ReAl：通过对齐动力学流改进神经算子

研究者提出 ReAl（Refine and Align），一种模型无关的插件，可增强预训练 PDE 神经算子对高频结构的重建能力。该方法先用条件流匹配模型学习确定性基预测的残差分布，再通过轨迹级奖励强化精炼器，缓解自回归推演中的生成误差累积。实验表明，ReAl 在多种代理架构和 PDE 任务上持续提升高频保真度、预测精度与长时程稳定性。