AI4BayesCode：从自然语言描述到经验证的模块化有状态贝叶斯采样器

针对马尔可夫链蒙特卡洛工作流中编码与计算的瓶颈，本文提出 AI4BayesCode，一个可扩展的 LLM 驱动系统，能将自然语言描述的贝叶斯模型转化为经验证的可运行采样器。该系统采用模块化设计，将模型分解为采样块并映射至内置组件，通过生成前后的双重验证提升可靠性。此外，文章引入了一种新颖的递归有状态编码范式，支持不同贡献者开发的模块 coherent 组合。实验表明，该系统能仅凭自然语言描述实现多种贝叶斯模型，且具备随底层 AI 代理改进而持续扩展的能力。