Resumen: Los modelos de lenguaje grande (LLM) han mostrado un potencial significativo en el descubrimiento científico, pero luchan por cerrar la brecha entre el razonamiento teórico y la simulación física verificable. Las soluciones existentes operan en un bucle pasivo de “ejecución-luego-respuesta” y, por lo tanto, carecen de percepción del tiempo de ejecución, lo que oscurece a los agentes ante anomalías transitorias (por ejemplo, inestabilidad numérica u oscilaciones divergentes). Para abordar esta limitación, proponemos EmbodiedAct, un marco que transforma el software científico establecido en agentes incorporados activos al conectar los LLM en acciones incorporadas con un estrecho ciclo de percepción-ejecución. Creamos una instancia de EmbodiedAct dentro de MATLAB y lo evaluamos en tareas complejas de diseño de ingeniería y modelado científico. Amplios experimentos muestran que EmbodiedAct supera significativamente las líneas de base existentes, logrando un rendimiento SOTA al garantizar una confiabilidad y estabilidad satisfactorias en simulaciones a largo plazo y una mayor precisión en el modelado científico.
Publicado originalmente en export.arxiv.org el 24 de febrero de 2026.
Ver fuente original
