QuanBench+：基于 LLM 的量子代码生成的统一多框架基准

大语言模型 (LLM) 越来越多地用于代码生成，但量子代码生成仍然主要在单个框架内进行评估，这使得很难将量子推理与框架熟悉程度分开。我们推出了 QuanBench+，这是一个涵盖 Qiskit、PennyLane 和 Cirq 的统一基准测试，具有 42 个对齐的任务，涵盖量子算法、门分解和状态准备。我们通过可执行的功能测试来评估模型，报告 Pass@1 和 Pass@5，并使用基于 KL 散度的接受概率输出。我们还在基于反馈的修复后研究了 Pass@1，其中模型可能会在运行时错误或错误答案后修改代码。跨框架，最强的一次性得分在 Qiskit 中达到 59.5%，在 Cirq 中达到 54.8%，在 PennyLane 中达到 42.9%；通过基于反馈的修复，最佳分数分别上升至 83.3%、76.2% 和 66.7%。这些结果显示了明显的进展，但可靠的多框架量子代码生成仍未解决，并且仍然强烈依赖于特定于框架的知识。