论文
通过具身行动将 LLM 扎根于科学发现
Grounding LLMs in Scientific Discovery via Embodied Actions
摘要
大语言模型（LLM）在科学发现中展现出显著潜力，但难以弥合理论推理与可验证物理仿真之间的鸿沟。现有方案运行在被动的“先执行后响应”循环中，因而缺乏运行时感知，使智能体对瞬态异常（如数值不稳定或发散振荡）视而不见。针对这一局限，我们提出 EmbodiedAct，一个通过紧密的感知-执行循环将 LLM 扎根于具身行动、把成熟的科学软件转变为主动具身智能体的框架。我们在 MATLAB 中实例化 EmbodiedAct，并在复杂的工程设计与科学建模任务上评估。大量实验表明，EmbodiedAct 显著优于现有基线，通过在长程仿真中保证令人满意的可靠性与稳定性、并提升科学建模的准确性，实现了 SOTA 性能。
