QuantumMind：面向量子计算加速分析的约束锚定agentic推理

识别一个有意义的量子加速，不只是把一个经典问题匹配到熟悉的量子原语：相关论断必须保持任务不变、遵循访问与输出模型、明确所需承诺，并停留在可辩护的复杂性范围内。我们提出QuantumMind，一个可审计的agentic工作流，用于生成并保守筛选量子加速假设。一串固定的类型化、角色专门化动作将公开任务形式化，分析结构与经典瓶颈，匹配一个带来源链接的量子原语与障碍注册表，并构建范围受控的候选方案。一个确定性的十项检查验证器给出权威裁决；已完成状态被编译为量子加速证据图，并通过只降不升的研究筛选，该筛选不能强化决策。我们在582个相同的开放发现任务上，将QuantumMind与七个经任务适配的提示词及agentic对照进行比较。在冻结的开放发现分数（ODS）下，QuantumMind取得53.1的平均ODS，领先最强基线17.3分（相对提升48.2%），并在582个配对任务中对该基线赢下355个。它在99.8%的任务上通过图审计，而最强基线仅为43.6%，并在全部七个任务族中排名第一。结果表明，类型化状态转移与确定性证据控制的贡献超出流畅生成本身。