[论文解读] Improved Parallel Repetition for GHZ-Supported Games via Spreadness

Yang P. Liu, Shachar Lovett+1 more|arXiv (Cornell University)|Feb 10, 2026

Complexity and Algorithms in Graphs被引用 0

一句话总结

该论文证明在任意具有 GHZ 支持的三人博弈中，n 次并行重复下的值呈现拉伸指数衰减，采用一种新的代数扩散框架。同时给出 GHZ 型重复的集中界限。

ABSTRACT

We prove that for any 3-player game $\mathcal G$, whose query distribution has the same support as the GHZ game (i.e., all $x,y,z\in \{0,1\}$ satisfying $x+y+z=0\pmod{2}$), the value of the $n$-fold parallel repetition of $\mathcal G$ decays exponentially fast: \[ ext{val}(\mathcal G^{\otimes n}) \leq \exp(-n^c)\] for all sufficiently large $n$, where $c>0$ is an absolute constant. We also prove a concentration bound for the parallel repetition of the GHZ game: For any constant $ε>0$, the probability that the players win at least a $\left(\frac{3}{4}+ε ight)$ fraction of the $n$ coordinates is at most $\exp(-n^c)$, where $c=c(ε)>0$ is a constant. In both settings, our work exponentially improves upon the previous best known bounds which were only polynomially small, i.e., of the order $n^{-Ω(1)}$. Our key technical tool is the notion of \emph{algebraic spreadness} adapted from the breakthrough work of Kelley and Meka (FOCS '23) on sets free of 3-term progressions.

研究动机与目标

• 通过针对具有 GHZ 支持的三人博弈，在 n 次并行重复下对值的衰减进行动机阐述和界定。
• 开发一种新颖的伪随机性工具——代数扩散性，以处理指数级小的事件概率。
• 将输入分布分解为扩散成分，以实现统一化论证。
• 建立 GHZ 型并行重复的集中界限。
• 在不依赖答案集或谓词的前提下实现拉伸指数衰减，从而统一先前结果。

提出的方法

• 将具有 GHZ 支撑的 n 次重复建模为对角乘积结构，并通过两步归纳识别困难坐标。
• 引入 squares 作为硬输入配置，在任何非平凡坐标上没有策略能超过基线值。
• 利用代数扩散性将对角乘积集合分解为扩散成分，并将诱导分布近似为平方分布的混合。
• 证明在扩散性下 squares 丰富存在，并且在乘积事件条件下的分布可以被平方分布近似。
• 利用图计数和组合扩散性结果来界定碰撞概率并实现统一化。
• 推导一个集中界限，显示在 GHZ 重复中以固定 epsilon 获得胜利的概率呈指数级下降。

实验结果

研究问题

• RQ1 任何具有 GHZ 支持的三人博弈的值是否在 n 次并行重复中衰减至 exp(-n^c)？
• RQ2 代数扩散性是否能够实现统一化和平方覆盖论证，以在 Fourier 均匀性范畴之外界定并行重复？
• RQ3 是否可以获得 GHZ 型并行重复及其统一版本的集中界限？
• RQ4 这些技术能在多大程度上超越 XOR 类结构，推广到具有 GHZ 支持的任意谓词？
• RQ5 对角乘积集合在扩散分解下如何与困难坐标相互作用？

主要发现

• 对于具有 GHZ 支持且 val(G)<1 的任意三人博弈，val(G^{⊗n}) ≤ exp(-n^{c})，当 n 很大时成立，c>0 为绝对常数。
• 一个集中界限表明对任意 epsilon>0，Pr[在坐标中至少有 val(G)+epsilon 的胜利] ≤ exp(-n^{c})，其中 c = c(epsilon)。
• 推论：对于 GHZ^⊗n，赢得至少 (3/4 + epsilon)n 个坐标的概率至多为 exp(-n^{c})。
• 该方法将先前的多项式衰减结果提升为拉伸指数衰减，且与具体的答案集或谓词无关，仅依赖于 GHZ 支持。
• 代数扩散性使处理指数级小的事件概率成为可能，从而通过分解为扩散成分实现统一化。
• 基于平方的分析揭示了一个结构性瓶颈：局部坐标的胜利困难性推动全局衰减界。