NeutronGym：中子仪器设计智能体环境

Lijie Ding 与 Changwoo Do 发布 NeutronGym，一个可执行的中子仪器设计环境：智能体通过验证工具搭建仪器，由 McStas 进行光线追踪，并按语法、运行时、结构、科学四个层级评分，全程不用 LLM 评判。配套基准 McStasBench 收录 16 个来自已发表仪器的任务，并设有记忆探测和沙箱。 研究者称，用该奖励做强化学习，Qwen3-8B 在一族隐藏设计目标的留出实例上从 11% 提升到 77%（第二个随机种子为 69%），超过未训练的 Qwen3-32B；去掉分层部分得分后成绩下降 60 个百分点。 研究者称，仅靠奖励训练出的模型在智能体的模拟预算下，只有在给定闭式物理时才达到经典优化器的水平（77% 对 81%，该规模下差距不显著），而前沿模型仍能解决 98–99%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。