연구진은 신경 연산자와 인-컨텍스트 연산자 학습 평가 시 예측 오류 외에 국소적인 동역학 구조를 확인하는 방법론이 필요함을 지적했어요.
Jacobian 기반 스펙트럼 감사 기법을 통해 모델이 PDE 연산자의 국소적인 메커니즘을 재현하는지 평가하고, 주파수 의존성, 위상 구조, 모드 결합 등을 분석할 수 있어요.
벤치마크 테스트 결과, 기존 예측 오류 지표로는 감지하기 어려웠던 고주파수 저하, 위상 복구 오류, 프롬프트-연산자 불일치 등의 문제를 발견했어요.
예측 정확도와 국소 연산자 충실도는 별개의 속성이며, 스펙트럼 감사 기법은 모델의 안정성, 민감도, 연산자 일관성 진단에 활용될 수 있어요.