文本生成无法解决的问题
现代语言模型能够自信地推理、制定计划，并且懂得使用外部工具。但在科学和工程领域，这还远远不够。要对一个真实系统做出论断，就必须理解它会对干预作何反应：如果升高温度、调整工艺阶段、添加试剂，会发生什么变化。对这类问题写出一段看似合理的回答并不能证明什么——只有通过受控实验才能获得证明。
正是在这一交叉领域，一个研究团队开展了工作，其论文《LLM Agents Perform Controlled Experiments Using Simulation Models》发布在 arXiv 上，编号为 2608.23622（DOI: 10.48550/arXiv.2608.23622）。作者包括 Yuchen Xia、Michael Weyrich、Nasser Jazdi、Johannes Stümpfle、Johannes Sigel、Akshay Narla、Gavin K. Reynolds、Anna Jawor-Baczynska 和 Pol Llopart。该预印本日期为 2026 年 8 月 22 日，而这项工作已被第 31 届 IEEE 新兴技术与工厂自动化国际会议（ETFA 2026）接收。
多智能体架构是如何构建的
核心思路不是让单个模型一次性「思考」所有事情，而是把角色分配给多个智能体，并让它们掌握真正的仿真模型。作者将其称为用于制药工艺设计的多智能体结构。
工作从用户请求和基础配置开始。随后系统经历若干阶段：
- 任务形式化——将非结构化的诉求整理为对究竟需要查明什么的结构化表述；
- 实验规划——确定干预方案和比较点；
- 运行仿真——模型针对每个方案计算工艺的行为；
- 解读——将结果相互对照，而非孤立地阅读；
- 综合建议——基于积累的证据，形成关于工艺参数设置的建议。
一个重要细节：这里的建议不是「模型的意见」，而是一系列运行得出的结论。语言模型充当指挥者和诠释者，而脚下坚实的数值基础则由仿真器提供。
通过干预进行推理
作者将这种模式描述为嵌入仿真的推理。智能体不只是观察一幅静态画面——它改变输入条件，比较产生的各个情景，并在考虑所见结果的基础上迈出下一步。「干预 → 比较 → 观察」这一循环，正是这种方法与普通模型对话的区别所在。
为什么这比看起来更重要
「模型推理得漂亮」与「模型做了实验」之间的差别体现在具体性上。在前一种情况下，用户得到的是关于哪些因素通常会影响工艺的一般性考量。在后一种情况下，则是与具体配置相关联、并有运行数据支撑的结论。
作者特别强调了工业背景：在应用场景中，收益不仅体现在回答的细致程度上，还体现在人们如何评价所给建议的正确性和实用性上。也就是说，这里谈的不是内部指标，而是打算实际使用这些建议的从业者的视角。
此外，论文还给出了消融研究——即关闭系统某一部分以了解每个元素贡献的实验。再加上可视化的案例剖析，展示了智能体的逻辑从最初请求到最终建议究竟是如何演进的。
这对制药及其他领域意味着什么
制药工艺设计是一个便利的试验场：在那里犯错的代价高昂，参数众多，而且早已有可靠的仿真模型，可以在不对实际生产造成风险的情况下验证假设。但这一架构并不局限于某一个行业。凡是存在工艺计算模型和优化需求的地方，「智能体 + 仿真器」的组合都比试图从纯粹的语言生成中挤出答案显得更合理。
另一个信号是这项工作所注册的类别：人工智能、计算语言学、多智能体系统和软件工程。该主题横跨多个学科，而这并非偶然：要让这样的流水线运转起来，既需要高质量的规划，也需要围绕仿真器的工程配套，还需要与用户沟通的清晰语言。
用简单的话说，主要结论是：语言智能体在工程中的价值增长，不在于它们表述得更好，而在于它们获得了在模型上验证自身假设、并在验证后加以修正的能力。用经验代替猜测。
