面向计算科学的面向上下文建模：无需重新训练的基础模型范式
计算工程、金融与科学
2026-04-28 v1
摘要
构建能够在无需重新训练的情况下泛化到不同物理系统的模型仍是计算科学的核心挑战。本文引入面向上下文建模（ICM），这是一种无需重新训练的范式，直接从观测场中推断物理关系。与将系统特定行为编码在固定参数中不同，ICM将测量 assimilated 为物理上下文，并通过单次前向传播进行推断。使用基于物理的、无标签的方式训练，单个模型可泛化到未见的材料、几何形状和加载条件。在弹性体性问题上演示，ICM与有限元仿真集成，并使用实验全场测量进行验证。此外，性能随数据多样性和计算预算的增加而提升，表现出类似基础模型的有利比例扩展行为。通过将物理建模重构为面向上下文的推断，该工作为无需重新训练的科学学习建立了一个可迁移的范式，为计算科学的可扩展建模奠定了基础。
引用
@article{arxiv.2604.23098,
title = {In-context modeling as a retrain-free paradigm for foundation models in computational science},
author = {Lingfeng Li and Zhuoyuan Li and Shun Li and Kaixin Zhan and Huajian Gao and Changqing Chen and Liu Yang},
journal= {arXiv preprint arXiv:2604.23098},
year = {2026}
}