用智能体增强小型语言模型，实现射电天文学的可持续代码优化

该论文面向LOFAR升级后的计算挑战，研究用小型语言模型生成、优化并迁移射电天文代码。由于升级预计带来40倍计算需求增长，作者提出多采样生成与编译器反馈机制，并称其可让SLM以较少资源匹配或超过更大型模型，同时支持RAG、静态分析和动态分析工具。