El Agente Forjador：面向量子模拟的任务驱动代理生成
人工智能
2026-04-17 v1 计算物理
摘要
AI for science 旨在加速发现过程。大语言模型（LLMs）的出现以及 agentic 工作流程的兴起，推动了越来越多科学任务的自动化。然而，当前大多数 agentic 系统依赖静态的人工策划工具集，这限制了其对新领域和演进库的适应性。我们提出 El Agente Forjador（Forge Agent），这是一个多代理框架，通用编码代理能够自主 forge、验证并复用计算工具，经历工具分析、工具生成、任务执行与迭代求解评估四个阶段。我们在�跨量子化学与量子动力学的 24 个任务上进行评估，比较了三种运行模式：零-shot 按任务生成工具、复用由强编码代理构建的课程工具集，以及以编码代理直接解题作为基线。我们发现，工具生成与复用的框架在基线上持续提升准确率。我们还展示，复用由更强编码代理构建的工具集可降低 API 成本，并显著提升弱编码代理的解题质量。案例研究进一步表明，为不同领域 forge 的工具可组合以解决混合任务。综上，这些结果表明，基于 LLM 的代理能够运用其科学知识与编程能力，自主构建可复用的科学工具，指向一种代理能力由其设计的任务而非显式工程实现所定义的范式。
引用
@article{arxiv.2604.14609,
title = {El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation},
author = {Zijian Zhang and Aiwei Yin and Amaan Baweja and Jiaru Bai and Ignacio Gustin and Varinia Bernales and Alán Aspuru-Guzik},
journal= {arXiv preprint arXiv:2604.14609},
year = {2026}
}