BioProAgent: 受限科学规划的神经符号 grounding
人工智能
2026-05-19 v2 多智能体系统
摘要
大型语言模型（LLMs）在科学发现中展现出显著的推理能力，但在将推理桥接到湿实验室中的物理执行方面存在挑战。在这些不可逆的环境中，概率性幻觉不仅是错误，还可能导致设备损坏或实验失败。我们提出 BioProAgent，一种将概率性规划锚定在确定性有限状态机（FSM）中的神经符号框架。我们引入 State-Augmented Planning 机制，通过严格的 Design-Verify-Rectify 工作流程确保硬件合规后再执行。此外，我们通过语义符号 grounding 解决复杂设备模式 schema 中的上下文瓶颈问题，通过符号抽象降低约约 6 倍的 token 消耗。在扩展 BioProBench 基准测试中，BioProAgent 在物理合规性上达到 95.6%（相较于 ReAct 的 21.0%），表明神经符号约束对不可靠的物理环境中的自主性至关重要。
引用
@article{arxiv.2603.00876,
title = {BioProAgent: Neuro-Symbolic Grounding for Constrained Scientific Planning},
author = {Yuyang Liu and Jingya Wang and Liuzhenghao Lv and Yonghong Tian},
journal= {arXiv preprint arXiv:2603.00876},
year = {2026}
}