本文提出了一种新的预测校正学习框架，旨在提高残差网络在常微分方程中的精度。该方法通过减少截断误差，增强高阶预测器的学习效果，在多个基准测试中表现优异，尤其在大型机器翻译任务中显著提高了BLEU分数，展示了提升模型性能的潜力。