量智信息中心_量科网

随着大语言模型（LLM）融入量子模拟工作流（IDE辅助编码、笔记本助手、智能体流水线），评估必须超越功能正确性，在结构化故障通过昂贵流水线传播之前提前发现并拦截。该团队提出了一种面向材料启发的变分量子本征求解器（VQE）电路生成的分层评估框架：（i）涵盖七项物理与框架标准的门控筛选准则；（ii）电路保真度分析，将模型输出与H2/STO-3G/约旦-Wigner/UCCSD的分析解及参考实现值进行对比，包含ansatz分类与门组成分解；（iii）设计熵——一种运行间行为一致性度量。该研究揭示出五种不同的大语言模型故障模式（几何幻觉、使用不存在的API、运行时集成失败、约束违反以及看似合理但无法验证的输出），每种故障模式具有不同的可检测性特征，且本质上归属于任务结构而非特定模型。对评估平台自身源代码的取证审计进一步表明，两次明显的模型故障源自测试框架中静默回退模板替换，这证明评估基础设施应与所测试的模型处于同一信任边界内。将该框架应用于基于Materials Project集成流水线的多个基础模型后，结果表明门控式验证对于可靠部署是必要而非可选的。