arXiv cs.MA· Juan Diego Toscano, Zhaojie Chai, George Em Karniadakis·· 11 小时前AI 评分38
GRAFT-ATHENA：面向自主发现与进化数值算法的自我改进智能体团队
GRAFT-ATHENA: Self-Improving Agentic Teams for Autonomous Discovery and Evolutionary Numerical Algorithms
AI 导读
研究者提出 GRAFT（Graph Reduction to Adaptive Factored Trees），将语言模型智能体在科学工作流中的问题—方法映射显式化为可扩展的概率结构，并据此构建自我改进的智能体团队 GRAFT-ATHENA。
正文 · AI 翻译
摘要：语言模型智能体规划、执行并评估科学工作流。然而，指导其选择的问题—方法关系仍是隐式的，因此看似合理的输出可能违背科学问题的假设。我们引入图归约到自适应因子树（GRAFT），它将这一从问题到方法的映射显式化为一个可扩展的概率结构，包含可接受的问题、方法及依赖关系。由于该结构遵循科学语义，来自文档、论文和领域专家的知识可以被编码，而因子化使该结构保持可处理。已编码问题的语义指纹可度量其相似性，因此专业知识和经验能够引导相关问题。GRAFT 引导的工作流在物理信息学习上超越了已发表的专家基线，重现了血液流变学趋势，预测阿波罗指令舱高超声速载荷与实验的误差在 1.8\% 以内，并为正则化脑血流重建和谱物理信息架构建立了机器校验的误差界。该表示保留了已评估的结果并纳入新方法，使科学知识与经验得以积累。
| 主题： | 机器学习（cs.LG）；多智能体系统（cs.MA）；概率论（math.PR） |
| 引用为： | arXiv:2605.11117 [cs.LG] |
| （或 arXiv:2605.11117v3 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.11117 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Juan Toscano [查看邮箱]
[v1]
2026年5月11日星期一 18:27:01 UTC（15,141 KB）
[v2]
2026年9月15日星期二 01:32:10 UTC（12,182 KB）
[v3]
2026年10月16日星期五 17:10:34 UTC（16,753 KB）
来源：arXiv cs.MA · arxiv.org