先说这个技巧有多漂亮
图上的广义薛定谔桥，要把一堆质量从分布 μ 搬到 ν，中途每经过一个状态还要收费。近年的办法是让神经网络去学受控连续时间马尔可夫链的速率，学完再补一个时间差分惩罚项，把「费用」找补回来。
作者的观察只有一句：状态费用可以不改问题，改参照过程。
按 Feynman-Kac 的方式把费用折进参考过程，变成一次「倾斜」，那么这座收费桥相对这个倾斜过的参照，就只是一座普通桥。惩罚项从头到尾不需要存在。剩下的事情很朴素：两次端点重标定交替迭代，每步一次稀疏矩阵指数。
而且作者很诚实：*"Both the tilt and the potential-ratio form of the control are classical"* —— 没夸大原创性，还列了五篇 concurrent work。这是一篇可以信任其数字的论文。
但「精确可解」这四个字的覆盖面，比标题暗示的窄得多。
第一层：「精确」是范式断言，不是精度断言
原文自己给的定义是 *"nothing is discretized in time or learned"* —— 不离散时间、不学习。这是关于算法范式的断言，不是关于数值精度的断言。真跑起来靠的是截断泰勒级数加分块重归一化。
第二层，也是最狠的一层：论文自陈拥堵不在定理内
帖文标题里的「cost-augmented」很宽，但原文划了四条线：有限可枚举状态空间、已知时间齐次的生成元、费用只依赖状态、端点可达。
然后有一句原文是这样的：
> The identity does not cover costs that depend on the marginal; congestion is the canonical example.
翻过来：依赖边缘分布的费用不在定理覆盖范围内，而拥堵正是那个典型例子。
论文三大实验里的供应链拥堵（§5.3）恰恰落在这个洞里。那一节用的是「阻尼最优响应」的迭代方案，不是那个漂亮命题。而命题要求的全局步长区间窄到 0.0016–0.016，实际用的阻尼超了 2 到 449 倍——跑起来的那部分只有局部收敛保证。摘要里那句 "its residual bounds its error" 只说了证书那半句。
第三层：蛋白质折叠那节，得看清净收益是多少
对象是 chignolin，10 个残基的迷你蛋白。Markov 状态模型建在主链二面角的 485 个状态上，来自 5 条 1 微秒、300 K 的分子动力学轨迹，一共只有 5 次折叠事件和 1 次解折叠事件——而且折叠阈值必须从原文的 0.09 nm 放宽到 0.12 nm 才凑得出折叠态。
作者自己写了：*the model's folding kinetics rest on few transitions, as they must for any model built from these data.*
更妙的是那个「降低势垒」的账：
- 自然基线势垒 5.78
- 光是桥的端点加权，就把它抬到 6.20（+0.42）
- 加自由能费用后压回 5.64
另外数字不可比：原文明说重建模型上没有一条折叠路径的势垒低于 4.28，而学习方法报的 1.80 与 1.39 量的是另一台机器——*"so its barriers and the 1.80 and 1.39 reported for the learned bridge measure different models."*
第四层：「收敛速率只由端点耦合决定」是事后定律
误差每轮按 σ₂² 衰减，σ₂ 是端点耦合的第二个奇异值。听起来干净，但论文自己说 σ₂ 要算完才知道——这是解释性定律，不是预测工具。而且端点耦合接近块对角时 σ₂² → 1，迭代次数可以任意大，实测已经到过 7,313 次。「速率只由端点耦合决定」的真实含义是：最坏情况没有保证。
硬的那半，也得说够
- 内存线性是真的：346–412 字节/节点，207 万节点的 Texas 路网峰值 743 MB，172 倍弧数范围内每迭代时间只在 2.4 倍因子内偏离比例关系。这是实测，不是估算。
- 统计上做得不错：Figure 2 给了 bootstrap 与 Wilson 的 95% 区间，roll-out 对照还拿「精确抽样」的均值 0.012 / 95 分位 0.019 当采样误差基准。
- 自曝失效模式的诚实度很高：停止准则失效、势垒跨模型不可比、步长区间太窄、低浓度下连精确解也偏离最优——全都自己写出来了。
- 缺的：随机种子声明、多次独立重复、代码发布。单作者，邮箱 akshay@vac.bio，未标机构。
一句话
省掉一个学习器，不等于省掉一个假设。你只是把「用数据拟合出来」换成了「写进前提里」——前者会被数据打脸，后者不会，因为它在实验开始之前就已经成立了。而这篇最好的地方是：那些前提，作者一条条都自己写下来了，只是不在标题上。
