Komlós 猜想指出，任意矩阵 $A\in\mathbb R^{m\\times n}$，若每列的欧氏范数不超过 1，则其组合差异（combinatorial discrepancy）被某个与维度无关的常数所上界。我们证明，对于所有满足该范数约束的矩阵，都有 $$ \text{disc}(A) \le C\, (\log n)^{1/4}(\log\log n)^{7/4}, $$ 其中 $C$ 为绝对常数。该结果首次在渐近意义上突破了 Banaszczyk 于 1998 年给出的 $O(\sqrt{\log n})$ 上界。更重要的是，它驳斥了 Hajela 在 1988 年提出的“下界应为 $\Omega(\sqrt{\log n})$”的猜想。
证明的核心思路是结合随机过程的平衡技术与高维几何的体积估计。首先构造一个高斯随机向量 $g\sim\mathcal N(0,I_m)$，并考虑其在列空间上的投影。利用 Banaszczyk 的向量平衡引理，可以将投影误差控制在 $O(\sqrt{\log n})$。随后通过细致的分块和递归削减策略，将误差进一步压缩到 $(\log n)^{1/4}(\log\log n)^{7/4}$ 的量级。关键在于对每一层递归使用精细的偏差校正，使得误差的累积呈现亚平方根衰减。
该上界的出现表明，组合差异的真实增长速率可能远低于此前的直觉估计，也为后续研究提供了新的技术工具，例如改进的随机投影和分层平衡方法。
博主点评：这篇工作在离散几何与随机分析的交叉口取得突破，既提升了理论上界，又挑战了长期存在的下界猜想，值得深入学习和进一步探索。