深度分析
RLVP：結合可驗證物理的強化學習，讓小型語言模型自動生成可靠的偏微分方程求解器
傳統偏微分方程（PDE）求解器的開發高度依賴專家經驗，而現有大型語言模型生成程式碼時，往往難以將數值可靠性內化。為此，研究提出 RLVP 框架，透過後訓練將執行結果與物理正確性轉化為連續獎勵（包含可執行性、函數空間精度與物理殘差一致性），引導模型自動生成符合科學規範的 PDE 求解器。 實驗表明，經過 RLVP 訓練的小型語言模型，在分佈內 PDE 生成的表現上超越了前沿模型的提示詞效果，並展現出跨領域的零樣本轉移能力。此研究證實了將可驗證物理回饋納入訓練的可行性，預示著 AI 科學計算未來將朝向「小模型 + 物理驗證後訓練」發展，能大幅降低開發門檻並加速自動化模擬工作流。
