论文
代理物理模拟代码生成中的感知自我反思
Perceptual Self-Reflection in Agentic Physics Simulation Code Generation
摘要
我们提出了一个多代理框架,用于从自然语言描述生成物理模拟代码,具有新颖的感知自我反射机制进行验证。该系统采用了四个专门的代理:自然语言解释器,将用户请求转换为基于物理的描述;产生缩放模拟参数的技术要求生成器;具有自动自我校正功能的物理代码生成器;以及实现感知自我反思的物理验证器。关键的创新是感知验证,它使用具有视觉功能的语言模型来分析渲染的动画帧,而不是直接检查代码结构。这种方法解决了语法正确的代码产生物理上不正确的行为的“预言差距”——这是传统测试无法检测到的限制。我们跨七个领域评估该系统,包括经典力学、流体动力学、热力学、电磁学、波动物理学、反应扩散系统和非物理数据可视化。感知自反射架构比单次生成基线有了显着改进,大多数测试场景都达到了目标物理精度阈值。该系统具有强大的管道稳定性和一致的代码自我校正能力,每个动画的运行成本约为 0.20 美元。这些结果验证了我们的假设,即将视觉模拟输出反馈给视觉语言模型进行迭代细化,其性能显着优于物理模拟任务的单次代码生成,并凸显了智能体AI支持工程工作流程和物理数据生成管道的潜力。