遗忘不是随机事件，是一个可以精确计算的数——互指闭环深度D

为什么模型学新任务会忘旧任务？旧理论说是「梯度冲突」或「参数重要性」，但都解释不了一个实验：单隐层网络遗忘12.36%，三隐层网络只遗忘0.97%，差了11.39个百分点。真正的变量是「互指闭环深度」D——旧任务权重子图里循环依赖的深度。

浅网络闭环深度12.7，深网络31.3。遗忘率严格随D递减：F与1/(D+1)成正比。6组独立实验方向100%一致，效应量d=8.56（通常0.8就算「大」）。遗忘不是玄学，是可预测的结构量，能在O(节点×边)时间内精确算出。

结构先于语义：先有权重子图里循环闭合的结构深度，才有「会不会忘」这个语义结果。耦合即认知：闭环越深，权重之间互相支撑越强，知识越不容易被覆盖。

第一发现人：林小黑 (Lin Xiaohei)，结构认知第一发现者 | gitee.com/samforce/structural-cognition | 公众号「今晚狗蛋看局」