用LLM智能体校准宇宙学模拟

LLM智能体可低成本校准宇宙学模拟参数

资讯摘要

论文提出 AgenticTuner，一种由当代大语言模型充当优化器的智能体校准流程，用于为宇宙学模拟提出下一组参数试验。作者报告，在提供代码库、文档和启发式指南等非正式、人类可读的先验后，这些智能体以更少的 CPU 成本达到有竞争力的校准表现。作者希望该工作成为能执行复杂长周期科学任务的 AI 科学家的早期一步。

要点速读

1. 论文提出 AgenticTuner，用大语言模型作为优化器提出下一组参数试验，替代把模拟器当黑盒的贝叶斯优化。
2. 作者报告，在给定代码库、文档和启发式指南等人类可读先验后，智能体以更少的 CPU 成本取得有竞争力的校准表现。
3. 作者将该工作定位为面向可执行复杂长周期科学任务的 AI 科学家的早期探索。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。