一类图像编辑器可以在每个局部区域满足可行性约束，却找不到能够解释整体输出的单一潜在因子。我们用 公共见证等级（common witness grade）和 见证神经（witness nerve）形式化这种局部‑全局失效。该框架将审计过程与因果识别分离：仅有共享外生性（shared exogeneity）时，任意边际分布的耦合都是可能的；若外部提供了可信的见证关系，则可以对预先指定的图像特征给出锐利的部分识别界（sharp partial‑identification bounds）。
利用 Helly 类型的论证，我们得到针对准凸损失（quasiconvex losses）、异构动作层（heterogeneous action strata）以及有限见证图谱（finite witness atlases）的短不兼容证书（short incompatibility certificates）。进一步，阻断超图公式（blocker‑hypergraph formula）能够精确计数需要修复的实例数。对边际分布的同步置信域（simultaneous confidence regions）提供了完整识别区间的有限样本外覆盖（finite‑sample outer coverage）。
实验方面，受控的 MNIST、Morpho‑MNIST 与 smallNORB 数据集验证了局部‑全局分离的预测；合成实验检验了界的锐度、证书的恢复以及结构化计算的可行性。需要注意的是，方法仅审计声明的特征关系，而不对像素层面的任意反事实进行识别。
$$ \text{Sharp bound: } \theta \in [\theta{L}, \theta{U}]\quad\text{with}\quad \theta_{L}=\sup{\theta: \exists\,W\text{ satisfying constraints}} $$
点评