theory-assumption-extractor

仮定の抽出

結論を信頼する前に、隠れた前提を明らかにします。

優れた結果は、多くの場合、次のような仮定に依存しています。

• 暗黙的なもの；
• 数式表記に埋もれているもの；
• 定理の引用の中に隠れているもの；
• または証明手法を通じて間接的に導入されるもの。

目的は、仮定を列挙するだけではありません。
次の点を明らかにすることが目的です。

• どの仮定が構造上必要なのか；
• どの仮定が証明上の都合によるものなのか；
• そして、それらを取り除くと何が成り立たなくなるのか。

---

手順

1. 対象とする主張を述べる

結論を正確に記述します。

悪い例：

The method converges.

良い例：

The estimator converges almost surely to the true parameter
under increasing sample size.

主張では、次の点を明記してください。

• 変数；
• 対象となる条件や範囲；
• 収束の概念；
• 確率に関する限定条件；
• 比較対象。

---

2. 明示的な仮定を抽出する

定理、モデル、または実験で直接述べられている仮定を列挙します。

例：

Explicit assumptions:
- graph is connected;
- loss function is convex;
- samples are IID;
- Markov chain is reversible.

次のように分類してください。

• 数学的仮定；
• 統計的仮定；
• 計算上の仮定；
• データ生成に関する仮定。

---

3. 隠れた仮定を探す

すべての証明ステップ、近似、および実証的な主張を確認します。

よくある隠れた仮定には、次のものがあります。

正則性に関する仮定

• 滑らかさ；
• リプシッツ連続性；
• 微分可能性；
• 勾配の有界性。

構造に関する仮定

• 凸性；
• スパース性；
• 低ランク性；
• 分離可能性；
• 定常性。

確率に関する仮定

• 独立性；
• 交換可能性；
• 集中性；
• サブガウス型の裾；
• エルゴード性。

識別可能性に関する仮定

• 最適解の一意性；
• 可逆性；
• 十分な励起；
• 非退化な共分散。

漸近に関する仮定

• 大標本の状況；
• ノイズの消失；
• 次元の固定；
• 無限時間の範囲。

実証に関する仮定

• 学習データとテストデータの分布が一致する；
• ベンチマークのラベルが信頼できる；
• 前処理によって情報が漏洩しない。

---

4. 各仮定がどこで使われるかを特定する

仮定を列挙するだけにとどめないでください。
論証のどこで実際に使われているかを示します。

例：

Convexity is required when applying Jensen's inequality
during the convergence proof.

Independence is used only in the concentration step.

これにより、次のものを区別できます。

• 論理的に必要な仮定；
• 証明固有の仮定。

---

5. 仮定を分類する

各仮定に、次のいずれかのラベルを付けます。

必須

取り除くと主張そのものが成り立たなくなります。

例：

Connectivity is essential for global mixing.

証明上の便宜

分析を簡潔にするために使われていますが、根本的には必須でない可能性があります。

例：

Bounded degree simplifies concentration bounds
but may not be strictly necessary.

過剰な可能性

必要以上に強い仮定です。

例：

Global Lipschitz continuity may only be needed locally.

---

6. 仮定を取り除いて検証する

次の点を確認してください。

What breaks if this assumption is removed?

具体的に記述してください。

悪い例：

The proof becomes harder.

良い例：

Without reversibility, the spectral decomposition step fails
because orthogonal eigenbasis arguments no longer apply.

---

7. より弱い代替案を提案する

可能であれば、強い仮定をより弱いものに置き換えます。

例：

強い仮定	考えられる緩和
IID サンプル	混合過程
大域的な凸性	局所的な凸性
有界な台	有限分散
厳密なスパース性	近似スパース性
決定論的なグラフ	ランダムグラフのアンサンブル

証明の道筋に妥当性がない限り、弱めた条件でも成り立つと断言しないでください。

---

ルール

• 論理的な必要性と証明上の便宜を区別します。
• 引用された定理に含まれる隠れた仮定も対象に含めます。
• 仮定を取り除くと論証が破綻する場合は、どこで破綻するかを正確に述べます。
• 漸近的な仮定を、現実的なものと自動的にみなさないでください。
• 次の点を区別します。
  • 数学的に十分か；
  • 実証的に妥当か；
  • 計算上実行可能か。
• 「文献でよく使われる」ことと「必要である」ことを混同しないでください。

---

出力形式

# Target Claim

...

# Explicit Assumptions

- ...

# Hidden Assumptions

| Assumption | Where It Enters | Essential or Convenient | What Breaks Without It |
|---|---|---|---|
| ... | ... | ... | ... |

# Likely Over-Strong Assumptions

- ...

# Possible Weaker Alternatives

| Original Assumption | Possible Relaxation |
|---|---|
| ... | ... |

# Main Structural Dependency

State the single assumption the argument depends on most heavily.

# Risk Assessment

Which assumptions are:
- mathematically fragile;
- empirically unrealistic;
- difficult to verify in practice.