Mephisto: Self-Improving Large Language Model-Based Agents for Automated Interpretation

Mephisto论文总结与核心部分翻译

该文章提出了基于大型语言模型（LLMs）的多智能体协作框架Mephisto，用于自动化解读多波段星系观测数据，核心是通过光谱能量分布（SED）建模模拟人类推理过程，为天文学研究提供高效且透明的辅助工具。

一、文章主要内容

1. 研究背景

• 天文学研究依赖人类专业知识解读复杂数据，但当前AI应用多聚焦单一下游任务（如分类、模拟加速），存在可解释性差、泛化能力有限、仅针对孤立任务的问题，难以应对大规模观测数据的解读需求。
• 星系研究中，光谱能量分布（SED）建模需结合恒星形成史、尘埃效应等多物理成分，而多波段测光数据存在噪声与系统误差，且可能存在多种参数组合匹配数据却对应不同物理解释的情况，传统人工分析效率低、难以规模化。

2. Mephisto框架核心设计

• 核心功能：对接CIGALE（SED建模工具库），通过迭代优化物理模型匹配观测数据，生成星系物理场景的科学报告，支持20-40个不同波长的多波段测光数据输入。
• 推理机制：采用树搜索策略（深度优先搜索DFS用于针对性探索，广度优先搜索BFS用于全面覆盖），从基础假设出发，系统修改物理成分以优化模型。
• 记忆系统：包含短期时序记忆（记录当前分析中模型修改及结果，避免重复尝试）和长期外部知识库（从过往分析中提取验证后的领域知