一句话看懂：一项 arXiv 预印本研究发现，让大模型在有限试验预算下为神经算子选择微调配置，其表现优于随机搜索和 TPE 贝叶斯优化；更关键的是，受控干预显示模型既依赖初始任务先验，也会响应实验反馈。
事件核心：发生了什么
根据 alphaXiv 收录的预印本摘要，研究者把预训练 FNO（傅里叶神经算子）在 PDEBench 的一维 advection 与 Burgers 方程轨迹上做迁移微调，每个试验只给 750 条轨迹、总计 20 次试验预算，让 hosted DeepSeek-V4 Pro 根据 PDE 描述、历史记录和训练诊断来挑选配置，最后用验证集最优配置跑一次留出测试 nRMSE。
结果显示，在 36 组匹配运行中，LLM 的留出测试 nRMSE 全部低于随机搜索，并在 35/36 中优于 TPE。一个代表性跨族迁移单元中，LLM 中位数为 0.01990，随机搜索为 0.07670，TPE 为 0.04010。作者强调这是有限预算下的优势，不是渐近意义上的碾压，因为 TPE 在部分运行的第 20 次试验时仍在改善。
为什么重要
科学代理是否只是背下初始上下文、还是真的会“边做边调”，此前很难从最终分数判断。作者用三类干预把归因拆开：冷启动时只看 PDE 描述，把 Burgers 换成 advection 会让首次提议的 base learning rate 中位数从 0.0005 翻倍到 0.001；在没有任何验证反馈前，首次提议已优于随机搜索池中约 91.7% 的配置；反馈出现后，把验证分数重新分配给已评估配置，会改变下一次提议，而保持数值不变的改写没有同等聚合效果。这些设计让“先验”和“反馈”两个来源都变得可检验。
对用户/开发者/创作者的影响
对做科学计算、仿真或 PDE 求解的开发者，论文给出的实践含义是：在算力或试验次数受限时，可以把 LLM 当作配置提议器，而不是只当自动调参的包装层。它需要上下文和历史，但收益可能大于纯随机搜索，并可与 TPE 类贝叶斯方法互补。对平台方，这意味着“科学代理”的评测不能只看最终指标，还要看单步决策是否随任务描述和反馈变化，否则容易把先验误认为学习能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是目前公开信息只基于摘要，完整实验、消融和跨更多 PDE 族的泛化还需论文正文确认；二是 hosted DeepSeek-V4 Pro 的具体版本、接口和成本未在摘要中展开，复现门槛与部署可行性待观察；三是这类方法能否从一维方程扩展到二维、三维工程场景，以及是否会出现更成熟的科学代理调参工具。
来源：alphaXiv
