12:03arXiv cs.LG@Zhiwei Gao, Liu Yang, George Em Karniadakis现有神经算子评估主要依赖预测误差,但准确输出不代表模型学到了正确的局部动力学结构。研究者提出一种基于雅可比矩阵的谱审计方法,通过将网络输出对查询函数求导,得到学习到的切向算子,再投影到傅里叶模式上,揭示频率依赖增益、相位结构和跨模式耦合等局部谱特征。该方法在多个基准测试中发现了预测误差无法暴露的问题,如高频退化、错误相位恢复和提示-算子不一致。结果表明,预测精度和局部算子保真度是神经算子的两个独立属性,该框架可用于稳定性、敏感性和算子一致性的诊断。论文神经算子谱审计雅可比矩阵PDE代理模型局部动力学推荐理由:这篇论文给做神经算子、物理信息学习或科学计算的团队提供了一个关键诊断工具——预测误差可能骗人,但雅可比谱审计能揪出模型学没学到真正的物理机制。做PDE代理模型或算子学习的建议点开看看,能帮你避免模型“看起来准、用起来崩”的坑。原文