计算化学 Agent 的报告核验

计算化学 Agent 可以自行构建体系、调用计算软件、分析结果，并写成研究报告。但报告写得完整，不代表其中的结论都有计算依据。

在评测中，这类问题主要出现在两个环节：模型写入了没有计算过的结果，或者分析脚本提取了错误的数据。

这类任务通常会留下输入文件、软件输出和分析脚本，因而可以逐步追溯。评审时需要确认的，不只是某个数字是否正确，还包括它来自哪个体系、使用什么方法计算，以及是否足以支持报告中的解释。

报告与计算不符

一份报告称，C–N 键长从气相的 1.58 Å 缩短到水中的 1.56 Å。检查运行记录后发现，模型在两种环境下使用的是同一套固定坐标，只做了单点能计算，没有进行几何优化。这些计算无法给出报告中的键长变化。

单点计算比较的是给定几何下的能量。若要讨论溶剂导致的结构变化，至少需要分别得到对应环境下的几何结构，再从坐标中提取同一对原子的距离。这里即使能量计算全部正常结束，结构结论仍然没有依据。

另一个例子是频率分析。报告称所有结构都没有虚频，但解析脚本的正则表达式漏写了负号，因而没有提取到负频率。还有脚本搜索 imaginary frequency，而软件实际输出的是 imaginary mode。脚本没有找到，不等于计算结果中不存在。

对于解析结果为空的情况，需要区分：计算没有运行、计算失败、解析失败，以及计算完成且确实没有虚频。这几种状态如果都被写成零，后续报告就无法判断出了什么问题。

因此，只核对报告和分析脚本生成的汇总表还不够。汇总表本身也可能有错，需要继续检查脚本和原始输出。

分开检查完成度与忠实度

评审可以分成两部分。

完成度检查报告是否包含任务要求的方法、数据和分析。例如，要求给出频率结果，就应当有具体数据，不能只写“已完成频率计算”。这部分可以对照固定清单逐项判定。

忠实度检查报告说的与实际做的是否一致。例如，声称使用某个泛函，就检查实际输入；声称没有虚频，就检查频率输出；给出自由能，就核对它的定义和校正项。这部分需要访问运行轨迹和计算文件。

两者需要分别记录。一份报告可能如实交代了已完成的工作，但缺少必要计算；也可能内容齐全，却有不少结果没有依据。

从主结论追溯证据

实际核验可以从主结论开始，找到支持它的数据表，再向前检查分析脚本和原始输出。原始输出还需要与输入文件对应，确认体系、电荷、多重度、计算方法和任务类型没有混用。

例如，报告给出一个反应自由能，就需要知道参与相减的各个量是什么，来自哪些计算，是否包含所需的热校正和标准态处理。如果实际只计算了电子能差，数值即使抄对了，也不能直接改名为自由能。

对于“某种作用导致了某个趋势”这样的解释，还要区分本次计算得到的证据与依据已有知识作出的推测。趋势符合化学直觉，可以作为讨论，但不足以自动证明具体机理。

评分前，先记录具体问题和证据。每个问题保留报告原文、对应文件、实际结果，以及它会影响哪些结论。确认事实后，再决定它属于必要内容缺失、数值错误，还是表述过强，后续复核和调整评分标准都比较方便。