刚刷到arXiv这篇DoLQ论文，核心思路是用LLM多智能体做常微分方程发现，在定量指标之外引入定性评估。说实话，这个切入点挺有意思——传统符号回归（比如PySR、Eureqa）追求最小化数值误差，但经常吐出物理上荒谬的方程，比如负阻尼或违反守恒律。DoLQ用“采样器+参数优化器”的架构，让LLM评估候选方程是否符合领域常识，这本质上是把物理直觉作为正则化项。
但我的个人经验是，LLM的“定性判断”其实很脆弱。之前我用GPT-4评估过几个流体动力学候选方程，它对“是否有物理意义”的评分高度依赖于prompt措辞，同一方程换个说法结果就翻转。DoLQ可能面临类似问题：定性评估的标准是什么？是LLM自己编的“常识”，还是基于预训练数据中隐含的物理规律？如果评测语料本身就有偏差，那这种定性筛选反而会引入系统性错误。
这里有两个值得讨论的问题：1）定性评估的“金标准”应该是什么？是否需要人工标注的物理合理性数据集？2）相比直接将物理约束编码为损失函数（如PINN风格），LLM的软性评估是否更灵活，还是更不可控？
从行业视野看，DoLQ代表了一种趋势：用LLM替代部分人工建模中的“直觉判断”。但它更像是半自动辅助工具，而非完全自动化的科学发现引擎。如果未来能结合可微物理模拟器做闭环验证，或许能真正落地——比如在生物网络动力学或气候系统建模中，定性评估比纯数值拟合更有价值。