双保真材料模型不再只给单点拟合：采样超网络用朗之万轨迹给出后验分布
双保真建模常用低保真模拟补足稀缺的高保真实验，但常规做法只给出一个确定性拟合，难以说明预测有多可信。这项工作把单保真的朗之万采样超网络扩展到双保真数据，用共享潜空间的数据模型同时预测低保真响应与高保真修正，并由一个学习后验分数的漂移网络生成参数样本。在合成超弹性算例中，条件分阶段训练把SPD漂移的均方根误差从0.075降到0.024，凸势漂移从0.081降到0.017；在实验与DNS数据上，直接以高保真响应为输出比用加性偏差误差更低。