arXiv cs.CL· Xiangru Tang, Wanghan Xu, Yujie Wang, Zijie Guo, Daniel Shao, Jiapeng Chen, Cixuan Zhang, Ziyi Wang, Lixin Zhang, Guancheng Wan, Wenlong Zhang, Lei Bai, Zhenfei Yin, Philip Torr, Hanrui Wang, Di Jin·· 3 天前AI 评分37
Eigen-Agent：基于 Monitor RAG 的自适应多智能体科学推理框架
Eigen-Agent: Adaptive Multi-Agent Scientific Reasoning with Monitor-Based RAG
AI 导读
Eigen-Agent 在 Humanity's Last Exam Bio/Chem Gold 上达到 48.3% 准确率，超过最强智能体基线 13.4 分、领先前沿 LLM 最多 18.1 分，同时减少 53.5% token 用量和 43.7% 智能体步骤。
正文 · AI 翻译
作者：Xiangru Tang、Wanghan Xu、Yujie Wang、Zijie Guo、Daniel Shao、Jiapeng Chen、Cixuan Zhang、Ziyi Wang、Lixin Zhang、Guancheng Wan、Wenlong Zhang、Lei Bai、Zhenfei Yin、Philip Torr、Hanrui Wang、Di Jin
摘要：大语言模型（LLM）近期在科学推理方面取得了显著进展，但仍存在两大瓶颈。第一，显式检索会打断推理过程，带来额外的 token 和步骤的隐性“工具税”。第二，多智能体流水线往往通过对所有候选答案取平均而稀释了优质解。我们通过一个统一框架来应对这些挑战，该框架结合了隐式检索与结构化协作。其基础是一个基于 Monitor 的检索模块，在 token 级别运行，以对推理的最小干扰整合外部知识。在此基础之上，分层解精炼（HSR）迭代地将每个候选答案指定为锚点，由其同伴进行修复，而质量感知迭代推理（QAIR）则根据解的质量调整精炼过程。在 Humanity's Last Exam (HLE) Bio/Chem Gold 上，我们的框架达到了 48.3% 的准确率——为迄今报道的最高水平，超过最强的智能体基线 13.4 分，领先前沿 LLM 最多 18.1 分，同时将 token 使用量减少 53.5%，智能体步骤减少 43.7%。在 SuperGPQA 和 TRQA 上的结果证实了其跨领域的稳健性。错误分析表明，推理失败与知识缺口在超过 85% 的案例中同时出现，而多样性分析揭示了一个明显的二分法：检索任务受益于解的多样性，而推理任务则倾向于共识。总之，这些发现展示了隐式增强与结构化精炼如何克服显式工具使用和统一聚合的低效。代码可在 this https URL 获取。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2509.21193 [cs.CL] |
| （或 arXiv:2509.21193v2 [cs.CL] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2509.21193 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Xiangru Tang [查看邮箱]
[v1]
2025年9月25日星期四 14:05:55 UTC（2,329 KB）
[v2]
2026年10月14日星期三 02:24:00 UTC（1,009 KB）
来源：arXiv cs.CL · arxiv.org