arXiv cs.CL· Chaipat Tirapongprasert, Matthew Ho·· 10 小时前AI 评分26
AgenticTuner：用 LLM 智能体校准宇宙学模拟
Agentic Systems for Calibrating Cosmological Simulations
AI 导读
研究者提出 AgenticTuner，一个由现成 LLM 担任优化器的智能体校准流程，负责提出下一组参数试验，用于宇宙学模拟的高维参数优化。在给定代码库、文档和启发式指南等非正式人类可读先验时，该智能体以仅一小部分 CPU 成本达到有竞争力的校准表现。该工作已被 ML4PS 研讨会接收，并提供起步代码。
正文 · AI 翻译
摘要：校准宇宙学模拟是一项昂贵的高维参数优化任务。此前的工作采用贝叶斯优化来实现自动化，这种方法将模拟器视为黑盒，从而无法将人类领域知识或工作流程纳入选择策略。我们提出了 AgenticTuner，这是一种智能体校准流水线，由当今的大语言模型担任优化器，提出下一个参数试验。我们表明，当这些智能体获得非正式的、人类可读的先验信息（例如资深科学家可能拥有的代码库、文档和启发式指南）时，它们能够以极低的 CPU 成本实现具有竞争力的校准性能。我们希望这项工作能成为迈向能够执行复杂、长周期科学任务的 AI 科学家的早期一步。
| 评论： | 被第九届机器学习与物理科学年度研讨会（ML4PS）接收。起始代码可在此 https URL获取 |
| 主题： | 天体物理学仪器与方法（astro-ph.IM）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.40685 [astro-ph.IM] |
| （或使用 arXiv:2610.40685v1 [astro-ph.IM]查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.40685 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Chaipat Tirapongprasert [查看电子邮件]
[v1]
2026年10月26日星期一 21:39:46 UTC（283 KB）
来源：arXiv cs.CL · arxiv.org