WARA：面向自动化无线优化研究的闭环大语言模型智能体框架

摘要: 大型语言模型（LLM）智能体越来越具备调用外部工具、生成并执行代码、检查中间研究制品以及迭代修订输出的能力，这为科学与工程研究的自动化带来了新的机会。据我们所知，本文提出了首个面向无线领域的端到端自动科研框架，重点关注无线资源分配优化这一关键方向。该方向对于刻画无线系统的基本性能极限，以及在动态信道和网络条件下提升其实际性能，具有重要意义。具体而言，我们提出了 Wireless AutoResearch Agent（WARA），这是一个用于自动化无线优化研究的闭环多智能体系统。仅给定一个初始研究主题作为输入，WARA 将研究流程分解为三个阶段：1）研究空白识别与问题提出；2）无线优化问题建模、求解算法设计与实验；3）研究交付物构建。针对每个阶段，我们设计了以研究制品为媒介的控制机制，其中声明的上游研究制品被作为输入，用于生成面向下游使用的结构化输出。随后，在每个阶段中，由控制器管理的门控机制对生成的研究制品进行验证，并确保模型、算法、实验和研究主张之间的一致性。当某个研究制品未通过验证时，只需修复对应的研究制品，而不需要重新启动整个工作流。进一步地，我们设计了一个结构化的、基于 LLM 的 ScoringAgent，用于评估论文层面的研究有效性和优化研究成熟度。对比评估结果表明，WARA 显著优于一次性 LLM 生成，并且其质量表现接近近期已被同行评审技术论文录用的水平。这些结果表明，闭环研究制品控制是实现端到端 LLM 辅助无线优化研究的一条有前景的路径。源代码可在 https://github.com/guoyuan-dotcom/WARA_CUHKSZ 获取。