量子科技中心_量科网

大语言模型（LLMs）展现出超越自然语言建模与文本生成的能力。其在推理能力方面的最新进展，引发了研究人员将LLMs应用于需要深厚领域知识与复杂推理能力的科学任务中的兴趣。量子计算作为一个知识门槛高且硬件限制严格的高度专业化领域，有望从这类进展中获益良多。然而，必须首先回答的一个关键开放问题是：如何开发能够向LLMs注入真正的量子推理能力（而非任务特定的模式匹配）的微调流程？该团队通过以量子电路仿真为训练目标来研究这一问题，要求模型预测由一系列量子门操作产生的测量概率分布。该团队提出并比较了两种微调流程：（1）基于显式逐门状态向量仿真轨迹的监督微调（SFT）；（2）一种两阶段SFT+群体相对策略优化（GRPO）方法，该方法依次应用SFT，随后采用带有可验证奖励的GRPO。该研究的发现表明，SFT在分布内和门计数外推准确率上几乎达到完美，显著优于基础模型和GPT-OSS-120B基线。SFT+GRPO在分布内精度上做出一定妥协，以换取对SFT单独无法处理的更大量子比特系统的更好泛化能力。两种流程均显著优于基线，这表明针对显式推理轨迹进行定向微调是提升LLMs量子推理能力的有效策略。