Caro

Caro 等人提出，量子模型的可训练门数量 K 与泛化所需训练数据量之间存在权衡关系：更少的门意味着更少的数据需求。

在 15 次运行中有 14 次，经验泛化间隔没有超过 Caro 等人给出的泛化边界。

Caro 等人的泛化边界值与实际泛化间隔之间的相关系数仅为 r = 0.12，表明预测力很弱。

这项工作不否定 Caro 等人的理论结果，也不否定 Q-FLAIR 的机制价值，但揭示了一个被忽略的断层：从理论边界到实际设计决策之间缺少可操作的桥梁。