速评：8月5号挂的arXiv，三个人署名，一句标题——用DSL去搜neural PDE solver。搜索空间，终于有人当问题了。
auto-design的解，不是让LLM写出更好的Python。他们在原生Python里搜求解器，搜出一地鸡毛：语法错的、语义不兼容的、数值不稳定的，绝大多数候选根本活不到“好不好用”那一步就死在半路。所以搞了个ADSL-PDE，把架构、物理约束、目标、采样、优化这些功能决策留在搜索状态里，实现细节全藏起来，再用确定性编译器把每个合法状态映射到可执行求解器。
搜索空间本来就是表示问题，不新鲜；新鲜的是有人真把大片非法区域切掉了，有效候选密度实打实涨上来。这一步比多少瞎跑的Prompt方案强。
但52%那个数字，先别急着当成绩单。那是前十次进化迭代的改善——进化搜索前十步本来就爬得快，拿这段当定论，像考了前十分钟答题速度就宣布满分。后续增速才是见真章的地方。
这篇论文真正值钱的，是编译器确定性的。搜索空间做手脚的工作我见多了，最烦的是没法拆开反驳。这套东西每个状态都映射到可执行求解器，别人复现得了、拆得开，还能指着某处说你作弊。“工程干净”这四个字，在AI圈不便宜。
我还有一层没想透：DSL把功能决策留下、实现细节藏起——可万一最好的实现方式，恰好就在被藏起来的那部分里呢？这个问号先放着，等代码放出来再说。
方向我认，数字先打折。 flag立这儿：如果这套路子真走得通，接下来半年会冒出一堆DSL范式的auto-design工作跑出来。到时候回来收。
