ClimAgent：将 LLM 作为智能体用于自主开放式气候科学分析
人工智能
2026-04-28 v2
摘要
气候研究对于缓解全球环境危机至关重要，但不断加速的多尺度数据集和复杂分析工具的出现，已造成显著瓶颈，限制了科学发现只能在碎片化且高昂的人力工作流程中进行。尽管大型语言模型（LLM）的出现提供了一种规模化科学专业知识的变革性范式，但现有研究主要局限于简单的问答任务。这些方法常常简化了现实世界的挑战，忽略了气候科学中所需的严格物理约束和数据驱动特性。为弥合这一差距，我们引入 ClimAgent，一个通用自主框架，旨在在 diverse climate sub-fields 中执行广泛的研究任务。通过集成统一的工具使用环境和严格的推理协议，ClimAgent 超越了简单的检索，能够完成端到端的建模和分析。为促进系统化评估，我们提出 ClimaBench，这是第一个针对真实世界气候发现的综合性基准。它涵盖了从 2000 年至 2025 年期间来自专业场景的 5 个不同任务类别的具有挑战性的问题。ClimaBench 上的实验表明，ClimAgent 在解决方案的严谨性和实用性方面显著优于最先进的基线方法，实现了 40.21% 的提升。我们的代码已公开于 https://github.com/usail-hkust/ClimAgent。
关键词
引用
@article{arxiv.2604.16922,
title = {ClimAgent: LLM as Agents for Autonomous Open-ended Climate Science Analysis},
author = {Hao Wang and Jindong Han and Wei Fan and Hao Liu},
journal= {arXiv preprint arXiv:2604.16922},
year = {2026}
}