PathAgentBench

PathAgentBench是由新加坡国立大学、PuzzleLogic及北京协和医院等机构联合构建的病理学基准数据集，旨在评估视觉语言模型在全切片图像上的证据寻求能力。该数据集整合了来自癌症基因组图谱的1,822张全切片图像和一个包含190张乳腺癌切片的私有队列，共计涵盖16种器官类型，并提供了由十位认证病理学家标注的17,135条多尺度诊断路径，每条路径包含嵌套的边界框、特定放大倍率的发现以及最终诊断结论。数据集的构建过程基于诊断树框架，通过系统化的标注工作流程，将病理诊断分解为证据解释、验证、获取与整合四个核心阶段。该数据集主要应用于计算病理学领域，旨在解决现有基准在评估模型主动从千兆像素级图像中获取和整合诊断证据能力方面的不足，推动病理学智能体向端到端诊断探索的发展。FTPrimitiveBench is a quantum computing benchmark suite jointly developed by the Pacific Northwest National Laboratory and Fordham University, aiming to evaluate the robustness of logical computations under hardware-relevant noise models. This dataset includes simulated circuits for surface code Clifford primitives (such as logical storage, lattice surgery, etc.), supports custom noise parameter configuration and spatio-temporal inhomogeneity modeling, and the data is generated via high-performance computing. Its innovation lies in the collaborative optimization of hardware calibration features (such as Pauli bias and measurement noise) and quantum error correction protocols, providing a standardized analytical tool for hardware-software co-design of fault-tolerant quantum architectures.

搜集汇总

数据集介绍

构建方式

FTPrimitiveBench的构建围绕一个灵活的噪声模型接口与表面码逻辑原始门生成器展开。该框架将物理噪声规范与电路生成解耦，支持在全局、单组件、单轮次及组件-轮次组合四个粒度上分配噪声参数。基于此接口，FTPrimitiveBench内置了四种硬件启发的结构化噪声族，包括均匀退极化噪声、Pauli偏置噪声、测量偏置噪声以及非均匀噪声。同时，它提供了逻辑存储、晶格手术、横向Hadamard门和基于晶格手术的相位门这四种核心Clifford原始门的高层电路生成器，并自动完成检测器标注与逻辑可观测量的定义。所有原始门均可通过用户指定参数实例化，并输出为符合Stim格式的电路，从而无缝对接现有的模拟与解码流程。

特点

该数据集最显著的特点在于其对硬件启发的偏置噪声模型的支持，突破了传统均匀退极化噪声的局限。结构化噪声族可精确捕捉Pauli偏置（如Z偏置）、测量偏置以及空间/时空非均匀性等实际硬件中的噪声特征，使得不同逻辑原始门在相同噪声假设下的性能对比成为可能。通过揭示同一噪声结构对不同原始门产生的定性和定量差异，例如横向Hadamard门因基态交换而无法保持偏置优势，而晶格手术在测量偏置下则需要更多轮次来优化性能，FTPrimitiveBench为理解噪声结构与逻辑实现之间的复杂交互提供了独特的视角。

使用方法

使用FTPrimitiveBench时，研究人员首先从预置的噪声族中选择或自定义噪声模型，并通过参数接口指定偏置因子或非均匀性强度。随后，选择待评估的原始门类型并设置其几何参数（如码距、晶格桥长度）和时序参数（如轮次数）。框架自动生成带有检测器注释的Stim格式电路，可直接用于大规模Monte Carlo模拟。通过将生成电路与已有的解码器（如PyMatching）和模拟器（如Stim）配套使用，用户能够标准化地评估逻辑错误率，并系统性地研究噪声结构、逻辑实现与解码策略三者之间的协同优化。

背景与挑战

背景概述

FTPrimitiveBench诞生于2026年，由美国太平洋西北国家实验室与福特汉姆大学的研究人员联合创建，旨在应对容错量子计算中逻辑原语性能评估的迫切需求。随着量子纠错技术从理论走向实验验证，传统均匀退极化噪声模型因忽视硬件噪声的异质性与有偏性而日益显现其局限性。该数据集聚焦于表面码逻辑原语（如逻辑记忆、晶格手术、横向Hadamard门及相位门）在硬件驱动且有偏噪声模型下的行为刻画，通过灵活可配置的噪声接口与标准化基准流程，系统揭示了噪声结构对逻辑性能的非平凡影响。其影响力体现在为量子纠错协议与硬件架构的协同设计提供了可复现的评估框架，推动了从理论分析到工程优化的关键跨越。

当前挑战

该数据集所应对的领域核心挑战在于：量子硬件噪声并非均匀，而是呈现显著的有偏性与时空异质性，传统均匀退极化噪声无法捕捉这一特征，导致逻辑性能评估严重失真。具体挑战包括：Pauli噪声偏置下，不同逻辑原语（如横向Hadamard门因中道交换误差通道）对偏置的耐受性呈现本质差异；测量噪声主导时，最优纠错轮数随偏置因子漂移，传统方法无法揭示这一非平凡优化点；空间或时空非均匀噪声则要求解码器先验与器件真实通道精确匹配，否则逻辑错误率将显著恶化。此外，构建过程中需应对跨四个粒度（全局、逐组件、逐轮次、逐组件与轮次）的噪声参数柔性指定，以及自动生成含探测器标注的Stim电路，确保与现有仿真及解码管线无缝对接，这些对工程实现提出了严峻挑战。

常用场景

经典使用场景

FTPrimitiveBench作为面向硬件驱动噪声模型的逻辑计算基准测试套件，在量子纠错研究中扮演着核心角色。其最经典的用途在于系统评估表面码逻辑原语——包括逻辑存储、横向阿达马门、晶格手术及相位门——在不同偏差噪声条件下的性能表现。通过内置的Pauli偏差、测量偏差以及空间/时空非均匀噪声族，研究人员得以在统一框架下比较相同硬件假设下不同逻辑原语的错误率行为，从而揭示噪声结构与电路实现之间的微妙相互作用。这一标准化benchmarking方法为学界提供了一个可复现、可扩展的研究平台，使得跨噪声模型、跨原语的公平对比成为可能。

解决学术问题

该数据集解决了量子纠错领域中一个长期存在的学术难题：如何在噪声模型高度异构和不对称的现实硬件条件下，准确评估逻辑原语的性能。传统均匀去极化噪声模型因其同质性假设，无法捕捉物理硬件中普遍存在的Pauli偏差、测量误差主导以及时空非均匀性等复杂特征。FTPrimitiveBench通过引入灵活的噪声模型接口和四层粒度参数分配机制，使研究者能够在受控条件下分离出不同噪声结构对逻辑错误率的影响。其揭示的关键发现——如横向阿达马门在偏差噪声下会中和几何优化带来的优势，以及晶格手术在测量偏差环境下需要重新优化轮数——深刻改变了学界对量子纠错协议设计的理解，推动了从均匀噪声假设向硬件感知模型的范式转变。

衍生相关工作

FTPrimitiveBench的提出催生了一系列重要的衍生研究工作。在解码器领域，其评估结果直接推动了相关最小权重完美匹配解码器与不相关变体之间的系统对比，揭示了噪声结构如何影响解码策略的选择。在电路生成层面，它与tqec等设计自动化框架形成了上下游互补关系——后者将高端拓扑计算编译为Stim电路，而FTPrimitiveBench则为这些电路注入结构化噪声。此外，该benchmark套件为FTCircuitBench等更上层的算法级benchmark提供了原始层支撑，使得从逻辑原语到算法应用的跨层级噪声影响分析成为可能。这些工作共同构成了一个从噪声建模、电路生成到解码优化和算法评估的完整生态系统，显著推进了容错量子计算的可复现性与可扩展性研究。