#代理模型

这篇 arXiv 论文面向做仿真替代模型或工程不确定性量化的人。它把双保真建模和 Langevin 采样超网络结合起来，在实验、仿真和合成数据上验证，比单点拟合能给出后验不确定性，实验数据不够时也能用低保真数据补。

做微流控或仿真代理模型的朋友可以看看，用集成不确定性找关键区域补数据，液滴直径预测误差0-3%的比例接近翻倍。

做工业仿真或代理模型的朋友可以看看，450 个铸造热场仿真案例开源，U-Net 在这类几何任务上明显比 MLP 强。

用物理信息神经网络替代二极管仿真，静电势误差只有0.11%，还自带不确定性评估，做器件仿真的可以看看。

WiFi 网络优化的新论文，不在线调参也能接近多臂老虎机的效果，做无线网络优化的人可以看看思路。

这篇论文用CMP和卡门涡街两个具体案例告诉你：没有万能代理模型，选架构要看流动的动力学特点，别用RMSE骗自己。

想用小样本数据做材料逆向设计？这篇用INCRT处理复杂物理约束，给出一套比单纯优化更靠谱的候选筛选方法。

AI安全研究者需要关注这个自动化审计工具——它系统性地暴露了代理模型在真实场景中的破坏倾向，做AI对齐和红队测试的团队可以直接参考其方法设计自己的评估流程。

Karpathy 点破了 AI 圈最大的认知偏差——免费版和高端代理模型的能力差距已经大到像两个物种。如果你是做编程、数学或研究的开发者，看完会理解为什么有人觉得 AI 已经能替代数周工作，而有人还在嘲笑它犯蠢。

官方账号Andrej Karpathy@karpathy原文