正文
再次，在曹舒翔等人所打造的知识库之中，包含了图片的多模态数据，他们还通过引入小样本学习，并使用多模态大模型针对实验数据进行解读。借此发现，很多实验很难仅仅通过自然语言来对实验成功与否进行精确描述。而该团队先给模型展示一些成功和失败的案例图片，再把采集到的数据转化为图片并让模型进行分析，借此极大提升了模型准确率。
总的来说，Agent 可以极大降低超导量子计算平台的实验成本，并能把科研人员从技术细节和工程细节中解放出来。同时，曹舒翔认为本次解决方案的适用范围非常广泛，不仅能用于量子计算，也能用于其他类型的科学研究，甚至能用于工业和服务业的复杂自动化场景中。
（来源：
arXiv
）
据了解，曹舒翔本科毕业于浙江大学竺可桢学院，并在毕业后到牛津大学攻读博士。在此期间，由他联合创立的量子人工智能公司 Rahko 于 2022 年被美国生物技术公司
Odyssey Therapeutics
收购。曹舒翔目前在牛津大学从事博士后研究，主要研究 AI 在科研领域可能的运用场景。该研究的共同一作张子健来自加拿大多伦多大学的
Alan Aspuru-Guzik
课题组，他的研究专注于 AI Agent 的知识表示和人机交互。
曹舒翔表示，本次研究受到了早期 GPT Agent 工作 AutoGPT 的启发。最早的 AutoGPT 能在给定一个任务目标之后，一步一步地实现目标，并能使用搜索引擎和文件创建等简单的工具。
在本次研究之中，曹舒翔等人先是开展了一些预实验，比如让一些早期 Agent 直接控制量子计算设备。但是，实验效果却是差强人意，主要是因为模型无法了解他们的实验要求，只能照猫画虎地进行“看似有用实则无用”的操作。在曹舒翔等人看来，这其实就是模型在没有知识储备的情况下进行的“敷衍”。
后来，领域内的其他团队开始使用更复杂的检索增强生成（RAG，Retrieval-Augmented Generation）方法，来将具体场景的知识提供给模型，借此来增强模型的能力。
后来，曹舒翔等人调研了很多其他 Agent 的实现方法，借此提出一种适合该团队研究场景的解决方案。与此同时，他们提出一个针对实验知识进行整理和存储的方案，即通过撰写结构化文档的方式，不仅能让大模型进行快速索引并查找到相关内容，还能为人类进行分析和阅读。
通过以上方案，让模型拥有了使用量子实验设备的能力。在接下来的研究中 Agent 首先在模拟构建的量子计算设备测试环境中进行了进行交互，验证了准确性后在真实量子计算设备上进行了验证。
期间，该团队测试了很多方案。例如，在最早的方案之中他们并没有引入“状态机”，而是让模型直接生成长脚本并完成实验，但是他们发现，目前的模型还不足以直接完成这类复杂任务。
于是，他们通过引入更多的 Agent 并把任务加以细分，借此找到了每个功能的最佳实现方法，并将它们进行整合，进而在真实量子计算机上成功完成测试。
但是，测试中他们发现此前构建的系统稳定性欠佳，原因是大模型很难去解读实验数据。由于这些数据是模型完全没有见过的，因此通过语言描述很难进行准确区分。
为此，他们尝试了很多方法，包括直接分析文字数据、让模型自己写代码进行数据分析并解读分析结果等。最后，他们发现最稳定和最实用的方案是：使用小样本学习配合多模态的方式，来教会模型却解读数据。
