- 1次围观
科学计算已成为现代科学发现的核心组成部分。然而，许多计算工具由规模较小、专业化程度较高的团队开发；在相关激励机制的影响下，团队往往倾向于迅速推出原型工具，却未能同等重视性能和可维护性等工程问题。这些不足在生命科学领域尤为明显：高通量测序和分子谱分析技术的兴起，使得大规模数据集的生成与处理成为常态，其规模也对系统的可靠性和成本构成了严峻挑战。近年来，基于大语言模型（LLM）的智能体能力日益增强；公开可用的系统不仅在许多科学领域具备丰富的专业知识，还能够自主操作复杂且专业化的代码库，以实现明确定义的目标。这些发展共同为科学计算带来了切实可行的机遇。科学计算生态中的许多长期不足，源于技术债务，以及持续工程人力与专业知识的短缺。在此，我们探讨编码智能体能否成为应对这些不足的一种途径：我们报告了八个早期案例研究，探索将 LLM 智能体应用于不同规模的科学计算项目，范围涵盖轻量级维护任务，以及面向性能优化的科学库全面重写，并重点关注生命科学领域。每项案例研究都附有相关工作负责人或团队的反思，其中包括对实践过程的经验总结。总体而言，我们发现，在科学计算中使用编码智能体有望加速科学研究，并提高关键系统的可靠性；但仍有尚待解决的仍存在一些问题，包括此类项目的责任与所有权归属；在可行的情况下，我们建议与现有维护者开展合作并共同承担维护职责。
| bioRxiv
跳至正文
首页
关于
投稿
通知 / RSS
搜索此关键词
高级搜索
帮助
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于帮助
广告
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于广告
编辑委员会
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于编辑委员会
关于我们
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于我们
患者
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于患者
广告客户
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于广告客户
机构
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于机构
订阅者
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于订阅者
审稿人
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于审稿人
作者
2013年8月15日（星期四）16:02 —
hwadmin
了解更多
关于作者
关键词：科学计算 · 编码智能体 · 大语言模型 · 科研软件工程 · 生命科学
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.29.741496v1?rss=1