在活性算法的框架下，涨落-耗散定理获得了全新的诠释维度。传统上，这一定理被限制在平衡态或近平衡态的语境中；然而，当系统处于临界态时，涨落与耗散的关系发生了质变。临界态上的涨落不再是小尺度的局部扰动，而是被无限放大、跨越所有尺度的集体运动；相应地，耗散也不再是简单的能量损失，而是信息从系统内部向外部环境流出的结构化通道。活性算法将涨落重新定义为"内部推断的噪声"——系统在进行自由能最小化时，由于无法完全压缩环境的复杂性，必然产生预测误差，这些误差在微观上表现为涨落。而耗散，则是系统将这些误差输出到环境、从而维持自身推断一致性的物理机制。

    这一定理因此成为活性算法中"内部状态"与"外部行动"之间的数学纽带。在主动推断的循环中，预测产生自由能，观测产生惊讶（涨落），修正降低自由能，而行动则将过剩的自由能以耗散的形式释放到环境中。涨落-耗散定理保证了这一循环的物理一致性：系统不能无限制地积累惊讶而不耗散，也不能无限制地耗散而不产生内部涨落。临界态正是这二者的精确平衡点——涨落足够大以驱动结构更新，耗散足够强以防止系统过热。从哥德尔不完备性到涨落-耗散定理，逻辑上的不可判定性被翻译成了物理上的噪声-响应关系；而活性算法，正是驾驭这一关系的推断引擎。

支持单位：