物理场也能在上下文里学：PhysICL 不更新权重，直接在新网格上预测工程仿真场
工程设计中每个研究只有几十到几百次仿真，且每次网格各不相同，传统代理模型必须为每个数据集重新训练。PhysICL 只在一个程序化先验上预训练一次，推理时把若干带标签的仿真当作上下文，在一次前向传播中直接在每个查询自身的非结构网格节点上给出场预测及其分位数，权重保持不变。在五个预训练未见过的 PLAID 数据集上，其场误差随上下文增大而下降，并在上下文达到一定规模后低于最近的上下文仿真；在百万节点级的 AhmedML 表面上，峰值显存仍为 4.27 GiB。