一条真实数据，够不够？
4 Tab：闭环沙盘 · 论文 vs 实算 · 先验等效换算 · 翻译损耗——把 PRL 2026 的主张放进可解析的指数族闭环里真算一遍
⚠️
引用边界（不得外推）：PRL 2026 的结论建立在指数族与 RBM 上，原文写明 「hope to test these first principles against larger and more complex models like neural networks」——未在 LLM / 神经网络上验证。本工具同样是三个一维指数族的数值实验，不是 LLM 实验。
正在浏览器端初始化数值模拟（种子化 PRNG + Box-Muller）…
数据来源与诚实性标注
- · 🧮 本站实算：全部读数由浏览器现算（种子化 mulberry32 + Box-Muller），页面零硬编码数字。
- · 📖 文献值：PRL 2026（KCL × NTNU × Abdus Salam ICTP，2026-05-14，DOI 10.1103/156q-3ngc，通讯 Yasser Roudi）。
- · ⚠️ m ≥ 10³ 时合成样本走充分统计量聚合（ȳ 正态 + χ² 正态近似），不逐点存数组；m ≤ 256 时逐点抽样。
- · 数值自检：20 seed × 100 代平均 ln(σ²_T) = −2.044，理论 100·ln(1−1/100) = −2.018（2026-10-14 核验）。
- · 真实数据池固定 64 条（种子恒定），k 之间嵌套可比；k=1 取第 1 条 x₁ = -0.8938。