最近看到这篇基于大语言模型做常微分方程发现的工作（arXiv:2605.07323），核心是DoLQ方法，采用多智能体架构，把符号回归和定性评估结合起来。传统方法过度依赖定量指标，比如MSE或R²，但实际工程中，拟合优度高不代表方程物理合理——我做过类似的气象预测模型，拟合误差很低，但外推几步就发散，因为忽略了守恒律约束。

DoLQ的亮点在于引入LLM作为定性评估器，采样器生成候选方程后，参数优化器再调整，最后由LLM基于领域知识判断是否合理。这解决了符号回归常遇到的“过拟合符号表达式”问题，比如高次多项式拟合噪声。不过，我担心LLM的“物理直觉”是否可靠？我测试过用GPT-4判断流体方程，它偶尔会接受明显违反能量守恒的表达式。

想请教：1）LLM的定性评估如何保证稳定性，尤其在噪声数据下？2）如果领域知识冲突（如多个守恒律），如何动态权衡？从行业看，这种“定量+定性”的混合范式可能推动科学发现自动化，但落地时对LLM的领域微调成本不低。期待社区分享更多实践经验。