算法论文8

南科大团队：LESnets高效模拟三维湍流

力学与人工智能2025-06-17

AI 摘要

南科大赵肃楠等提出LESnets方法，将大涡模拟方程作损失函数，不依赖标签数据，训练两种神经算子。在两类湍流中验证其有效性，效率超传统方法，为三维湍流模拟提供新思路。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华团队：改进傅里叶算子预测翼型流场

传统计算流体力学在工程场景计算成本高，深度学习方法预测精度与泛化性不佳。本研究基于傅里叶神经算子构建流场预测模型，经改进能精确预测超临界翼型流场与气动力系数，误差低且泛化能力优。

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。

清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。