2026年10月对指数时间假设的驳斥能够在 $2^{o(n)}$ 时间内计数满足赋值，但该渐进界并未指明从何种输入规模（交叉点）开始优于现有算法。我们将 Anthropic 的 #3‑SAT 递归过程显式化，并通过已证实的改动显著降低其交叉点。\ 在子句数 $m$ 为密度 1 的情况下，交叉点从约 $2^{33858}$ 子句下降到约 $2^{420}$ 子句；在一般 3‑SAT 的变量数 $n$ 维度上，估计从 $2^{2.2\cdot10^{12}}$ 下降到 $2^{8.6\cdot10^{9}}$。\ 利用整数表格的递归可以在时间 $2^{O(m/\sqrt{\log m})}$ 内统计每个 $j$ 对应恰好满足 $j$ 条子句的赋值数。\ 我们进一步观察到，这一结果驳斥了 Alman 与 Vassilevska‑Williams 提出的稀疏 Max‑3‑SAT 假设，该假设亦可通过 Impagliazzo、Paturi 与 Zane 的归约得到同样的驳斥；相应的交叉点从 $2^{68364}$ 子句降低到约 $2^{1016}$ 子句。\ 在结构层面，我们定义了一个 rewrite‑and‑merge 类，包含上述递归及所有构造，并证明在主项模型下，没有任何网格算法能够在一般 3‑SAT 上低于约 $2^{6000}$ 变量取得优势。对于两种平衡均匀的合并，我们利用量子泛函证明每条边比特的指数至少为 $(\log_2 K)^{-3}$，从而排除 $2^{n^{1-c}}$ 形式的运行时间。\ 独立于 SAT 本身，我们将该算法形式化为一种计算模型——Signed Network Sums，它囊括了秩一方法和收缩树。在四节点完全图上，一层构造在矩阵乘法指数 $\omega=2$ 时的收缩时间为 $N^{23/6}$，在当前预印本的乘法曲线下约为 $N^{3.93}$，均低于所有秩一方法或收缩树的 $N^{4}$ 上界。\
点评：本文通过细致的递归分析和结构化改进，大幅降低了 Anthropic 子指数 3‑SAT 算法的实际可用规模，为进一步挑战指数时间假设提供了更具说服力的证据。