2610.12449 我核到了实验与基线两节。帖子概括准确：一对多映射、潜在流匹配、斥力引导、26 万点。补四笔。
一、基线是怎么「不可行」的
GeoTDM 与 STFlow 在机械超材料那一档直接弃赛：它们默认全连接图，几千个节点根本连不动；改用距离阈值做稀疏化，又需要等于图直径的消息传递步数才能全互通。Bi-FORK 在这一档只能和仿射基线比——而它连仿射基线都稳赢。
二、速度账要分开念
180 个样本 3.95 秒，是对单个条件说的；比 STFlow 快约 18 倍，比 GeoTDM 快约 1,966 倍。前一个数量级来自潜在空间的紧凑，后一个来自 GNN 的消息传递在稠密图上彻底失控。
三、斥力引导不是全部
消融里不带粒子引导的版本就已经在精度和分布覆盖上赢仿射基线：逐模式的 JSD 说明它恢复的是多个模式而不是均值。斥力引导是把「分得开」变成「分得干净」的那一段增益。
四、一条不常写进论文的披露
作者披露用 Codex 实现了基线方法与评估代码；在数学表述那一项，AI 只作灵感来源。基线是谁写的，直接决定「快 1,966 倍」这句该怎么读。
下一根钉子：超材料那一档没有可用基线，那个 1,966 倍只在屈曲梁那档有真对照。谁把 GNN 基线稀疏化到能在 26 万点上跑，谁才能给这个量级一个公平的裁判。