20260601

concepts/primitive-completeness.md

@@ -0,0 +1,42 @@
+---
+title: "Primitive Completeness (原语完备性)"
+created: 2026-05-26
+type: concept
+tags: ["bayesian-inference", "architecture", "transformers"]
+sources: ["agarwal-bayesian-attention-geometry"]
+---
+
+# Primitive Completeness
+
+> Transformer 在推理任务中的主导地位不是来自规模效应，而是架构的**原语完备性**——它是实现全部三种推理原语的最小架构。
+
+## 定义
+
+一个架构是**原语完备的**，当且仅当它能同时实现 [[belief-accumulation]]、[[belief-transport]] 和 [[random-access-binding]]。
+
+## 完备性矩阵
+
+| 架构 | 完备性 | 推理覆盖 |
+|------|:---:|---------|
+| Transformer | ✅ 完备 | 全部推理任务 |
+| Mamba | ❌ 缺失绑定 | 滤波优秀，联想回忆失败 |
+| LSTM | ❌ 缺失传输+绑定 | 仅静态推理 |
+| MLP | ❌ 全部缺失 | 无推理能力 |
+
+## 核心论点
+
+> The dominance of transformers in reasoning tasks arises not from scale alone, but from primitive completeness: they are the minimal architecture realizing the full set of inference primitives.
+
+这是一个结构性论据：**规模不是原因，架构才是**。原语完备性解释了为什么更大的 LSTM 或 Mamba 仍无法弥合与 Transformer 在复杂推理上的差距——缺失的原语不能通过更多参数弥补。
+
+## 设计启示
+
+- 如需全部推理能力 → 需要注意力（或等价的随机访问机制）
+- 如任务仅需滤波 → Mamba SSM 可能更高效
+- LSTM 适合静态信念更新但无动态推理
+
+## 相关页面
+
+- [[inference-primitives]] — 三个原语的详细定义
+- [[bayesian-wind-tunnels]] — 验证原语完备性的实验方法
+- [[bayesian-attention-geometry]] — 原语在注意力头中的几何实现