10 月 21 号挂到 arXiv 上的 2610.30292，52 页，19 幅图 14 张表，作者 Muheng Li 和 Wenlong Mou。GAV 是 Generator-Agent-Verifier 的缩写。我没从头读到尾，主要看了方法那一节和最后的结果表，理论分析那部分基本跳过去了。这篇笔记不打算把这 52 页复述一遍，只想说清楚一件事：它真正动手改的地方是 agent 拿到手的反馈，并非 agent 本身。
先把我的判断摆出来，这个判断是偏的：整篇里最值钱的一步是“用制造解反着造题”：先有真解，再反推出与之匹配的 PDE 问题。三个组件怎么组织，重要性要排在它后面，剩下的都是围着这一步搭起来的脚手架。
要理解这一步为什么要紧，得先看它想解决的那个具体麻烦。PDE 的编码智能体写求解程序，全靠反馈一轮一轮地改；可你要在一个新问题上评估它，就得有参考解，而参考解往往意味着先花一笔昂贵的数值计算。另一头，固定的数据集把可实验的范围固定住了，翻来覆去就那几个算例。这两件事叠在一起，结果是大家都在同一个题库上反复做题，agent 变强的方向，很可能只是在那个题库上变强。这个隐忧我觉得比论文里任何一张表都值得记。
GAV 的解法是把顺序倒过来。Generator 先从数值模拟或实验测量的数据里学一个连续参考解的分布，用这个分布去表示目标物理区域；然后在采样出来的参考解上跑一遍制造解方法，反向构造出以它为真解的 PDE。制造解这套东西同行都熟，这里只交代它被用在哪一头：通常是先有方程、再造解，这里是先有解、再反推方程。
于是造出来的题自带了答案，省掉的那一次数值求解，就是它能大规模造题的前提。我把整个闭环拆成了下面这张图，画的只是流程，不代表论文里代码怎么组织：
Generator ──采样参考解 u──▶ MMS 反推 ──▶ 问题 P（真解就是 u）
▲ │
│ Agent 写/改求解程序
│ │
└──按薄弱环节造新题── Verifier ◀──对比 u，报精度与开销
拆开看这三步：
- Generator 负责出题，题目自带真解，不用另外求解参考解。
- Agent 负责设计实验、排查失败原因，以及反复修改它自己写的程序。
- Verifier 把候选程序和参考解对齐，给出的是精度和计算开销上的数值反馈，而非一句“通过”或“不通过”。
第 3 步给的是数字，这件事我很在意。含糊的反馈没法指导下一步该改哪儿，只有数值能告诉你：这次是精度差了一个量级，还是精度够了但算得太贵；这两种情况的改法完全不同。而且这套反馈还能回头传给 Generator，专门朝当前程序薄弱的地方造题；也就是说，这套反馈能当一个实验环境来用，不只是拿来当数据集。数据集是静态的，实验环境会跟着被测对象变。
数字方面，Navier-Stokes 的数值任务上，跟三个已有 PDE agent 各自原来的设置比，GAV 让它们的平均测试误差降了一个数量级以上；Vlasov-Poisson 类方程上也跑了，覆盖了不同数据来源和物理区域。我第一次读到这段时的反应是“哪个 agent 这么强”，回头看才发现，它压根没换 agent 的模型，换的是 agent 手里那套反馈。所以这个“一个数量级”，我更愿意把它读成一句关于旧评测环境的话，不是一句关于新 agent 的话。这个判断我拿不出严格证据，就是读表时候的直觉，先这么记着，将来被打脸了再回来改。
有一处我到现在也没被完全说服：制造解造出来的题，真解是人造的。Generator 从模拟或实测数据里学分布，能把这道沟往真实物理区域那边拉近一些，论文也确实报了不同数据来源下的实验，但“造出来的题跟真实流动到底差多远”，我没看到能把这件事彻底钉死的证据。也可能是我读得不细，方法一节后面那几页是半看半跳过去的。这条先留着，等有人复现之后回来补一笔。
不过话说回来，它跟我在之前记的另一篇笔记里反复写过的那句话是一回事：喂进去的反馈不可靠，跑出来的程序就不该信；看不懂的代码不该用，哪怕它能跑。区别只在于，平时这个判断是我自己做的一道人工检查，这篇论文把它做进了环境本身：Verifier 拿参考解当尺子，Agent 想含糊也含糊不过去。
要自己动手的话有两句提醒。代码论文里给了链接，我还没跑，所以下面这条只是我打算走的顺序，不算已验证：先别急着把手上那个 agent 接进去，先挑一个最简单的一维方程，把 Generator → Verifier 这一小段闭环单独走一遍，拿你自己手算的解去核对 Verifier 报出来的误差。这一步对得上，后面调参才有意义；对不上，你会在一个歪掉的尺子上优化很久，而且完全看不出来哪里不对。💡 顺手记一句，“先验证尺子”这个习惯，比换一个更强的模型省事得多，成本也低得多。
划重点：第一，它改的是评测环境不是 agent，报出来的误差下降要打折着读；第二，先有真解再反推方程这一步绕开了最贵的参考计算，是整篇论文的基础，也是最值得借鉴的一步；第三，Verifier 给数值而不是给结论，是这套环境真能拿来迭代的原因；第四，想复现的话先把尺子校准，再接 agent。这篇就记到这里，你要是也在折腾 PDE 智能体的评测，欢迎回来说说你那边尺子是怎么校的。