arXiv cs.CL· Markus Fischer, Jens Meiler, Matthias Elgeti·· 11 小时前AI 评分58
MuninAI：面向独立研究组的自托管智能体框架
MuninAI: A Self-Hosted Agentic Framework for Independent Research Groups
AI 导读
MuninAI 是一个开源的自托管科研助手框架，索引研究组自有文献库与引用图，并用带阅读、搜索和计算工具的智能体编排层封装可本地部署的开源权重模型。在 199 个配对文献问题上，该编排层把基座模型准确率从 0.387 提升到 0.874（+0.487，95% CI [0.407, 0.568]），而朴素检索后回答在每个测试基座上都低于无辅助模型。
正文 · AI 翻译
摘要：希望语言模型基于自身文献的研究团队面临一个选择：要么使用会接收其未发表成果的托管服务，要么使用自托管部署，后者将数据保留在本地，但模型无法访问语料库。Munin 是一个开源框架，用于构建自托管的科研助手，它索引团队的语料库及其引用图，并将团队能够部署的任意开放权重模型封装在带有专门阅读、搜索和计算工具的智能体框架中。我们主张，使系统在领域文献上发挥作用的是该框架，而非特定模型，并且我们随软件一同发布了用于检验这一主张的评测套件。
在 199 个配对的文献问题上，该框架使基础模型的准确率提高了一倍多，从 0.387 提升至 0.874（+0.487，95% CI [0.407, 0.568]），而朴素的“先检索后回答”在所有测试的主干模型上得分均低于无辅助模型。在该框架下，与固定 top-5 检索相比，约有两倍的答案论断可追溯到模型自己阅读过的段落。当问题对应的源论文从语料库中移除时，系统在 Qwen 主干模型上对其曾正确回答的问题约有十分之九会弃答，在 gpt-oss-20b 上为十分之八，并且在 300 条伪造参考文献中未产生任何伪造的本地引用。
这一模式在两个开发者的三个主干模型上均成立，其中包括一个可在单块消费级 GPU 上运行的 200 亿参数模型。在禁用所有出站网络访问的情况下，两个 Qwen 主干模型仍超过已发表的 PaperQA2 准确率。评测套件以单条命令运行，因此采用该框架的团队可以在自己的语料库和模型上重新运行它。
| 评论： | 37 页，3 幅图，20 张表。代码、评测套件和评分卡：此 https URL（归档版本 v1.0.0：此 https URL） |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | H.3.3; I.2.7 |
| 引用为： | arXiv:2610.23480 [cs.CL] |
| （或 arXiv:2610.23480v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23480 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Markus Fischer [查看邮箱]
[v1]
2026 年 10 月 16 日星期五 13:56:37 UTC（180 KB）
来源：arXiv cs.CL · arxiv.org