晶体结构预测（CSP）里，模板法做的事很直接：把已知晶体结构迁到新组成，靠元素替换完成。准确率因此卡在三处——检索合适模板、把元素映射对、把候选排对。作者审计原版 TCSP2.0 在 T180 基准上的实现，发现 2347 个入选结构里有 469 个组成错误，占比 20%。错误来源有两条：元素映射忽略化学计量系数，以及按文本顺序做替换，符号会级联污染。TCSP3.0 把这些步骤收紧后，同一条模板路线在 T180 上的 Top-1 和 Top-20 匹配率从 28.3%、45.6% 升到 72.2%、90.6%，并超过 PNcsp+ 以及深度生成模型 CrystalFlow、MaskGXT。
管道修了什么
TCSP3.0 强制使用保持系数的映射，在解析后的结构上同时替换物种，并对每个候选校验组成和晶胞。它还加入周期数检索、软氧化态证据、半径相容性打分和结构去重，再用 ORB-v3 机器学习势做弛豫和能量排序。材料写明，这套弛豫与排序也是深度生成 CSP 基线在用的。换句话说，提升主要来自检索、映射、校验和排序被重新做严，而不是另起一个生成架构。摘要没有展开各模块的实现细节，因此只能确认设计意图，不能复述未给出的算法步骤。
基准数字该怎么读
T180 上，TCSP3.0 的 Top-1 为 72.2%，Top-20 为 90.6%；TCSP2.0 对应 28.3% 和 45.6%。同一套 T180 上，它也超过 PNcsp+、CrystalFlow 和 MaskGXT，对照方法的 Top-1 至多 63.9%。新的 800 目标基准 T800 上，Top-20 匹配率为 74.0%，材料未给出该基准的 Top-1。即使不做弛豫，TCSP3.0 在 T180 上仍达到 Top-1 67.8%、Top-20 90.6%，两核 CPU 上每目标中位耗时 28 秒，大约比 CrystalFlow 快十倍。摘要末尾提到在 T180 上做了成对的十臂消融，但没有列出各臂分数，这里不推测哪一项改动贡献最大。
我的判断
这篇工作的价值首先是诊断，而不是再堆一套生成流程。20% 的组成错误足够解释前作分数偏低；系数保持、同时替换、组成与晶胞校验，是可以复查的工程修复。加上与生成方法同款的 ORB-v3 弛豫排序后，模板法在 T180 上可以压过 CrystalFlow 和 MaskGXT；无弛豫时 Top-1 仍有 67.8%，速度大约快十倍，说明在中等规模、可检索到模板的设定里，约束替换仍然很强。适用边界同样清楚：方法依赖已知结构库，新组成若找不到合适模板，数字不会自动成立。T800 只报告了 Top-20 的 74.0%，不宜把 T180 的 72.2% 外推到更大化学空间。消融结果缺失，周期数检索、氧化态证据和半径打分各自值多少，也无法从现有材料判断。对做晶体或材料生成流水线的开发者，更可操作的一点是：先审计候选的化学式是否真等于目标组成，再比较模型和算力。