往流场里插几根探针，靠这几个读数要把整片流场补出来，听着像拿三根体温计量一屋子的温度。补不出的那部分得靠先验猜，于是得问什么时候该信学出来的模型，什么时候老办法反而更稳。
这篇给的答案很不给面子。15 种方法同场，10 种学出来的，5 种经典的，铺在 3 种流态上，按逐通道误差打分，集合离散度与校准另算，能谱和成本也一起计，头名每换一个场景就换人。圆柱尾迹上领先的是线性随机估计和 gappy POD，连没测过的压力都补得好；三维各向同性湍流里，反距离加权在已观测通道上跟最好的学习方法打平。论文顺手点了一句同行病，插值这类经典基线，很多研究压根不报。
学习方法真正的地盘在稀疏处，探针变少、可观测性变差，它才反超。这倒像修表，零件齐全时老师傅的规矩手法更准，缺了三颗螺丝才轮到会脑补的学徒。
另一处更值得琢磨，Kolmogorov 流上换一把尺子排名就翻。按逐点误差排，确定性模型在前；按 CRPS 排，生成模型更宽的集合反而欠分散，得靠加大采样预算换质量，代价是真金白银的算力。三维扩展里还有个朴素的工程结论，可查询的方法内存开销平坦，全网格构建的直接撑爆。
只观测 4 个场里的 2 个，运动学上已经欠约束，潜变量模型照样能画出跟真值结构相似的图。看着像，和真的对，中间那一格谁来判？