TMCS：基于工具的多智能体推理，用于解决组合化学问题

尽管大语言模型（LLM）在计算化学领域前景广阔，但严格的组合化学问题仍然很困难，因为它们需要定量限制的分子修改、候选验证以及失败尝试后的系统修订。现有的工具增强化学试剂展示了有用的规划和工具使用，但它们很少为属性驱动的分子优化和工作流程级组合提供统一的循环。为了弥补这一差距，我们提出了基于工具的组合化学问题解决多智能体推理（TMCS），这是一个分步多智能体框架，将化学问题解决形式化为可解释的、工具增强的工作流程。在任务级别，专门的Agent利用外部工具、少样本轨迹记忆和结构化反射来迭代地完善解决方案。在工作流程层面，TMCS 将生成、理解、编辑、描述和优化链接到一个闭环管道中。对多个化学任务的评估表明，TMCS 持续增强了开源和闭源基础模型的化学推理，实现了最先进的性能。