Large Language Model-Assisted Framework for BSM Model Building
本文介绍了 \texttt{bsm_agent}，这是一个开源框架，它将用于符号物理计算的确定性 Python 后端与大语言模型接口相结合，通过自然语言交互实现超越标准模型（BSM）理论的构建、验证与分析的自动化。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一位试图设计一种新型建筑的建筑师。在粒子物理学的世界里，这座“建筑”是一个理论模型，旨在解释超越我们已知范畴（标准模型）的宇宙运作方式。
通常情况下，构建这些模型就像是仅凭一把锤子和一把凿子去建造一座摩天大楼。你必须手动计算每一块砖、每一根梁和每一个螺栓，检查它们是否能够严丝合缝地组合在一起而不至于导致整体坍塌。如果你犯了一个微小的数学错误，整座建筑就会变得不安全。这个过程缓慢、乏味且极易出错。
迎来 bsm_agent：AI 建筑师助手。
这篇论文介绍了一个名为 bsm_agent 的新工具。你可以把它想象成一位能听懂你语言的聪明施工领班。你不需要亲自去研究如何搅拌混凝土或计算梁的承重应力，你只需要告诉领班：“我想用这些特定材料为大楼增加一个新侧翼。”然后，领班会承担所有的繁重工作。
以下是其工作原理的拆解，通过简单的概念进行说明：
1. 对话（“聊天”）
你不需要编写复杂的计算机代码或填写困难的表格，只需直接与软件对话。你可能会说：“构建一个包含一个新粒子的模型，该粒子是一个颜色三重态（color triplet），且弱电荷为 1/2。”
该软件使用大语言模型（LLM）——即类似于聊天机器人背后的技术——来理解你的需求。然而，论文中提出了一个非常重要的区别：聊天机器人只是接待员。 它负责倾听你的指令、澄清你的意图，然后将实际的工作移交给一个严格执行规则的计算机程序。
2. 确定性后端（“计算器”）
一旦聊天机器人理解了你的请求，它就会将细节传递给一个确定性符号后端（deterministic symbolic backend）。你可以把这想象成一个超级精确的计算器，它从不猜测，也绝不会产生“幻觉”。
- 它构建蓝图： 它会自动写下描述你的新粒子如何与现有粒子相互作用的数学方程（拉格朗日量）。
- 它进行安全性检查： 它会运行“异常检查”，这就像是压力测试，以确保新建筑不会因为数学上的不一致而坍塌。
- 它展开细节： 它将高层级的蓝图分解为每一个具体的组成部分，展示新粒子是如何与旧粒子相互作用的。
- 它计算重量： 它计算“质量矩阵”，这些矩阵会告诉你当宇宙进入稳定状态后，这些新粒子的质量是多少。
3. “人类在环”的安全网
论文强调，AI 聊天机器人绝不会进行实际的数学运算。如果你表达得含糊不清（例如，你忘记说明一个粒子是“标量”还是“费米子”），聊天机器人会暂停并询问：“你是指标量还是费米子？” 这确保了严格的计算器在开始工作之前，获得了完全准确的指令。
4. 结果
任务完成后，系统会生成一份专业的报告（PDF格式），看起来就像一篇科学论文。它列出了所有新的粒子、相互作用规则以及质量计算结果。
论文中的真实案例：
作者通过构建一个涉及“轻子夸克”（Leptoquarks，一种连接夸克和轻子的假设粒子）的复杂模型来测试该系统。
- 传统方式： 一名人类物理学家可能需要花费数天或数周的时间，手动写下超过 100 个不同的相互作用项，并不断检查错误，同时展开所有方程。
bsm_agent方式： 用户只需输入几句话来描述五个新粒子。在不到一分钟的时间内，系统就生成了完整的模型，检查了错误，展开了所有方程，并生成了一份包含 100 多个项的报告。
为什么这很重要
论文认为，这个工具架起了人类直觉与数学严谨性之间的桥梁。
- 对于学生： 它降低了高级物理学的门槛。你可以学习一个模型“长什么样”，而不会被枯燥的代数运算所困扰。
- 对于专家： 它充当了一个安全网。即使是专家在进行手动计算时也会出错；而这个工具能确保一旦定义了“配料”，整个“食谱”就会被完美地执行。
总结：bsm_agent 是一个让你能用自然语言描述一个新宇宙，同时由一个严格、无误的计算机引擎来进行复杂数学运算的工具。它将物理学的“创造性部分”（决定添加哪些新粒子）与“枯燥部分”（完成使之运作所需的成千上上万次计算）分离开来，确保了结果始终准确且可复现。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。