Exploring Large Language Models for Analyzing and Improving Method Names in Scientific Code
本文评估了四种大语言模型分析并改进496个来自Jupyter Notebook的科学代码方法名的能力，发现LLM虽能遵循基本命名规范但对领域术语处理不一致，需人工评估辅助。
2025-07-22 cs.SE
SciCodePile: A 128GB Corpus and Executable Benchmark for Challenging Scientific Code Generation
Singapore Management University（新加坡管理大学）；Nanjing University（南京大学）；SUN YAT-SEN University（孙中山大学）；Home Team Science & Technology Agency（家庭团队科技局）
研究大型语言模型处理科学代码的能力，提出SciCodePile语料库及可执行基准测试，评估15个模型在三项任务上的表现，发现科学代码生成极具挑战，同时展示了该语料库在训练上的效用，代码和数据可获取。
2026-07-22 cs.AI cs.SE
Investigating the Readability of Test Code: Combining Scientific and Practical Views
本研究结合科学文献与灰色文献综述及对照实验，识别出14个影响测试代码可读性的因素，揭示了学术界与工业界在关键因素上的共识与差异，强调需融合双方观点以达成对软件测试代码可读性的统一认识。
2024-03-25 cs.SE
scikit-package -- software packaging standards and roadmap for sharing reproducible scientific software
scikit-package 提供打包标准与路线图，通过教程和自动化工作流，帮助非专业软件工程师的科学家提升代码的可复用性、可维护性及可复现性。
2025-07-08 cs.SE
Testing Scientific Software: A Systematic Literature Review
内容：科学软件在关键决策中发挥着重要作用，例如根据气候模型进行天气预测，以及为研究出版物计算证据。最近，由于软件故障导致的错误，科学家不得不撤回出版物。系统测试可以识别代码中的此类错误。目的：本研究旨在确定测试科学软件时面临的具体挑战，提出的解决方案和未解决的问题。方法：采用系统的文献检索法，对相关文献进行分析。我们确定了62项研究，提供了有关测试科学软件的相关信息。结果如下：我们发现，测试科学软件时面临的挑战分为两大类：（1）由于科学软件的特性（如Oracle问题）而发生的测试挑战，以及（2）由于科学家和软件工程社区之间的文化差异而发生的测试挑战，如将代码和模型视为不可分割的实体。此外，我们确定了可能克服这些挑战及其局限性的方法。最后，我们描述未解决的挑战，以及如何软件工程研究人员和从业人员可以帮助克服它们。结论：科学软件对测试提出了特殊的挑战。具体来说，科学家开发人员和软件工程师之间的文化差异，以及科学软件的特点，使测试更加困难。现有的技术，如代码克隆检测，可以帮助改善测试过程。软件工程师在开发测试技术时，应该考虑科学软件带来的特殊挑战，例如Oracle问题。
2018-04-05 cs.SE
Automated Creation and Human-assisted Curation of Computable Scientific Models from Code and Text
GE Research（GE研究院）
科学模型是更好地理解和预测复杂系统行为的关键。科学模型的最全面的表现形式，包括支持其可用性的关键假设和参数，通常嵌入在相关的源代码和文档中，这些代码和文档可能采用各种（可能过时的）编程实践和语言。如果领域专家不熟悉代码，他们就无法完全理解科学模型的实现。此外，快速的研究和开发迭代使得跟上不断发展的科学模型代码库具有挑战性。为了应对这些挑战，我们开发了一个系统，用于自动创建和人工辅助管理可计算科学模型的知识图谱，该模型在任何相关的内联注释和外部文档的上下文中分析模型的代码。我们的系统使用知识驱动以及数据驱动的方法来识别和提取相关的概念，从文本文档的代码和方程语义注释模型使用领域术语。这些模型被转换为可执行的Python函数，然后可以进一步组成复杂的工作流，以回答不同形式的领域驱动问题。我们目前的实验结果使用数据集的代码和相关的文本来自美国宇航局的高超音速空气动力学网站。
2022-01-28 cs.AI cs.CL cs.SE
Retrieval-Augmented Generation for Scientific Code Understanding
ETH Zürich（苏黎世联邦理工学院）；Paul Scherrer Institute（保罗·谢尔研究所）；Massachusetts Institute of Technology（麻省理工学院）
本研究构建基于小型开源模型的本地RAG系统，通过离线摄取与在线回答分离，在科学代码理解基准上9B模型取得最高分，证明前端加载代码理解可实现隐私保护的本地编码智能体。
2026-09-14 cs.AI cs.SE
Leveraging Large Language Models for Code Translation and Software Development in Scientific Computing
Institute for Clarity in Documentation（清晰文档研究所）；Inria Paris-Rocquencourt（巴黎-罗克琴特研究所）；Rajiv Gandhi University（拉贾·甘地大学）；Tsinghua University（清华大学）；Palmer Research Laboratories（帕勒尔研究实验室）；Argonne National Laboratory（阿贡国家实验室）
本文提出CodeScribe工具，结合提示工程与用户监督，将遗留Fortran科学计算代码高效转换为C++并生成Fortran-C API，以提升科学计算软件开发生产力。
2025-03-17 cs.AI cs.SE
InteractScience: Programmatic and Visually-Grounded Evaluation of Interactive Scientific Demonstration Code Generation
State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，中国南京）；Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，中国上海）；Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学，美国匹兹堡）
本文提出InteractScience基准，用于评估大语言模型在生成交互式科学演示代码时结合科学知识与前端交互能力的综合表现，通过程序化测试和视觉测试相结合的方法，评估30种开源和闭源LLM的表现，揭示了在整合领域知识与交互前端编码方面的持续不足。
2026-05-20 cs.AI cs.SE
Designing Collaborative AI-Driven Workflows for Scientific Software Engineering
Argonne National Laboratory（阿贡国家实验室）；Fermi National Accelerator Laboratory（费米国家加速器实验室）；RIKEN Center for Computational Science（理化学研究所计算科学中心）
本文提出在科学软件工程中采用协作式AI工作流，由领域专家制定规范、智能体在确定性编排下编写代码并辅以数值验证和人工审批，实验表明简单作者-审阅者循环在成本上更具优势。
2026-10-08 cs.SE
A Transformation--Based Approach for the Design of Parallel/Distributed Scientific Software: the FFT
我们描述了一种设计高效的并行和分布式科学软件的方法。这种方法利用序列的机械代数为基础的优化转换。在这项研究中，我们应用我们的方法的FFT，从一个高层次的代数算法描述。抽象的多处理器计划的发展和完善，以指定哪些计算是由每个处理器。然后创建指定处理器上的计算和数据的位置以及处理器之间的数据流的模板。模板以MPI和OpenMP编程风格开发。初步的实验比较使用我们的方法构建的代码与代码从几个标准的科学图书馆表明，我们的代码往往是有竞争力的，有时表现更好。有趣的是，我们的代码在一个目标架构上处理了更大范围的问题大小。
2008-11-15 cs.PL cs.SE
Adding New Capability in Existing Scientific Application with LLM Assistance
Argonne National Laboratory（阿贡国家实验室）
本文提出一种利用LLM辅助从头为新算法编写代码的新方法，并增强现有代码翻译工具Code-Scribe以支持新代码生成，解决了训练数据缺乏类似代码示例的挑战。
2025-10-30 cs.AI cs.SE
Scientific Code Search at Scale: A Multi-Domain Dataset and Benchmark
The University of Alabama in Huntsville (UAH)（阿拉巴马大学亨茨维尔分校）；Universities Space Research Association (USRA)（大学空间研究协会）；NASA Marshall Space Flight Center（美国国家航空航天局马歇尔太空飞行中心）
针对科学家在众多GitHub库中找相关软件难的问题，构建含多领域科学存储库的语料库，引入存储库搜索及代码片段检索两个基准测试，揭示不同领域性能差异，相关数据集和基准已公开，助力科学工具发现研究。
2026-07-08 cs.AI cs.IR cs.SE
Refinement type contracts for verification of scientific investigative software
我们的科学知识越来越多地建立在软件输出上。定义数据分析管道和计算模型的用户代码对于自然科学和社会科学的研究是必不可少的，但很少有人知道如何确保其正确性。这种代码的结构和用于构建它的开发过程限制了传统测试方法的实用性。软件验证的形式化方法在确保代码正确性方面取得了巨大的成功，但通常需要比自然科学和社会科学更专业的培训，开发时间和资金。在这里，我们提出了一个Python库，它使用轻量级的形式化方法来提供正确性保证，而不需要专门的知识或大量的时间投资。我们的包提供了使用细化类型的函数入口和出口条件契约的运行时验证。它允许检查合同中的超属性，并提供自动测试用例生成来补充在线检查。我们共同开发了我们的工具与一个中型（$\approx$ 3000磅）软件包，它模拟决策的认知神经科学。除了帮助我们在开发周期的早期定位小错误之外，我们的工具还能够定位四个使用传统测试方法可能很难找到的错误。它还能够发现用户代码中不包含契约或细化类型注释的bug。这表明形式化方法可以用来验证科学软件的正确性，这是很难测试的主流方法。
2019-09-01 cs.SE
No Test Cases, No Problem: Distillation-Driven Code Generation for Scientific Workflows
Purdue University（普渡大学）；Argonne National Laboratory（阿贡国家实验室）
本文提出MOSAIC框架，通过知识蒸馏和结构化问题分解实现无测试用例的科学代码生成，提升准确性和执行精度。
2026-04-25 cs.AI cs.MA cs.SE
From Articles to Code: On-Demand Generation of Core Algorithms from Scientific Publications
Cedars Sinai Medical Center（西奈山医学中心）
针对软件包维护成本高的问题，提出以科学论文方法描述为大语言模型的独立规格说明实现按需代码生成，测试显示前沿大模型可可靠复现算法功能，有望降低维护成本。
2025-07-30 cs.AI cs.SE
An Empirical Study of the Non-determinism of ChatGPT in Code Generation
本文实证研究了ChatGPT在代码生成中的非确定性问题，发现其对科学结论效度构成重大威胁，强调研究人员在分析中必须控制非确定性。
2024-10-17 cs.SE
A practical guide towards agile test-driven development for scientific software projects
软件测试在过去的几年里受到了广泛的关注，并且已经达到了如此关键的重要性，以至于敏捷软件开发实践将软件测试置于其核心地位。敏捷软件开发在大规模工业软件开发中得到了成功的应用，但由于其粒度责任分配给开发团队的各个成员，这些实践可能不适用于科学代码开发，特别是在学术环境中，代码库由一个人开发，维护和使用并不罕见。即使是通过外部赠款资助的协作科学软件开发，最终用户通常仍然是开发团队的一部分。这与许多行业中的软件开发方式形成对比，在这些行业中，开发团队和最终用户是两个独立的实体。然而，有许多好的代码开发实践可以用于科学软件项目。具体地说，本文的目的是采用敏捷软件开发的核心，并将其定制为科学和学术的单用户代码开发。在这项研究中，开发了一个c++启动项目，并提供了基于介子构建系统，它提供了本地支持软件测试。它用于展示如何开发在许多科学和学术应用中发现的简单线性代数应用程序，以及如何创建通过介子构建系统管理的简单单元，集成和系统测试。通过这种方式，我们能够最大限度地减少软件缺陷，并降低解释错误软件生成的错误数据的风险，这些错误数据可能导致得出错误的结论。每一层测试都提供了一个额外的保护层，我们将探讨如何以最小的开销将这些保护层结合起来，以产生无bug的软件。
2020-10-08 cs.SE
Leveraging LLMs to Automate Energy-Aware Refactoring of Parallel Scientific Codes
本文研究LLM能否在经验执行反馈指导下生成能源高效的并行科学代码，提出LASSI-EE框架，通过多阶段迭代方法结合运行时功耗分析、能源感知提示、自纠正反馈循环和LLM作为裁判代理，实现代码重构。
2026-05-09 cs.AI cs.DC cs.PL
S3LLM: Large-Scale Scientific Software Understanding with LLMs using Source, Metadata, and Document
University of North Texas（北得克萨斯大学）；Oak Ridge National Laboratory（橡树岭国家实验室）；Argonne National Laboratory（阿贡国家实验室）；Saint Louis University（圣路易斯大学）
S3LLM利用开源LLaMA-2模型，将自然语言查询转为FQL以分析代码，并集成RAG和LangChain查询文档，实现大规模科学软件的高效交互式理解。
2024-03-15 cs.AI cs.SE
Toward Automated and Trustworthy Scientific Analysis and Visualization with LLM-Generated Code
本文探讨了LLM生成代码在科学分析与可视化中的可信度与自动化潜力，提出三种策略提升代码执行成功率与质量，强调需进一步优化以构建更可靠的AI辅助研究工具。
2025-11-26 cs.AI cs.SE
scicode-lint: Detecting Methodology Bugs in Scientific Python Code with LLM-Generated Patterns
Authentic Research Partners, Princeton, NJ（真实研究伙伴，新泽西州普林斯顿）
提出scicode-lint，通过两级架构（构建时使用前沿模型生成模式，运行时使用小型本地模型执行）自动检测科学Python代码中的方法论错误，如数据泄露、交叉验证错误和缺失随机种子。
2026-06-01 cs.AI cs.LG cs.SE
ToolRosella: Translating Code Repositories into Standardized Tools for Scientific Agents
Southeast University（东南大学）；Sun Yat-sen University（中山大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Zhejiang Normal University（浙江师范大学）
提出ToolRosella框架，通过仓库分析、工具接口构建、执行测试和迭代修复，自动将异构科学代码仓库转化为标准化、可被智能体调用的工具，在122个仓库上达到61.5%的转换成功率，下游任务成功率为84.0%。
2026-06-09 cs.CE cs.MA cs.SE
Chain of Unit-Physics: A Primitive-Centric Approach to Scientific Code Synthesis
University of Michigan（密歇根大学）
本研究提出单元物理链框架，通过以基础原理为中心的多代理系统，有效解决科学代码生成中的可靠性问题，实现高精度和高效能的代码生成。
2025-11-30 cs.AI cs.LG cs.MA
Better Code, Better Sharing:On the Need of Analyzing Jupyter Notebooks
通过将代码、文本和示例结合在一起，XYYTER笔记本已经成为以富有成效和可重复的方式产生科学结果的最受欢迎的手段之一。由于许多笔记本作者是他们科学领域的专家，但在软件工程方面是外行，人们可能会对笔记本及其代码的质量提出疑问。在一项初步研究中，我们通过实验证明，2000字节的笔记本充斥着质量差的代码，例如，不尊重推荐的编码实践，或包含未使用的变量和弃用的函数。考虑到J2EE笔记本的教育性质，这些糟糕的编码实践以及缺乏质量控制可能会传播到下一代开发人员中。因此，我们认为，有一个强烈的需要，以编程方式分析的XNUMX YTER笔记本电脑，呼吁我们的社区更加关注XNUMX YTER笔记本电脑的可靠性。
2019-06-12 cs.SE
A Judge Agent Closes the Reliability Gap in AI-Generated Scientific Simulation
NextGen PlatformAI C Corp（NextGen PlatformAI C公司）
本文提出裁判代理自动验证生成的科学模拟代码，将失败率从42%降至1.5%，并在12个领域中实现89%的成功率，同时引入spec.md规范格式。
2026-11-10 cs.LG cs.SE
Articulating Assumptions in AI-Generated Scientific Analyses through Task Decomposition
Center of AI and Natural science, KIAS（韩国高等科学研究院人工智能与自然科学中心）；Theory Center, IPNS, KEK（高能加速器研究机构物质结构理论中心）；The Graduate University of Advanced Studies (Sokendai)（日本高级研究院）；Kavli IPMU (WPI), University of Tokyo（东京大学加夫利宇宙物理数学起源研究所）
研究旨在解决大语言模型生成的科学分析结果的可理解性和可重现性问题，通过引入基于数量的语义差异多智能体框架及相关模块，经对撞机物理分析验证，模块化任务分解提升了透明度与可靠性，还能让小模型执行完整流程。
2026-07-08 cs.SE hep-ex hep-ph
How Researchers Use and Verify AI Coding Assistants: Tasks and Validation Practices in Scientific Programming
University of Michigan（密歇根大学）；Sandia National Laboratories（桑迪亚国家实验室）；University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
本研究通过调查527名科研人员，发现AI编程助手主要用于数据处理等五类任务，验证方式以个人运行为主，且信心与经验相关，建议界面支持任务适配的评估。
2026-09-21 cs.HC cs.SE
Ten Simple Rules for AI-Assisted Coding in Science
Yonsei University（延世大学）；Stanford University（斯坦福大学）；Princeton University（普林斯顿大学）；University of Science and Technology of China（中国科学技术大学）；University of California, Irvine（加州大学尔湾分校）
针对AI编码工具在科学计算中引发的代码质量与科学有效性问题，本文提出十条实用准则，围绕四大开发主题平衡AI利用与科研严谨性，保障代码符合科研诚信要求。
2025-10-31 cs.SE
A survey of generative AI adoption and perceived productivity among scientists who program
School of Information, University of Michigan（密歇根大学信息学院）；University of Tennessee（田纳西大学）；University of Alabama（阿拉巴马大学）
本文综述了生成式AI在科学家编程中的采纳情况，发现学生和经验较少的程序员更倾向于使用通用对话接口，且生成代码量与感知生产力密切相关。
2026-04-09 cs.HC cs.SE
Explainable Automated Debugging via Large Language Model-driven Scientific Debugging
本文提出AutoSD技术，通过大语言模型生成假设并用调试器与缺陷代码交互，使自动化调试推理对齐人类开发者，从而提供可解释的补丁生成过程，实验证明其修复效果具竞争力且能提升开发者判断准确率。
2023-04-05 cs.SE
From Scientific Texts to Verifiable Code: Automating the Process with Transformers
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出利用大型语言模型中的 Transformer 阅读含形式化证明的科学论文，构建证明结构并补全低层细节，以自动生成可验证代码、降低验证门槛。
2025-01-09 cs.AI cs.LO cs.SE
Code Consistency Preference Optimization Verification for Language Model Alignment
University of Chinese Academy of Sciences（中国科学院大学）
提出基于依赖图和执行一致性分数的偏好优化方法，微调Llama-3-8B和DeepSeekMath-7B，在数学推理和物理推理上超越现有模型，形成CCPO模型系列。
2026-09-17 cs.CL cs.SE
Containers for portable, productive and performant scientific computing
容器是一种新兴技术，有望提高科学计算的生产力和代码可移植性。我们研究了Linux容器技术，用于分发非平凡的科学计算软件堆栈，并在从膝上计算机到高性能计算（HPC）系统的各种平台上执行。我们在一个工作站和一个领先的HPC系统上显示，当部署得当时，在容器内运行科学程序不会有性能损失。对于在大型并行计算机上运行的Python代码，由于更快的库导入，容器内的运行时间减少了。我们提供的软件分发方法和数据将帮助开发人员和用户决定容器技术是否适合他们。我们还为依赖专有库来提高性能的HPC系统供应商提供指导，说明他们可以做些什么来使容器无缝工作，而不会带来性能损失。
2016-11-03 cs.DC cs.MS cs.SE
Beyond Execution: Auditing Experimental Fidelity in LLM-Driven Scientific Research
Zhejiang University（浙江大学）；Zhejiang Lab（之江实验室）
该研究针对LLM驱动科学实验中智能体的方法学幻觉问题，提出ABE-Ralph审计框架，在复现实验中实现93%稳健执行率，可检测科学失败模式，NatureBench任务表现优异。
2026-08-28 cs.AI cs.SE
FEM-Bench: A Structured Scientific Reasoning Benchmark for Evaluating Code-Generating LLMs
Boston University（波士顿大学）；Move37 Labs（Move37实验室）；Department of Mechanical Engineering（机械工程系）
提出FEM-Bench基准，通过有限元方法相关编程任务评估大语言模型在科学计算中的结构化推理能力，实验表明现有模型尚不能稳定解决所有任务。
2026-05-29 cs.AI cs.LG cs.SE
Systematic LLM Translation of Legacy Scientific Code to Differentiable Frameworks: Application to a Land Surface Model
University of California, Los Angeles（加州大学洛杉矶分校）；NASA Goddard Space Flight Center（国家航空航天局戈达德空间飞行中心）
提出基于LLM的五阶段流水线，将遗留Fortran代码自动翻译为JAX可微分框架，在CLM-ml-v2模型上实现完整雅可比矩阵计算和24倍加速。
2026-06-04 cs.AI cs.CE cs.MA
Bridging the Gap on AI-Assisted Scientific Software Development Through Transparency and Traceability
Idaho National Laboratory（爱达荷国家实验室）
本文探讨了在严格软件质量保证背景下如何负责任地使用人工智能辅助科学软件开发，提出了一种结构化框架用于AI辅助的验证与验证案例开发，以确保软件质量。
2026-07-29 cond-mat.mtrl-sci cs.SE
LASSI: An LLM-based Automated Self-Correcting Pipeline for Translating Parallel Scientific Codes
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Argonne National Laboratory（阿贡国家实验室）
本文提出 LASSI 自动化流水线，通过 LLM 自校正循环实现 OpenMP 与 CUDA 并行代码的双向翻译，实验显示 80% 和 85% 的翻译可产生预期输出，验证了其生成可执行并行代码的有效性。
2025-05-04 cs.AI cs.DC cs.PL
Evaluating LLM-generated code for domain-specific languages: molecular dynamics with LAMMPS
School of Materials Engineering and Birck Nanotechnology Center Purdue University（普渡大学材料工程学院与伯克纳米技术中心）
提出一种评估流程，结合标准化、解析、低成本执行和准确性检查，系统评估LLM为分子动力学代码LAMMPS生成输入文件的有效性，发现当前模型在科学准确性上有限，但通过可复用的智能体技能可显著提升。
2026-05-21 cond-mat.mtrl-sci cs.SE
Understanding the Power of Evolutionary Computation for GPU Code Optimization
实现GPU代码的高性能要求开发人员在并行编程和GPU架构方面具有丰富的知识，并对应用程序有深入的了解。这种组合使得为基于GPU的应用程序找到性能优化变得非常具有挑战性，特别是在科学计算中。本文表明，使用GEVO工具可以在两种完全不同的科学工作负载上实现显着的加速，以提高人类优化GPU代码的性能。GEVO使用演化计算来寻找代码编辑，将多序列比对内核和SARS-CoV-2模拟的运行时间分别提高28.9%和29%。此外，当GEVO从序列比对程序的早期未优化版本开始时，它发现了令人印象深刻的30倍加速-与手动调优版本类似的性能改进。这项工作对发现的优化进行了深入分析，揭示了改进的主要来源因应用程序而异;大多数优化都适用于GPU架构;并且几个最重要的优化涉及重要的代码相互依赖性。这些结果展示了自动化程序优化工具的潜力，有助于减轻科学计算开发人员的优化负担，并增强特定领域加速器的性能可移植性。
2022-08-25 cs.DC cs.PF cs.SE
What Makes AI Research Replicable? Executable Knowledge Graphs as Scientific Knowledge Representations
Zhejiang University（浙江大学）；Ant Group（蚂蚁集团）；Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（知识图谱联合实验室）
本文提出可执行知识图谱(xKG)，通过整合文献中的代码片段和技术洞察，提升AI研究的可重复性，实验显示其在PaperBench上性能提升显著。
2026-04-19 cs.AI cs.CL cs.LG
LMR-BENCH: Evaluating LLM Agent's Ability on Reproducing Language Modeling Research
University of Texas at Dallas（德克萨斯大学达拉斯分校）
针对LLM智能体复现NLP研究代码能力未被充分探索的问题，提出LMR-BENCH基准，含28个任务，实验发现最先进模型仍存在科学推理与代码合成局限。
2025-06-19 cs.AI cs.SE
Computational Reproducibility of R Code Supplements on OSF
本研究使用StatCodeSearch数据集评估296个R项目的计算可复现性，开发自动化流水线从源代码重建计算环境并在Docker容器中执行，发现仅25.87%成功，分析指出未声明依赖等障碍，证明自动化依赖推断和容器化可支持可扩展验证。
2025-05-27 cs.CY cs.SE
Towards Certificate-Driven Software Porting: A Self-Improving Agentic Harness for Scientific Program Optimization
Georgia Institute of Technology（佐治亚理工学院）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
本文提出证书驱动进化搜索（CDES），通过记录失败候选的可执行限制来增强LLM进化搜索，应用于Geant4的CPU到GPU移植，实现最高23.54倍加速，并将正确性通过率从55%提升至90%。
2026-09-29 cs.AI cs.PL cs.SE
OpenAI4S: Code as Action, Science as Sessions
Peking University Shenzhen Graduate School（北京大学深圳研究生院）；Tsinghua-Peking Joint Center for Life Sciences（清华-北大生命科学联合中心）；Tsinghua University（清华大学）；Beijing Yuankong Intelligent Technology Co., Ltd.（北京元空智能科技有限公司）
OpenAI4S 基于“代码即行动，科学即会话”原则，通过持久化运行时和会话管理提升 AI 科学研究的可靠性，在 36 个场景中得分 7.83，优于通用编码框架。
2026-09-15 cs.AI cs.CL cs.SE
Agentic Scientific Simulation: Execution-Grounded Model Construction and Reconstruction
SINTEF Digital（SINTEF数字研究院）；Department of Mathematical Sciences（数学科学系）；NTNU（挪威特纳厄大学）
本文提出JutulGPT，通过代理科学模拟实现基于执行的模型构建与重建，解决模拟描述中的歧义问题，并公开所有代码和日志以确保可重现性。
2026-02-27 cs.AI cs.MS cs.SE
