TRACE：多目标材料发现的过渡感知残差控制

arXiv:2608.23631v1 公告类型：新 摘要：使用 LLM 代理的多目标材料发现通常不仅受到可以提出的候选数量的限制，还受到每个昂贵的属性评估如何有效地通知下一步搜索的限制。现有的代理主要存储评估的候选人及其分数，因此他们知道哪些材料成功，但不知道哪些可执行编辑导致了有用的属性更改。当目标相互竞争并且改进一个属性的编辑可能会损害另一个属性时，这使得局部细化变得困难。我们提出了 TRACE，一种转换感知的残差控制框架，它将评估的编辑视为反馈的基本单位。 TRACE 将每个局部细化记录为具有观察到的属性增量的父-编辑-子转换，聚合转换证据以估计可重用的编辑效果，并根据未来编辑的预测能力对未来的编辑进行排名，以减少当前候选的剩余约束违规，同时避免损坏已满足的目标。在受控的同骨干比较中，TRACE 比最先进的 LLM 代理基线 LLEMA 有所改进，将宏观平均命中率从 18.13% 提高到 25.96%。