ClimAgent：以LLM为智能体的自主开放式气候科学分析

气候研究对缓解全球环境危机至关重要，但多尺度数据集的加速增长和分析工具的复杂性造成了重大瓶颈，使科学发现受限于碎片化且劳动密集的工作流。尽管大语言模型（LLM）的出现为规模化科学专长提供了变革性范式，现有探索大多仍局限于简单的问答（Q&A）任务。这些方法往往过度简化真实世界的挑战，忽视了专业气候科学所需的复杂物理约束和数据驱动特性。为弥合这一差距，我们提出ClimAgent，一个通用自主框架，旨在执行覆盖多个气候子领域的广泛研究任务。通过将统一的工具使用环境与严格的推理协议相结合，ClimAgent超越简单检索，实现端到端建模与分析。为促进系统评估，我们提出ClimaBench，首个面向真实世界气候发现的综合基准。它涵盖源自2000至2025年专业场景、跨越5个不同任务类别的挑战性问题。ClimaBench上的实验表明，ClimAgent显著优于最先进基线，在方案严谨性与实用性上较原始LLM方案提升40.21%。我们的代码发布于 https://github.com/usail-hkust/ClimAgent。