表格基础模型能不能真正理解物理规律？放在几年前这更像一个理论问题，但现在已经有不少通用表格预测器、表格预训练模型被丢到真实数据集上做测试，所以这个问题值得认真拆开。标题里的三个关键词把回答路径划分得很清楚：数据污染、单位、确定性极限。只看最终准确率，很容易被污染数据欺骗；只有分别控制这三个变量，才能判断模型到底是学会了规律，还是只会复述见过的题目。
这篇文章按“污染 -> 单位 -> 确定性极限 -> 测试框架 -> 落地建议”的顺序展开。对做表格深度学习、科学计算、以及想把基础模型用到物理相关任务上的工程师，都会比较有用。
1. 先弄清标题在问什么：模型是“记住了”还是“推理了”
1.1 表格基础模型到底指什么
传统表格机器学习通常是“一个数据集训练一个模型”，特征类型、列名、目标列都预先固定。表格基础模型则尝试在大量结构不同的表格上做预训练，希望得到一个能快速适配新表、甚至不做微调就能直接预测的模型。它通常基于 Transformer 结构，把每一行转成 token 序列，或者把列语义和数值编码成统一表示。
这个方向最大的卖点是：如果模型真的学到了跨表通用的模式，那么拿到一张新表，不需要复杂特征工程也能得到不错效果。但在物理类任务上，“通用模式”恰好是最容易被数据偏见污染的地方。物理任务有一个天然优势：我们能用解析公式无限生成数据，精确控制训练集和测试集分布。这给“模型是否真的学会物理规律”提供了一个相对干净的验证环境。
1.2 三个关键词分别代表什么
- Contamination，数据污染或数据泄漏。如果训练集和测试集来自同一个生成器，甚至测试样本和训练样本数值相近，模型不需要理解公式，只看最近邻或记忆就能答对。
- Units，单位。物理量离不开单位，光看数值没有意义。如果不对单位做专门处理，模型很可能把“米/秒”当成普通类别标签，而不是理解成“长度除以时间”的量纲约束。
- Deterministic Limit，确定性极限。物理规律在给定条件下通常给出确定输出，但表格基础模型本质上是概率模型。它输出的是分布或均值，不一定能精确表示一个确定性的代数函数。
三者不是孤立的。数据污染会让“记忆”被包装成“推理”；单位处理不当会让量纲感知缺失；确定性极限则决定模型到底能不能逼近物理函数。下面按这三条线展开。
2. 数据污染：先确认测试集没有被“剧透”
2.1 污染在表格物理任务里是什么形态
图像和文本领域的污染，容易表现为“模型在预训练时见过测试图片或文本片段”。表格数据也有类似问题，但形式更隐蔽。一张物理题表格样本，往往由数值特征和标签组成。如果训练集里出现过“下落时间 3.2 秒，高度多少”这种样本，模型完全可能记住相近输入对应的输出。
我实际排查时会用一个很简单的检验方法：把测试样本的时间特征随机扰动一点，比如从 3.20 改成 3.21，看预测是否发生巨大跳变。如果输出跳变很大，说明模型在依赖邻近样本的记忆，而不是学到了“高度与时间平方成正比”的结构。
表格数据的污染不只是“完全重复”。更危险的是“数值上高度相似”。特征值和目标值都服从连续分布时，训练样本和测试样本哪怕不等同，也可能落在同一个插值区间内。这种情况下，模型只要擅长邻近插值，不需要理解物理，也能保持不错误差。
2.2 怎么检测训练数据是否污染
常用检测方式有以下几种：
- 特征级距离去重：对数值特征做标准化，计算测试样本与训练样本的欧氏距离，把低于阈值的测试样本单独统计。
- 嵌入相似度去重：用模型或简单特征编码器把每行转成向量，再查相似重叠。
- 标签泄漏检测：看目标列是否可能从某个特征列直接推导出来。物理数据里常见的问题是，某些特征是其他特征的函数，导致模型不需要学习多变量关系。
注意，这些方法只能作为辅助。表格数据的相似度阈值没有统一标准，不同物理公式、不同数值范围，同一阈值会给出完全不同的结论。所以更推荐的做法是：在生成物理测试数据时，就从源头把训练集和测试集切干净。
2.3 防污染实验设计：按场景切分，而不是按行切分
如果只是随机把样本分成训练集和测试集，污染风险很高。我建议按物理场景或参数区间切分。举个例子：训练集使用下落时间 t ∈ [0.5, 5] 秒，测试集使用 t ∈ [5, 10] 秒。这样模型面对的是外推场景，无法靠简单插值蒙混过关。
还有一种更严格的方案：训练集和测试集使用不同物理公式。训练用自由落体公式，测试用匀加速直线运动公式。虽然两者在结构上有相似性，但模型能否从特征组合中正确预测，是对“物理语义理解”更严格的一次考察。
注意：做这一类测试时，不要只按行随机切分。按物理场景切分，才能有效避免数据污染对结论的干扰。
如果模型在无污染的外推场景下准确率明显下降，说明它多数情况下只是在训练分布内做插值，并没有真正掌握物理规律。
3. 单位与量纲：模型把“米/秒”当成什么
3.1 单位不是普通类别特征
物理任务里，单位是语义的一部分。速度 2 m/s 和速度 2 km/h，数字相同，物理含义不同。如果模型只看到列名“速度”和一个数值 2，它根本不知道这个 2 对应的是米每秒还是公里每小时。常见做法是把单位作为一个分类特征输入，比如unit=speed_mps或unit=speed_kmh。
问题在于，分类特征被模型当作一个很笼统的标识符。模型可能学到的是“当单位是 A 时，输出加一个偏置；当单位是 B 时，输出乘一个系数”。这种统计关联不等于理解量纲，更像是记住了单位组合和标签之间的映射，而不是执行“长度除以时间，再乘以换算系数”的运算。
3.2 SI单位与量纲分析为什么重要
SI 单位的意义在于统一换算关系。如果把物理量统一到 SI 单位制，公式形式最简，常量也是标准值。但真实数据往往来自不同仪器和不同地区，会出现厘米、英尺、毫秒、千米每小时等非 SI 单位。
量纲分析告诉我们，物理公式必须满足量纲一致性。比如速度的量纲是长度乘以时间的负一次方，加速度乘以时间的量纲也必须是长度乘以时间的负一次方，两边才能相加。表格基础模型如果只拿数字做回归，完全有可能输出一个“长度+时间”的数值结果，这显然不符合物理定律。
要判断模型是否理解量纲，可以做一个小实验：把输入中的长度单位从米改成厘米，数值相应乘以 100，然后看输出是否也近似乘以 100。如果输出比例不变，说明模型对数字语义有一定把握；如果输出发生非线性变化，说明模型只是把单位当成离散标签，没有真正掌握单位换算关系。
3.3 怎么把单位信息喂给模型
这里要根据任务目的选择。
- 如果只是做工程预测，最稳妥的办法是把所有物理量标准化到 SI 单位，再把单位列去掉。这样可以避免模型学到错误的单位关联。
- 如果想让模型具备量纲感知，可以把量纲向量作为额外特征。例如一个速度特征，除了数值 2 之外，再提供
length=1, time=-1, mass=0这样的量纲指数特征。这样模型至少能看到长度和时间维度的指数。 - 如果模型支持文本输入，可以直接写特征名和单位，例如
speed_value=2, speed_unit=km/h。但表格基础模型大多不是自然语言输入，这个做法不是通用方案。
我的经验是：不要指望基座模型自动学会量纲。即便它见过大量物理表格，也很难把“一个数的量纲指数组合”抽象成代数运算。显式提供量纲特征，或者统一为标准单位制，比依赖模型隐式学习可靠得多。
3.4 量纲测试的失败样例与判断标准
下面是一个可复现的量纲敏感性测试思路。
输入特征为距离 d，单位米；时间 t，单位秒；输出速度 v。测试时把距离单位改成厘米，时间单位保持秒，那么正确的速度输出应为d_cm / 100 / t。如果模型预测结果仍然是d_cm / t，说明它没有做单位换算，只是把数值直接当作语义。
注意：不要指望模型自动学会量纲。显式提供量纲特征或SI单位预处理，是更可控的做法。
判断标准建议记录四个指标：
- 在 SI 单位制下的回归误差；
- 单位变换后，输出是否按换算系数缩放；
- 故意加入量纲不匹配样本，模型是否产生异常预测；
- 同一物理量在不同单位表示下，预测方差是否足够小。
如果误差很大，或者量纲翻转后模型输出混乱，基本可以下结论：模型没有真正理解单位语义。
4. 确定性极限：物理精确输出与概率模型的天花板
4.1 物理规律是确定性的，但表格模型是概率性的
物理规律在给定充分条件后是确定性事件。自由落体从同一高度开始下落，时间与高度满足公式，没有随机因素。表格基础模型不是解析求解器，而是一个在训练数据上拟合目标分布的机器学习模型，输出往往是条件期望或概率分布。
这意味着，即使训练数据没有噪声，模型也是在用统计逼近代数函数。它能逼近函数形状，但很难保证精确到任意位小数。它也不知道这个函数应该满足哪些解析性质，比如二阶导数恒定、边界条件唯一等。
4.2 什么是“确定性极限”
这里说的确定性极限，至少可以拆成三层。
第一层是模型容量和优化带来的近似极限。一个有限的神经网络，不一定能精确表示任意复杂的代数函数，尤其是在参数数量受限、训练数据有限时。模型可能对常见数值区间逼近得好，在边缘区域误差迅速变大。
第二层是数据随机性带来的极限。如果生成训练数据时加入了噪声，模型将无法区分真实确定性信号和噪声成分。大量样本时也许能回归到均值，小样本时则会产生较大偏差。
第三层是输出形式带来的极限。很多表格基础模型输出回归目标的均值，或输出一个分布。如果任务是“预测精确电阻值”，均值输出可能是有偏的；如果任务需要“输出完整公式”，纯表格模型根本没有这个能力。
4.3 如何测试模型是否逼近确定性函数
我一般会分三步做测试。
第一步，生成无噪声数据。用某个简单物理公式生成训练集和测试集，关闭随机噪声。看模型测试集上的相对误差。如果误差没有随训练数据量增加而趋近于零，说明模型存在结构化近似误差，而不是数据噪声造成的。
第二步，重复推理稳定性测试。固定输入样本，多次运行模型预测，看输出标准差。纯确定性任务应该输出完全一致，但概率模型可能因随机采样或不同随机种子产生波动。这个波动本身就是“确定性极限”的体现。
第三步，测试外推。把测试范围扩展到训练范围之外。比如训练时间范围是 1 到 5 秒，测试用 10 到 20 秒。物理公式要求误差随数值变大保持比例，但很多统计模型在外推区间会快速发散。
如果这三个测试都暴露问题，结论就很明确：模型不是可靠的确定性物理求解器。
4.4 什么时候必须引入物理信息层
这里要区分场景。如果任务只是做初步筛选，例如快速估算一批材料的力学参数，允许 5% 误差，表格基础模型作为代理模型是可用的。但如果任务是高精度仿真或安全边界判断，纯数据模型的确定性极限很危险。
工程上更稳的做法，是在表格模型外面再加一层物理校验。比如预测速度之后，用量纲公式和时间差重新计算并做差值检验；或者把模型输出作为初值，再交给解析公式做一次校正。如果涉及偏微分方程，物理信息神经网络（PINN）是另一个方向，但它训练成本更高，也更偏连续场问题，不是普通表格任务。
5. 一套可复现的物理表格测试框架
5.1 用合成物理数据隔离变量
既然要验证的是“模型是否知道物理”，最好使用完全可控的合成数据。建议先用两个容易解释的物理公式作为起点，一个是多项式公式，一个是除法公式。
- 自由落体：h = 0.5 * g * t^2
- 欧姆定律：I = V / R
用这两类公式生成表格，可以很方便控制单位、噪声和数据范围。下面给出一段生成自由落体数据并做简单测试的示例代码：
import numpy as np rng = np.random.default_rng(42) def generate_free_fall(n=1000, t_range=(0.5, 5.0), noise_scale=0.0): t = rng.uniform(t_range[0], t_range[1], n) h = 0.5 * 9.8 * t**2 if noise_scale > 0: h += rng.normal(0, noise_scale * h, n) return np.column_stack([t, h]) # 训练集：时间 0.5~5 秒，无噪声 train = generate_free_fall(2000, (0.5, 5.0), 0.0) # 测试集：时间 5~10 秒，外推场景 test = generate_free_fall(500, (5.0, 10.0), 0.0)这段代码只是实验框架示例。实际使用时，还要考虑单位制、特征归一化、随机种子保存和数据版本管理。
5.2 实验矩阵怎么设计
不要只做一组实验。建议做成矩阵：
| 实验组 | 训练范围 | 测试范围 | 单位制 | 噪声 |
|---|---|---|---|---|
| 基线组 | 1~5 | 1~5 | SI | 无 |
| 外推组 | 1~5 | 5~10 | SI | 无 |
| 单位变换组 | 1~5 | 1~5 | SI / 非SI混合 | 无 |
| 噪声组 | 1~5 | 1~5 | SI | 1%~5% |
这样分组，能把污染、单位和确定性极限分开观察。否则所有因素混在一起，模型一出错，你根本不知道是单位编码不对，还是模型没学会。
每个实验组建议记录五个结果：
- 训练集和测试集的特征分布范围；
- 测试集相对误差；
- 测试集预测区间覆盖率；
- 单位变换后输出的缩放一致性；
- 外推区间的误差增长曲线。
5.3 评估指标与判断标准
针对表格物理任务，只报告 RMSE 和 R² 远远不够。更值得看的是相对绝对误差 MAPE，以及误差随输入变化的趋势。物理任务往往关心数量级和比例关系，绝对误差在这个场景下意义不大。
单位变换一致性可以用一个简单指标：输入单位的换算系数 K，模型输出也应近似乘以 K。如果输出比例明显偏离 K，说明模型没有把单位换算与数值计算对齐。
量纲一致性可以设计一批“非法样本”。比如同时输入距离 1 米和时间 1 秒，要求预测“距离+时间”，这没有物理意义。模型如果照常给出一个数值，就说明它没有量纲边界的概念。这一项会让很多表格模型暴露问题。
5.4 运行资源和实验顺序
合成数据实验对硬件要求不高。普通笔记本电脑也能跑，关键是先在小样本上验证流程。如果使用很大的表格基础模型，本地跑就需要关注显存和内存。我的建议是：先在几百条样本的小表上跑通，确认训练测试比例、单位编码、评估脚本都没有问题，再扩大数据规模。不要一开始就加载大模型跑大量数据，否则你会分不清是实验设计错误，还是模型能力不足。
输出日志也很重要。每次实验至少保存数据生成种子、模型版本、单位处理方式、预测结果和评估指标。这样后面排查“第一次效果好第二次差”时，能快速定位是数据变了还是代码变了。
6. 结论与落地建议：该不该用表格基础模型算物理
6.1 回到标题给出的判断
表格基础模型知道物理吗？更准确的说法是：它们可能知道“和物理习题分布相似的表格数据”，但不知道物理定律本身。数据污染会让模型看起来比实际聪明，单位处理会让量纲知识缺席，确定性极限则决定了纯数据方法很难替代解析物理公式。
这不是说表格基础模型没有价值。在中低精度场景、特征关系复杂、解析公式难以快速推导的情况下，它仍然可以作为快速代理模型使用。但使用前必须做污染检测，使用时要明确单位编码，推理后要加物理校验。
6.2 哪些场景适合，哪些不适合
适合使用表格基础模型的场景：
- 特征之间存在复杂非线性关系，但物理表达式不清楚；
- 目标是快速给出近似预测，允许百分之几到几十的误差；
- 输入输出已经规范化到统一单位制；
- 有足够多的真实表格数据，可以覆盖常见分布。
不适合使用表格基础模型的场景：
- 高精度工程计算，安全关键场景；
- 需要严格外推到训练分布之外；
- 对单位错误零容忍；
- 需要输出解析表达式或证明结果满足量纲约束。
如果一定要在高精度场景使用，我的建议是把表格基础模型当作“候选生成器”，后面再接一个物理校正器。宁可多一层校验，也不要直接信任裸模型输出。
6.3 我踩过的一些坑
总结几个自己排查这类问题时常看的点。
第一，先看测试样本和训练样本的数值是否高度重叠。如果重叠很大，再多花时间调模型参数都是白费。第二，看单位处理方式是否统一。不要训练时用 SI，测试时混入公制单位，然后抱怨模型性能下降。第三，看模型输出的是均值还是分布。如果是概率模型，单个样本预测和多次采样均值可能有很大差别，需要在实验记录里注明。第四，外推失败时，不要马上换更大模型。先检查测试范围是否超出训练分布，再检查噪声和量纲特征是否合理。
最后说一句经验：这类研究性问题的价值，不在于证明某个模型“行”或“不行”，而在于把评估条件定义清楚。先把数据污染、单位量纲和确定性极限这三道坎处理好，再谈模型能力，结论才有复现价值。
