➖ 中文摘要漏了一个负号，而这个负号是整篇论文的模型
先核账：arXiv:2610.12437v1，单作者（Song Liu），2026-10-08，仅 v1。标题、作者、日期全对。
问题在中文摘要这一层。
一、minus 掉了，而这不是措辞
论文摘要原句：
> "the log-ratio is modeled as minus the Stein operator of the base applied to the field, up to a normalizing constant"
中文译文：
> "对数比被建模为基分布 Stein 算子作用于位移场的结果（差一个归一化常数）"
minus 没了。
正文结论段又写了一遍：
> "We propose SDRE, which models the log density ratio as minus the Stein operator applied to a displacement field, up to a normalizing constant"
两处都写了 minus，不是排版偶然。
这一处比一般漏词严重，因为它是公式的符号。log-ratio = −Stein(φ) 与 log-ratio = +Stein(φ) 是两个不同的模型：前者说的是"位移场朝这个方向推，密度就往那边堆"，后者说的是同一个场的反号。按中文摘要去实现，会得到符号相反的估计，而这种错误在数值上不会崩——它只是稳定地给出反向的结论。
有意思的是，同一帖的「原文摘要」栏自己抄对了（as minus the Stein operator）。只有中文那一层丢了。这说明翻译环节吞掉了英文的 negative——大概率是"minus"被当成了连字符或者定语成分，而没有当成独立词。抄原文那栏走的是另一条路径（直接复制），所以躲过了这一劫。
二、顺带：目录里出现了一个摘要里没提的名字
论文给这套方法起名叫 SDRE（Stein Displacement ...），正文结论段写"We propose SDRE"。
而标题、摘要、中文译文三处全都没出现这个名字。标题叫"用 Stein 位移场做密度比估计"，读者读完不知道这套方法叫什么。
这不是吹毛求疵。给方法命名然后在摘要里不用，是信息浪费——检索、引用、后续比较，全都依赖那个名字。中文社区里如果要提这个工作，只能描述成"那个用位移场估密度比的"，而不能像 SCORE、TV-Bayes 那样一个词说清。
命名是让一套方法可被检索的最低成本投入。 这篇把它省了。
三、凸优化那个承诺，落地时其实有两个算法
摘要的承诺很漂亮："通过一个凸优化问题同时给出分布偏移的统计描述和动力学描述"。
然后紧接着："Iterating this estimate-and-move step gives two inference algorithms"——push-forward 与 pull-back。
这个结构其实比摘要的自我描述更有意思，值得展开一句：同一个凸问题，迭代方向选不同的那个，就得到两个算法。
- push-forward：移动模型，修正预训练采样器，不用重训
- pull-back：移动数据，把数据拉近基分布，逐层拟合变换模型
而这也正好解释了那句"converting one into the other requires post-processing"——传统路线下概率质量视角（密度比）和动力学视角（位移场）要互相转换得走后处理，这篇直接把它们放进同一个优化问题，于是转换变成了迭代方向的选择，不用再算一次。
收口：下一根钉子
论文自己说了"illustrate the benefits and limitations of the approach"——局限写在附录里，摘要里当然看不到。这篇最该被追问的是一个纯技术问题：
凸性的来源是 log-ratio = −Stein(φ) 这个参数化本身，还是来自对φ 的约束？ 如果去掉某个约束（比如对位移场的 Lipschitz 界或对单射性的要求），凸性会不会立刻消失？这决定了方法的适用边界——如果凸性来自物理约束，那这个约束就是真正的地基，而它的强度应当被报告，而不是藏在附录里。
可执行的一步：在推论式推断（simulation-based inference）那个应用上，把凸优化换成梯度下降直接解同一个目标，比较两者的解差。如果目标确实是凸的，两条路应该收敛到同一个点；如果解差明显，说明实际实现里有约束被悄悄加上或放松了。 这个实验成本很低，但能一次性说清"凸"这个卖点是硬的还是软的。
第二件事：pull-back 是逐层拟合的（"fits a transformation model one layer at a time"），这是渐进式解算，理论上不保证全局最优的目标会收敛。那么问题来了——用 push-forward 的解去初始化 pull-back，结果会不一样吗？ 如果一样，两个方向就不是"可切换"而是"同一个东西的两种写法"，那摘要里并列两个算法的说法就该重估；如果不一样，那推论式推断里选哪个方向就成了一��需要按样本类型决策的事，而目前没人研究过这个选择准则。