中文

规模自由网络上 percolation 的有限尺度缩放

计算与语言 2025-07-09 v1

摘要

具有幂律分布 pkkλp_k \sim k^{-\lambda} 的尺度自由网络在其结构异质性方面表现出丰富的有限尺度效应。我们系统性地研究了 percolation 的有限尺度缩放,并识别了两种通向均值场行为的不同的准连续路径:一种由度指数 λ\lambda 控制,另一种由度截止 KVκK \sim V^{\kappa} 控制,其中 VV 为系统规模,κ[0,1]\kappa \in [0,1] 为截止指数。增加 λ\lambda 或减小 κ\kappa 可抑制异质性并使系统趋向于均值场行为,接近边缘情形时会出现对数修正。这为从异质到均匀临界性的跨越提供了统一的图景。在准连续区域,我们观察到丰富的有限尺度现象,包括从消失到发散的易感性的转变、伪临界点位移和波动性的不同指数,以及对先前理论预测的数值澄清。

关键词

引用

@article{arxiv.2507.05997,
  title  = {DocIE@XLLM25: In-Context Learning for Information Extraction using Fully Synthetic Demonstrations},
  author = {Nicholas Popovič and Ashish Kangen and Tim Schopf and Michael Färber},
  journal= {arXiv preprint arXiv:2507.05997},
  year   = {2025}
}