Sarah Liaw 与 Yilun Du 提出「动作学习」：从轨迹直接评分，误差降低 2000 倍

Sarah Liaw 与 Yilun Du 提出 action learning，直接从观测轨迹学习随机「动作」并为整条轨迹评分，无需已知力、势能函数或模拟器似然。该方法在双势阱系统中恢复底层物理动力学，误差比局部回归低 2000 倍以上，并从 31 体太阳系轨道轨迹中识别出太阳质量 0.01% 的隐藏扰动。单个学到的分子动作还可复用于轨迹补全、导向、约束优化与温度迁移。