BioProAgent:面向受限科学规划的神经符号锚定

摘要

大语言模型 (LLM) 在科学发现中表现出了显着的推理能力，但仍难以弥合与湿实验室中物理执行的差距。在这些不可逆的环境中，概率幻觉不仅是不正确的，而且还会导致设备损坏或实验失败。为了解决这个问题，我们提出了 \textbf{BioProAgent}，这是一种神经符号框架，它将概率规划锚定在确定性有限状态机（FSM）中。我们引入了状态增强规划机制，该机制强制执行严格的\textit{设计-验证-纠正}工作流程，确保执行前硬件合规性。此外，我们通过 \textit{语义符号接地} 解决了复杂设备模式中固有的上下文瓶颈，通过符号抽象将token消耗减少了 $\sim$6$\times$。在扩展的 BioProBench 基准中，BioProAgent 实现了 95.6% 的物理顺应性（ReAct 为 21.0%），这表明神经符号约束对于不可逆物理环境中的可靠自主至关重要。 \footnote{代码位于 https://github.com/YuyangSunshine/bioproagent 和项目位于 https://yuyangsunshine.github.io/BioPro-Project/}

BioProAgent:面向受限科学规划的神经符号锚定 — 图2：BioProAgent 概览。(1) 认知记忆（Cognitive Memory）利用符号落地（Symbolic Grounding） Φ \Phi 高效管理上下文；(2) 神经规划器（Neural Planner） π θ \pi_{\theta} 以设计-验证-矫正（Design-Verify-Rectify）FSM Δ ⁡ ( σ ) \Delta(\sigma) 为基础；(3) 分层验证（Hierarchical Verification）（ 𝒦 s , 𝒦 p \mathcal{K}_{s},\mathcal{K}_{p} ）充当安全联锁，通过确定性地触发矫正来强制物理合规。