没有测试用例，没有问题：蒸馏 驱动的科学工作流程代码生成

现有的用于代码生成的多代理 大语言模型 (LLM) 框架通常使用执行反馈并使用输入/输出 (I/O) 测试用例进行迭代改进。然而，这不适用于科学工作流程，其中不存在 I/O 测试用例，生成它们需要解决当前的问题。为了解决这个问题，我们引入了 MOSAIC，这是一个 无需训练 多代理框架，用于在没有 I/O 监督的情况下生成科学代码。 MOSAIC 采用学生-教师 知识蒸馏 框架，而不是执行反馈，该框架通过特定领域的示例和结构化问题分解来生成生成。为了进一步减轻跨链子问题的幻觉，我们引入了一个统一上下文窗口（CCW）来维持跨代理的一致推理。 SciCode 基准测试表明，MOSAIC 在依赖轻量级模型的同时，比现有方法提高了准确性、可执行性和数值精度。