无漏洞稳健的量子优势认证

量子优势的主张即使在经典策略能够访问与所评估基准相关的侧信息时也应保持稳健，正如贝尔认证必须考虑测量依赖性一样。我们将此类相关性形式化为基准依赖性，这是测量依赖性在任务层面的推广。对于每个有界奖励任务，我们证明了最优基准依赖经典分数满足Sη≤min{1,Scl+η}，并构造了一个饱和此界限的任务族，表明在没有进一步假设的情况下，对η的线性依赖是紧致的。对于具有逐轮依赖性的重复乘积任务，我们获得了更强的乘法界限Sη⁽ⁿ⁾≤(ωc+η)ⁿ，并将框架扩展到有限样本数据、互信息约束、多方任务以及沿因果路径分布的相关性。将这些结果应用于聚合的IBM硬件数据，我们获得了CHSH的0.0812和Mermin-GHZ的0.2178的正原始计数循环乘积证书，而九上下文魔方构造仍未获得认证；读出缓解值作为敏感性估计单独报告。我们还分析了一个非贝尔量子核基准，其中标签构造变量具有测量的条件依赖性η̂λ⁽ʸ⁾=0.5，高于报告分数差距闭合所需的阈值ηreq=0.375，并产生了完美的经典分类。因此，该框架将量子-经典分数差距转化为对解释该分数差距所需的基准相关经典信息的定量下界。