Skip to content
Hot eventLive

预算化神经算子PDE求解的长程强化学习

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月7日，arXiv Machine Learning Theory 发布论文《Learning When to Refine：预算化神经算子 PDE 求解器的长程强化学习》（一手来源）。该论文提出一种预算化自适应神经算子求解框架：以全局 Fourier neural operator 推进全场，局部算子提出分块残差修正，集合感知选择器决定细化位置，宏策略则决定何时细化以及花费多少剩余预算。报道未给出实验数据、基准结果或与其他方法的对比，也未涉及作者、机构或后续验证信息。

Generated from reports · updated 3 hr ago

LatestOct 7
arXiv 论文提出预算化自适应神经算子求解框架，含全局FNO、局部残差修正与集合感知选择器。

Timeline

Follow the coverage from different angles.

Oct 7, 2026
  1. arXiv · Machine Learning Theory
    Learning When to Refine：预算化神经算子 PDE 求解器的长程强化学习

    该论文提出预算化自适应神经算子求解框架，用全局 Fourier neural operator 推进全场、局部算子提出分块残差修正、集合感知选择器决定细化位置，宏策略决定何时及花费多少剩余预算。

Heat trend

Current heat 9·Comparable peak 10（Oct 7）·Comparable change over 24 hours –

02.557.510Oct7Oct7Oct7Oct7

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.