RESCORE：基于LLM的控制系统研究论文仿真恢复

arXiv 2026 47.3 method

TLDR

RESCORE利用LLM智能体从控制系统论文中恢复仿真，成功率达40.7%，速度比手动复制快10倍。

评分理由

The paper introduces a novel task and benchmark for simulation recovery, with a clear methodology and empirical results. However, the success rate is modest (40.7%) and the approach is domain-specific to control systems, limiting generalizability.

Read-first 评分解释

综合优先阅读分 47.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 36。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、结果

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、复现

主题相关性 42%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：28。

关键词评分

research automation

automated research

AI for scientific research

automated scientific discovery

autonomous research agent

scientific discovery agent

AI scientist

automated experimentation

literature review agent

survey generation

experiment design agent

paper writing agent

深度分析

创新点

定义了控制系统研究论文的“论文到仿真可恢复性”任务。
构建了一个包含500篇来自IEEE决策与控制会议（CDC）论文的基准测试集。
提出了RESCORE，一个由分析器（Analyzer）、编码器（Coder）和验证器（Verifier）三组件组成的LLM智能体框架，采用迭代执行反馈和视觉比较。

方法

RESCORE是一个由分析器、编码器和验证器组成的LLM智能体框架，利用迭代执行反馈和视觉比较从控制系统论文中生成可执行的仿真代码。该框架在一个包含500篇CDC论文的基准测试集上进行了评估。

关键结果

RESCORE在40.7%的基准实例上恢复了任务一致的仿真，优于单次生成，并且估计比人工复制快10倍。

资源

论文