背景：连接组描述神经系统可用的结构基质，但并未指明完成特定计算所需的子集。已有的紧凑充分电路仅给出点估计——单一子集、单一任务、单一保真阈值、单一参数化。
方法：我们将计算充分性形式化为在给定任务和容差对（允许的退化 $\epsilon$、允许的失败比例 $\rho$）条件下的成本索引神经子集族，区分任务适足性与表型保真度，并在持出参数抽样上使用单侧界限对候选进行认证，而非报告单一最小值。我们度量单一电路无法表达的三类量：不可分解性、退化性以及基于干预的角色分类。
结果：在公开的行走模拟器上，已发布的 148 神经元电路在 32 次持出抽样中平均 $D_{\text{task}} = 0.017$ 且无失败，证明其充分；任何 146 或 147 神经元子集均不充分，且去除其三 interneuron 中任意一个都会破坏适足性。补全划分在七个随机种子中恰好恢复该集合三次，在五次中达到相同规模，评估次数在 66‑97 次之间，而同预算下对 221 神经元的层次捆绑需要更多评估。仅改变任务会改变所需神经元：我们找到的最佳解分别保留 155 和 149 神经元，仅共享 11 个可搜索神经元中的 3 个。放宽容差揭示了替代的充分电路，整个中枢神经系统接口在所有复制中均失败，而 93 个搜索选取的神经元提供了认证解。
结论：充分性是集合值，需同时以任务和容差为条件，没有单一搜索策略在所有情形下占优。前沿只能在与仅接口基线、容差和预算共同解释时有意义，所有结果均为相对模型的。
点评：本研究展示了在连接组约束下评估神经子集充分性的系统方法，强调了任务和容差对电路规模的决定作用，为神经计算的可解释性提供了新视角。