语言模型能够根据自然语言请求生成 VASP 的 INCAR 文件，但目前只有大型专有云模型能够在物理敏感的设置上保持可靠，这与本地高通量材料工作流的隐私、成本和离线部署需求不匹配。我们展示了一种小型语言模型（SLM）可以弥补这一缺口。
该 SLM 在参考 VASP 计算数据上进行微调，并结合 VASPGuard——一个确定性的后处理器，用于检查语法、工作流以及材料相关约束。我们将二者统称为 INCAR‑SLM。
在专为 VASP INCAR 生成设计的基准套件 INCARBench 上，基于 Qwen3‑4B 的 INCAR‑SLM 超越了所有评测的通用 LLM，得分比 GPT‑5.4 高出 15.55 分（满分 100 分）。提升主要来源于微调，VASPGuard 则负责纠正剩余错误。
进一步的实验表明，模型规模的影响小于预期：在完成微调和后处理后，性能在几十亿参数的模型上趋于饱和，Qwen3‑4B 甚至优于同系列更大的模型。
点评