arXiv 2026年10月5日该工作提出 NeutronGym——一个可执行的中子仪器设计环境，智能体通过验证工具搭建仪器、由 McStas 进行射线追踪、并以语法/运行时/结构/科学四级阶梯评分且不依赖 LLM 评判；在 McStasBench 的 16 个已发表仪器任务上七个模型最多复现 7 个、无一检索到参考、无一达到改进目标，而用其奖励做强化学习可把 Qwen3-8B 在隐藏设计家族的留出实例上从 11% 提升到 77%（第二个种子 69%），超过未训练的 Qwen3-32B。该工作提出 NeutronGym——一个可执行的中子仪器设计环境，智能体通过验证工具搭建仪器、由 McStas 进行射线追踪、并以语法/运行时/结构/科学四级阶梯评分且不依赖 LLM 评判；在 McStasBench 的 16 个已发表仪器任务上七个模型最多复现 7 个、无一检索到参考、无一达到改进目标，而用其奖励做强化学习可把 Qwen3-8B 在隐藏设计家族的留出实例上从 11% 提升到 77%（第二个种子 69%），超过未训练的 Qwen3-32B。NeutronGym 用 McStas 物理评分训练 LLM 智能体设计中子仪器，Qwen3-8B 从 11% 提升到 77%该工作提出 NeutronGym——一个可执行的中子仪器设计环境，智能体通过验证工具搭建仪器、由 McStas 进行射线追踪、并以语法/运行时/结构/科学四级阶梯评分且不依赖 LLM 评判；在 McStasBench 的 16 个已发表仪器任务上七个模型最多复现 7 个、无一检索到参考、无一达到改进目标，而用其奖励做强化学习可把 Qwen3-8B 在隐藏设计家族的留出实例上从 11% 提升到 77%（第二个种子 69%），超过未训练的 Qwen3-32B。该工作提出 NeutronGym——一个可执行的中子仪器设计环境，智能体通过验证工具搭建仪器、由 McStas 进行射线追踪、并以语法/运行时/结构/科学四级阶梯评分且不依赖 LLM 评判；在 McStasBench 的 16 个已发表仪器任务上七个模型最多复现 7 个、无一检索到参考、无一达到改进目标，而用其奖励做强化学习可把 Qwen3-8B 在隐藏设计家族的留出实例上从 11% 提升到 77%（第二个种子 69%），超过未训练的 Qwen3-32B。