mathrm{nonlinear}}. $$

其任务协方差为 $a_1^2C$，标签总二阶矩为 $a_1^2+\rho_{\mathrm{nonlinear}}=\rho_f$，与上述主导矩匹配。把这些矩代入既有线性任务的随机矩阵推导，得到

$$ \boxed{ e_{\mathrm{ICL}}^{\mathrm{nonlinear}}(C_{\mathrm{train}},C_{\mathrm{test}},\rho) =e_{\mathrm{ICL}}^{\mathrm{linear}} (a_1^2C_{\mathrm{train}},a_1^2C_{\mathrm{test}},\rho_{\mathrm{nonlinear}}) }. $$

右侧不是只增加标签噪声：训练与测试的信号协方差也一起缩放。因此非线性可以同时削弱有效信号并增大相对噪声。各向异性和训练—测试任务对齐的结构仍保留在 $C_{\mathrm{train}},C_{\mathrm{test}}$ 中。（Result 1，Eq. (9)，PDF p. 3；Appendix C，PDF p. 10。）

这是一条无正则渐近风险归约。作者通过高斯近似、主导二阶矩与先前工作的 resolvent 分析得到它；Appendix A 明确采用渐近替换，Appendix B 忽略有限长度项。阅读时应把它作为该高维模型的结论，而非有限维分布相同的恒等式。

3.4 没有一阶分量时，为什么还会有双下降？

当 $a_1=0$，标签与特征的主导交叉矩消失，任务相关项也从特征二阶矩中消失。令 $q=\rho_{\mathrm{nonlinear}}/\alpha$，Appendix C 的辅助量满足

$$ \chi_0\approx \frac{q}{q\tau/(1+\chi_0)+\tau\lambda}. $$

定义 $\widetilde\lambda=\lambda(1+\chi_0)$，在 $\lambda\to0$ 下，$\tau<1$ 时得到 $\widetilde\lambda=q(1-\tau)/\tau$，$\tau>1$ 时得到 0。代回误差公式：

$$ \boxed{ e_{\mathrm{ICL}}^{\mathrm{nonlinear}} =\rho_{\mathrm{nonlinear}} \begin{cases} \dfrac1{1-\tau},&\tau<1,\\[2mm] \dfrac{\tau}{\tau-1},&\tau>1. \end{cases}} $$

参数数目是 $d(d+1)$，而 $n=\tau d^2$，所以渐近插值阈值是 $\tau=1$。在正的残差能量下，靠近阈值，拟合偶然样本相关会放大误差；$\tau\to\infty$ 时才回到 $\rho_{\mathrm{nonlinear}}$。此分支不再依赖 $\alpha$ 或 $\kappa$，因为没有可供它们改善的一阶信号。（Eq. (10)，PDF p. 3；Eq. (15)，PDF p. 10。）

由公式直接得到的教学数值是：$\tau=0.5$ 与 $\tau=2$ 时误差均为 $2\rho_{\mathrm{nonlinear}}$，$\tau=0.9$ 时为 $10\rho_{\mathrm{nonlinear}}$。这些倍数是推导结果，不是论文的模拟点。也由此可见，观察到双下降曲线本身，并不能说明模型已经学到了非线性任务规则。

四：结果——两张图分别验证什么

4.1 Figure 1：有限预训练数据下的噪声等效

图 1：预训练序列比例与 ICL 误差

原文 Fig. 1，PDF p. 4；直接使用作者矢量图转出的 PNG，保留原坐标和图例。

横轴是序列比例 $\tau=n/d^2$，纵轴是对数刻度的 ICL simulation error，数值越低越好。空心圆为非线性教师，菱形为提高噪声后的线性教师，灰方块为原噪声水平的线性教师，绿色虚线为理论曲线。固定 $d=64$、$\alpha=2$、$\kappa=2$、$C_{\mathrm{train}}=C_{\mathrm{test}}=I_d$；因此上下文长度与任务数均为 128。

比较对象	教师	图例中的噪声 $\rho$	比较作用
非线性目标	$\sin(\boldsymbol w^{\top}\boldsymbol x)$	$0.1$	检验非线性残差的影响
噪声调整后的线性目标	$\boldsymbol w^{\top}\boldsymbol x$	$0.447$	对照等效噪声预测
原噪声线性目标	$\boldsymbol w^{\top}\boldsymbol x$	$0.1$	展示额外残差造成的差距

原图展示非线性点与噪声调整后的线性点接近，二者都在 $\tau\approx1$ 附近出现高误差，并在右侧下降。比较角色是理论等效模型和原始线性基准，没有完整 Transformer 或其他非线性学习器的性能比较。图中有误差棒，但正文和图注未定义其统计口径，因此不据此作显著性判断。

解释这张图时必须处理尺度问题。 对 $f(g)=\sin g$、$\rho=0.1$，从论文定义直接算得

$$ a_1=e^{-1/2},\quad a_1^2=e^{-1}\approx0.367879,\quad \mathbb E[\sin^2g]=\frac{1-e^{-2}}2\approx0.432332, $$

$$ \rho_{\mathrm{nonlinear}}\approx0.164453,\qquad \frac{\rho_{\mathrm{nonlinear}}}{a_1^2}\approx0.447029. $$

这是本次依据定义补充的解析计算。$0.447$ 对应将一阶信号归一为单位强度之后的噪声方差。而 PDF p. 3 的 Fig. 1 说明文字写成 $(a_1^2+\rho_{\mathrm{nonlinear}})/a_1^2$，代入会得到 $1.447029$；这个量是归一化标签总二阶矩，与图例噪声方差相差 1。

此外，把非线性问题的标签按 $1/a_1$ 缩放时，MSE 也应按 $1/a_1^2$ 缩放；图轴和图注没有说明是否进行了这一归一化。故原图的重合应理解为作者展示的等效比较，不能据此断言两个原始教师在未缩放的 MSE 下直接相等。主结果 Eq. (9) 本身已明确要求同时缩放协方差，是更清楚的结论表述。

4.2 Figure 2：跨过任务多样性转变后，误差下限仍然抬高

图 2：任务多样性转变与非线性误差下限

原文 Fig. 2，PDF p. 4；直接使用作者原图。

横轴是对数刻度的任务比例 $\kappa=k/d$，纵轴为 ICL 测试平方误差，越低越好。蓝色菱形对应 $\alpha=20$，紫色圆点对应 $\alpha=40$；点是模拟，虚线是理论。绿色水平线是新的非线性下限，灰色点线是原标签噪声下限 $\rho=0.1$。

设置为 $d=32$、$f(g)=\tanh g$、$\rho=0.1$、$\tau=\alpha/2$，对应 Sec. 3 的各向同性任务讨论。两组上下文与预训练规模分别是：

$\alpha$	$\ell=\alpha d$	$\tau$	$n=\tau d^2$
20	640	10	10,240
40	1,280	20	20,480

这张表由图注比例换算而来。两条曲线的比较同时增加了上下文长度和预训练序列数，不能归因于单独增加上下文。

原文承接已有线性理论指出，当 $\alpha,\tau\to\infty$ 且 $\tau\propto\alpha$ 时，在 $\kappa=\operatorname{rank}(C_{\mathrm{train}})/d$ 附近存在任务多样性的转变。对于 $C_{\mathrm{train}}=C_{\mathrm{test}}=I_d$，阈值为 $\kappa=1$。训练任务较少时难以覆盖新的任务方向；任务足够多时，模型能够把一阶规则推广到新任务，但对于 $a_1\ne0$，其极限仍是

$$ e_{\mathrm{ICL}}\longrightarrow\rho_{\mathrm{nonlinear}}, \qquad \kappa>1,\quad\alpha,\tau\to\infty. $$

图中有限维曲线在 $\kappa\approx1$ 一带快速下降，而非出现不连续跳变；大 $\kappa$ 时两组曲线仍高于绿色下限，符合有限上下文与有限训练规模尚有估计误差的解释。达到该各向同性下限的条件是任务覆盖充分且 $\alpha,\tau$ 增大，不要求 $\kappa$ 本身也必须趋于无穷。（Sec. 3，Eq. (11)，PDF pp. 3–4。）

为解释绿色水平线，本次按论文定义对高斯期望作数值积分，得到

$$ a_1=\mathbb E[g\tanh g]\approx0.605706,\qquad \mathbb E[\tanh^2g]\approx0.394294, $$

$$ \rho_{\mathrm{nonlinear}} =0.1+0.394294-0.605706^2 \approx0.127415. $$

也就是说，下限相对原噪声水平多出约 $0.027415$ 的平方误差。这些小数是由公式补充计算的，不是原文表格报告值或从图像读出的精确实验数据。它们解释了为何绿色线在 $0.1$ 上方，也说明剩余误差不全来自有限任务覆盖。

五：结论——应如何使用这条理论

论文最有用的贡献是把函数复杂度转换为两个可计算量：一阶信号强度 $a_1^2$ 和非一阶残差能量 $\rho_{\mathrm{nonlinear}}-\rho$。在所分析的预测器中，增加数据主要解决估计问题；提高能够学习的函数阶数，则需要改变查询到输出的函数形式。非线性读出或特征变换因而是自然方向，原文 Introduction 也据此区分了包含非线性读出的同期工作。

实际理解有三个关键落点。第一，先查看 $\mathbb E[g f(g)]$，不要凭函数的 Taylor 次数判断它是否有线性信号。第二，分清 $\alpha$、$\kappa$、$\tau$：上下文统计噪声、任务覆盖和参数估计样本量是不同问题。第三，比较线性与非线性教师时保持信号尺度和 MSE 单位一致；图 1 的归一化缺口正说明这一步会改变数值解释。

适用范围由模型本身限定：独立各向同性高斯输入、高斯任务且有效秩增长、至多多项式增长的 $f$、指定比例极限和无正则风险。带非线性读出、多层非线性变换或不同记忆更新规则的网络，需要重新分析其可利用的统计量。当前两组实验验证了 $d=64$ 的正弦教师和 $d=32$ 的双曲正切教师；它们支持本文的机制分析，尚不能据此给实际语言模型作数值性能预测。

值得在组会上继续讨论的是：如果在查询端加入一个可学习的非线性映射，原先进入 $\rho_{\mathrm{nonlinear}}$ 的哪些 Hermite 模态可以重新成为信号？这会直接把本文的误差分解转化为架构设计问题。