你同时筛一千个指标，总会有几个只是碰巧显得异常。Benjamini–Hochberg（BH）程序就是处理这种局面的经典工具：它允许一定比例的误报，以换取发现更多真实信号。但一篇 arXiv 预印本给出了一个边界清楚的反例：当检验彼此相关，而且同时寻找正、负两个方向的效应时，BH 不一定能兑现自己设定的错误率上限。
作者 Edgar Dobriban 构造了一个高斯因子模型。在名义水平 、假设数量充分大时，论文用区间算术证书证明，假发现率会超过 。偏差不大：目标是 1%，结果略高于 1.04%。但它足以否定“所有这类相关结构下都能守住上限”的普遍判断。
本文所有结论均来自这一篇尚无独立信源交叉印证的预印本；理论证明、数值证书和模拟实验虽然相互呼应，仍属于同一作者成果。
BH 原本承诺什么？
先解释这里的“错误率”。多重检验是一次检查许多假设，例如从大量指标中筛选可能有效的指标。检验越多，偶然撞上小 p 值的机会越大。p 值可以粗略理解为：如果真实效应不存在，看到当前结果或更极端结果的可能性有多大。
假发现率（false discovery rate，FDR）关注的不是“整批结果能否一次都不出错”，而是被宣布为发现的结果中，错误发现所占比例的长期平均。把目标设为 1%，意思是反复进行同类分析时，希望这个比例平均不超过约 1%。
BH 会先把一批 p 值从小到大排序，再用随名次逐步放宽的门槛决定保留多少个发现。相比要求整批检验完全不犯错的方法，它通常能留下更多候选。已有理论保证表明，当 p 值相互独立，或满足一种特定的正向依赖条件时，BH 可以控制 FDR。
问题出在更一般的相关性上。多个指标可能共享样本、潜在因素，或像相邻基因和遗传变异那样一起波动。相关不等于一定有问题，但 BH 的保证取决于相关结构，不能把所有相关情形都当成独立检验。
双侧检验为什么更棘手？
高斯检验以正态分布为基础。“双侧”表示研究者事先不知道效应方向，因此同时寻找明显偏正和明显偏负的结果。论文指出，对单侧检验有用的一些正向依赖论证，不能自动搬到双侧情形。原因是双侧 p 值把分布两端折到了一起，而相关变量在这两端可能产生方向相反的条件变化。
这正是长期悬而未决的缝隙。论文回顾称，早期低维分析、上界推导和大量模拟都支持 BH 在任意相关的双侧 Gaussian 检验中仍能控制 FDR。作者据此把肯定答案称为一个流传约二十年的猜想。不过，“广泛相信”和“二十年”是论文的概括；材料没有提供这个猜想的正式名称，也没有独立调查学界共识的范围。
反例怎么让 BH 越线？
作者没有试图证明 BH 在所有相关结构下都安全，而是反过来寻找一个能让它失手的结构。
这个因子模型把假设分成三组。第一组是真实无效的假设，另外两组包含真实信号。三组都受同一个隐藏因子影响，但方向和强度不同：无效组随因子向一个方向移动，两组信号则以不同强度向相反方向移动。
关键在于时机。当隐藏因子落入一段具有正概率的取值区间时，两件事会同时发生：信号组制造出更多容易通过 BH 门槛的结果；无效组的双侧尾部也变重，产生更多很小的 p 值。前者把 BH 的拒绝门槛推得更宽，后者则趁门槛放宽混入更多误报。两种变化互相配合，使最终发现中的错误比例略高于设定值。
可以把它理解为一次候选名单扩容：真实候选突然增多，于是筛选线放宽；偏偏同一时刻，伪候选也更容易拿到高分。BH 看到的是排序后的 p 值，并不知道两股变化来自同一个隐藏因素。
证明如何跨过最后一道线？
这项工作的难点不是得到一个可疑的小数，而是严格证明它确实大于 。
作者先把 BH 写成一条经验 p 值分布曲线与门槛直线的“最右交点”。在给定隐藏因子后，三个组内部可以分别处理，并得到一个随隐藏因子变化的极限分布。论文不要求精确解出唯一交点，而是用两个严格的正负号条件，从两侧夹住 BH 的阈值，再据此给出错误发现比例的下界。
接下来，作者把连续取值范围切成有限多个矩形，用区间算术逐块核验。区间算术不是只算一个近似浮点数，而是给出保证包含真实值的上下界；只有整个区间都严格位于零的一侧，证书才接受相应判断。论文称，完整的向外取整证书最终证明：在 且假设数量充分大时，FDR 严格超过 。
论文还进行了分层 Monte Carlo 模拟——把隐藏因子的取值分层抽样，以更有效地覆盖少见但影响较大的区域。模拟方向与理论结果一致。供稿中的表格数值缺失，因此这里不补写具体样本规模、误差区间或显著性数字。论文同时说明，在较小的两个实验维度上，模拟区间仍与名义水平重叠，可能是重复次数不足，也可能是那些有限维度下尚未真正越线。
为什么值得关注？
这不是“BH 已经失效”的结论。反例针对相关的双侧 Gaussian p 值、一个特定因子模型以及假设数量充分大的渐近情形。独立检验或满足既有正向依赖条件的场景，并未被这项结果推翻。
真正值得重视的是保证的边界。大规模实验、组学分析和指标筛选经常同时面对大量检验与共享因素。若分析者仅凭“相关性看起来常见”就默认 BH 仍有原来的严格保证，这篇论文表明，数学上并不稳妥。越线幅度目前很小，却足以区分“经验上通常接近目标”和“对所有相关结构都有定理保证”这两句话。
还有一个不寻常之处：作者自述，证明由 GPT-5.6 Pro 在约 90 分钟推理后获得，作者随后核查了完整论证和数值证书，并编辑了最终稿。这个过程没有独立审阅信息，因此它更适合作为证明来源的披露，而不是额外的可信度背书。
局限与未知
- 目前只有一篇 arXiv 预印本，材料未说明是否已经同行评议；作者“仔细核查”的说法也没有独立复核支持。
- 已知反例只略微超过名义水平。论文称，对相近模型的搜索也只发现小幅越线；是否存在普遍的最大膨胀上界，仍是开放问题。
- 反例需要大量检验。较小规模下 BH 是否总能控制 FDR，若不能，错误率会怎样随检验数量变化，论文将其留作后续研究。