GAV：面向PDE智能体的科学实验环境

GAV让PDE编程智能体可在构造式可验证环境中迭代改进。

资讯摘要

论文提出Generator-Agent-Verifier（GAV）科学实验环境，使新的偏微分方程（PDE）问题可被构造式验证。Generator利用数值模拟或实验测量数据学习连续参考解分布，再借助制造解方法反向构造匹配的PDE问题，无需单独数值求解；Agent设计实验、排查失败并迭代改进程序，Verifier对照参考解评估候选程序并给出精度与计算成本反馈。作者报告在Navier-Stokes与Vlasov-Poisson类方程上验证有效，数值Navier-Stokes任务中三个现有PDE智能体的平均测试误差较原设置降低一个数量级以上。

要点速读

1. GAV由Generator、Agent、Verifier三部分组成，用制造解方法从参考解反向构造可验证的PDE问题。
2. Verifier提供精度与计算成本数值反馈，并可引导生成针对程序弱点的测试问题。
3. 作者报告在Navier-Stokes任务上使三个现有PDE智能体平均测试误差降低一个数量级以上。

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 2026/10/24 08:00:37（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。