6. QBugLM：量子软件调试多智能体框架

类型：arxiv
标识：2606.07314
链接：https://arxiv.org/abs/2606.07314
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
主分类：agent
形态：method
被引：1
被引来源：Semantic Scholar
S2被引：1
OpenAlex被引：0
影响力被引：0
TLDR：This work proposes QBugLM, a multi-agent framework that automates the quantum software debugging pipeline, from taxonomy-driven bug injection to LLM-based detection and repair, and finally to simulation-based validation, for framework-agnostic OpenQASM 3.0 programs.
OpenAlex ID：W7163874420
OpenAlex DOI：10.48550/arxiv.2606.07314
DOI：10.48550/arxiv.2606.07314
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2606.07314
OpenAlex更新：2026-07-19
TLDR中文：本工作提出 QBugLM，一个多 Agent 框架，可自动化量子软件调试流水线，覆盖基于分类法的缺陷注入、基于 LLM 的检测与修复，直至基于仿真的验证，框架无关地支持 OpenQASM 3.0 程序。
待LLM分类：否
来源文件：
/inbox/jay/2026-06-12-research-briefing.md
[S2 enrich]
[OpenAlex backfill]

可复用信息

- 核心发现: 系统梳理 Graph-based RAG、KG-enhanced LLM、Graph Memory、Multi-agent Interaction Graph 四个方向。ArchRAG 引入属性子图社区索引提升检索相关性；Agent 可完成最短路径、PageRank、社区检测等图任务。
- 评价: 文献综述型，整理了 LLM+Graph 的完整技术栈，适合构建知识图谱增强 RAG 的架构参考。
- 可信度: 中高——arXiv 预印本，学术梳理。
- 行动: 知识图谱 RAG 架构设计参考；关注 Agent+Graph 任务分解范式。

- 来源: arXiv:2606.07314（2026-06-05）
- 核心发现: 针对 OpenQASM 3.0 量子程序的多智能体调试框架，taxonomy 驱动的 bug 注入 + LLM 检测修复 + 仿真验证。关键发现：单次重试使 Pass@1 从 <25% 提升至 >80%；固定资源下结构化简单提示优于 CoT 和 ReAct。
- 评价: Agentic 调试 + 量子领域结合新颖；固定预算推理场景下简单提示优于复杂推理链的结论值得注意。