AgentRivet: an automated system for producing Rivet routines from journal publications
作者: Antonio J. Costa, Caterina Doglioni, Christian Gütschow, Andrew D. Pilkington, Sukanya Sinha
分类: hep-ex, cs.AI, hep-ph
发布日期: 2026-06-11
💡 一句话要点
提出AgentRivet以自动生成Rivet例程解决分析覆盖不足问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 粒子物理 Rivet例程 自动化生成 大型语言模型 数据分析 模型验证
📋 核心要点
- 现有的Rivet例程覆盖率低，仅39%的测量有文档化的例程，导致分析不完整。
- AgentRivet通过自动化提取已发表论文中的物理分析信息，生成缺失的Rivet例程，提升分析覆盖率。
- 实验结果显示，AgentRivet生成的Rivet例程语法错误少，物理保真度合理，验证了其有效性。
📝 摘要（中文）
粒子物理对撞机实验提供Rivet例程作为模型无关测量的分析保存策略。然而，现有的Rivet例程覆盖率仅为39%。本文设计并实现了一种基于大型语言模型的自动化工作流程AgentRivet，旨在生成缺失的Rivet例程。该多步骤工作流程从已发表论文中提取物理分析信息，并编写缺失的Rivet例程，同时进行代码和物理审查以确保质量。实验结果表明，AgentRivet生成的Rivet例程在语法上几乎没有错误，物理保真度合理，但仍存在物理实现问题，主要源于文献中的模糊定义。
🔬 方法详解
问题定义：本文旨在解决粒子物理实验中Rivet例程覆盖不足的问题，现有方法无法有效生成缺失的例程，导致分析不完整。
核心思路：通过设计一个基于大型语言模型的自动化工作流程AgentRivet，提取已发表论文中的物理分析信息，并生成相应的Rivet例程，从而提高分析的全面性。
技术框架：AgentRivet的整体架构包括多个模块：首先是信息提取模块，从论文中提取物理分析数据；接着是例程生成模块，编写Rivet例程；最后是质量控制模块，进行代码和物理审查。
关键创新：AgentRivet的主要创新在于结合大型语言模型进行自动化生成，显著提高了生成效率和准确性，与传统手动编写方法相比，减少了人为错误和时间成本。
关键设计：在设计中，使用了商业大型语言模型（如OpenAI、Anthropic和Google）进行信息提取和例程生成，设置了多层次的质量控制机制，确保生成的例程在语法和物理上都符合要求。
🖼️ 关键图片
📊 实验亮点
实验结果表明，AgentRivet生成的Rivet例程在语法上几乎没有错误，物理保真度合理。与传统方法相比，AgentRivet显著提高了例程生成的效率和准确性，展示了其在粒子物理分析中的应用潜力。
🎯 应用场景
该研究的潜在应用领域包括粒子物理实验的数据分析和模型验证。通过自动生成Rivet例程，研究人员可以更高效地进行模型调优和新物理现象的搜索，提升实验数据的利用率和分析质量，具有重要的实际价值和未来影响。
📄 摘要（原文）
Particle physics collider experiments provide Rivet routines as part of the analysis preservation strategy for model-independent measurements. Rivet is a C++ toolkit that allow new theoretical models to be compared to the measurements, thus aiding the development and tuning of Monte Carlo event generators as well as searches for physics beyond the Standard Model. However, analysis coverage is known to be incomplete, with only 39% of measurements having documented and publicly available Rivet routines. In this article, we design and implement an automated workflow based on Large Language Models with the goal of providing the missing routines. This multi-step workflow, referred to as AgentRivet, extracts the physics analysis information from published papers and writes the missing Rivet routines, with intermediate code- and physics- reviews as part of an autonomous quality control. We report the results obtained using commercial Large Language Models, provided by OpenAI, Anthropic, and Google, for two recent measurements from the ATLAS and CMS experiments. We find that AgentRivet produces competent Rivet routines with few syntax errors. The physics fidelity of the routines is reasonable and follows the explanations given in the relevant publications. Nevertheless, physics-implementation issues do arise and are investigated using the artefacts produced by AgentRivet. The majority of physics implementation issues arise from subtle-but-ambiguous definitions in the given publication, although some models struggle to implement complex observables even when clear definitions are given.