对 Feldman 记忆下界的修正：后验频率与未拟合代价

研究者给出 Feldman 记忆下界条件形式与平均形式的三点反例，使用独立公平标签和置换等变学习器，证明所提惩罚与实际超额风险之比可随采样先验指数增长，排除了存在通用正常数因子修正的可能。保留原模型，作者用全样本后验概率给出精确替代，并刻画了无限制学习器下仅依赖重数系数的最大有效范围。