Agents-K1：迈向智能体原生知识编排

Agents-K1: Towards Agent-native Knowledge Orchestration

arXiv: 2606.13669v1

论文信息

标题: Agents-K1: Towards Agent-native Knowledge Orchestration

作者: Zongsheng Cao, Bihao Zhan, Jinxin Shi, et al.

发布日期: 2026-06-11

arXiv ID: 2606.13669v1

PDF 链接: 下载 PDF

3 分钟速览

  • 研究问题：现有大语言模型研究代理（Research Agent）虽已有智能体编排，但严重缺乏面向科学推理的结构化知识编排。论文标题和摘要表面化、引用关系扁平化，无法捕捉论文中的实体、主张、证据、机制和方法谱系，难以支持可靠推理。

  • 核心方法：提出 Agents-K1，一套端到端知识编排管线，将原始文档转化为智能体原生（agent-native）多模态科学知识图谱。主要包含三个阶段：(1) 基于 MinerU 的全论文多模态解析与五模块模式定义；(2) 通过 GRPO 与基于规则的奖励训练一个 4B 参数信息抽取骨干模型；(3) 提供融合网络搜索、多模态图谱检索和跨文档遍历的 三源智能体 CLI 工具。

  • 关键结果：在 FrontierScience-Research 基准上，Agents-K1 将 Gemini-3 的整体准确率从 7.9% 提升至 24.6%，将 GPT-5.2 从 25.2% 提升至 39.4%（见表 6）。在多跳问答数据集 HotpotQA、2WikiMultiHopQA 和 MuSiQue 上，该框架达到最优水平（见表 7）。

  • 主要局限：信息抽取骨干模型在关系抽取任务上仍明显落后于 32B 参数的开源模型（见表 8），尤其在 CoNLL04 数据集上差距达 15.9 F1；跨领域构建知识图谱依赖冷启动的技能库积累与少量人工标注；构建 240 余万篇论文的知识图谱需大规模计算资源。

  • 适合读者：从事 AI 辅助科学研究、智能体系统、知识图谱、检索增强生成、信息抽取、多模态文档理解的研究者与工程师，以及对 “科学知识基础设施如何构建” 感兴趣的项目负责人。

论文背景和研究动机

当前基于 LLM 的研究代理已从原型走向实际部署。像 AI-Scientist、InternAgent 和 AI Co-Scientist 等系统已能在单次流程中自动完成实验规划、文献检索、代码撰写与论文起草。这些系统的能力依赖两个核心支柱：智能体编排（agent orchestration，即智能体如何规划与行动）和知识编排（knowledge orchestration，即智能体用哪些知识、这些知识如何组织）。

论文指出，现有工作主要聚焦前者，而知识基础设施存在三大核心缺陷：

  1. 现代图谱增强检索管线（如 LightRAG、HippoRAG、GraphRAG 等）大多构建通用的纯文本三元组，实体、主张、机制和方法链接仍埋没在全文中；图、表和公式被降级为标题。
  2. 学术引用图谱仅使用扁平的 cites 边，无法区分 “扩展方法”“挑战主张” 还是 “仅引为基线”。
  3. LLM 研究代理常在运行时读取原始 PDF 或简短摘要，每次查询都重新抽取，难以将回答追溯到确切证据。

因此，论文提出一种新的设计目标：智能体原生知识编排（agent-native knowledge orchestration），要求：(1) 覆盖全论文，将文本、图、表、公式视为互联证据；(2) 将科学内容转化为分类知识（实体、主张、机制、方法链接等）；(3) 支持可审计的检索，使代理能将每个结论追溯到图节点标识符与确切证据。

核心方法和技术细节

Agent-K1 架构分为三层：

KG 层：全论文多模态解析与知识图谱构建

该层将 PDF 论文分解为统一的内容单元，每个单元携带模态类型（文本、图、表、公式）、原始内容和结构元数据（章节层级、页位置）。在此基础上引入语义锚（semantic anchor），一种模态无关的中间表示，作为跨模态实体的稳定桥梁，避免脆弱的跨模态实体对齐（即不强制直接匹配不同模态间的同名实体）。

论文定义了五模块知识图谱模式：

  • 模块 A（元/事实实体）：规范化的元数据，支持去重与溯源追踪。
  • 模块 B（显式提及实体）：任务、方法、数据集、指标等具体对象，通过受控词表和嵌入实体链接纳入本体。
  • 模块 C（隐式/抽象实体）：通过修辞角色标注与篇章分析，抽取问题定义、贡献、假设、发现、机制、局限等高层知识。
  • 模块 D（引用关系）：编码引用的强弱、论证效果（支持/对比/扩展），并提供精细证据。
  • 模块 E（实体间知识关系）：将模块 B、C 中的粗粒度知识提炼为细粒度三元组，分为受控关系（与方法、任务空间明确对齐）和开放关系（因果、组成、比较、领域结构四个语义区）。

LLM 层：强化学习抽取骨干

论文没有依赖通用指令模型，而是训练一个紧凑的 4B 参数模型（以 Qwen3-4B-Instruct 为基座），使用 GRPO（Group Relative Policy Optimization）与基于规则的奖励进行优化。奖励由三部分组成：格式合规（0.2）、JSON 有效性（0.1）和任务条件 F1（0.7，分 NER、关系抽取、结构化抽取三种计算方式）（见第 5.2 节）。训练在单台 8 GPU 节点上约 1 小时完成。

CLI 层：GraphAnything 与三源融合检索

该层将图谱转化为可执行的研究工具。三源融合机制包含：

  1. 网络搜索（涵盖 arXiv、Semantic Scholar 等），按标题和摘要的密集嵌入相似度排序。
  2. 多模态图谱检索，通过混合密集嵌入相似度与词汇匹配定位语义锚，并返回原图裁剪、表格序列化等载荷。
  3. 知识网络遍历，支持引用谱系重建、基线对比检索、空白检测等确定性图操作。

融合阶段使用加权 TopK 选择，并由轻量意图分类器动态调整权重（例如，对 “近因” 问题增加网络搜索权重，对 “比较” 问题增加图遍历权重）。

创新点和贡献

论文提出了多项系统级创新：

  1. 首个智能体原生的统一知识编排管线。Agents-K1 将知识图谱、LLM 抽取骨干和 CLI 工具整合为单一框架，使知识基础设施从 “供人阅读” 转变为 “供代理推理”。

  2. 百万级全论文多模态知识图谱。论文利用该管线处理 6 个学科（计算机科学、化学、生物学、地球科学、物理学、材料学）共 246 万篇论文，构建 Scholar-KG，并发布 100 万篇的子集。

  3. 低成本高竞争力的抽取骨干。通过仅 1 小时 GRPO 训练的 4B 模型，在 NER 任务上超越 8B 开源模型、匹配 32B 基准，为大规模抽取提供了可负担的方案（见表 9）。

  4. 理论支撑的设计选择。论文以三个命题形式化论证了 “稳定标识符优势” 与 “多视图联合检索严格优于单一二元投影” 的原则（见第 4.5 节及附录 B），从而为架构设计提供理性基础。

  5. 面向任意文档的扩展（General-KG）。通过六种视图模式（二元图、n 元超边、时序图等）和 YAML 声明式冷启动，使得同一管线无需修改权重就能适配医疗、法律、金融等垂直领域。

实验结果分析

跨领域知识抽取性能（见表 4）： 在 6 个学科各 100 篇论文上，Agents-K1 的整体平均 F1 在 79.07%（物理学）至 87.11%（计算机科学）之间。模块 C（隐式实体）表现最稳健（F1 几乎均 >90%），说明框架对论文 “科学本质” 的捕捉较好。模块 E（知识关系）方差最大，从物理学的 70.54% 到 CS 的 89.33%，反映出不同学科对方法关系的公开报告习惯差异。

科学推理能力验证（见第 7.4 节及表 5、表 6）：

  • 在地球科学研究问答中，加入 Agents-K1 的 Gemini-3 在 “研究问题” 上的推理论证准确率从 52.3% 升至 69.5%。
  • FrontierScience-Research 基准上更强：Gemini-3 整体准确率从 7.9% 跃升至 24.6%，GPT-5.2 从 25.2% 升至 39.4%。这种增益在物理学领域尤为明显（GPT-5.2 从 9.0% 升至 46.7%），说明外部结构化证据对参数知识缺口大的领域帮助更大。

通用多跳问答（见表 7）： 在 HotpotQA、2WikiMultiHopQA 和 MuSiQue 上对比 12 个基线，Agents-K1 在 GPT 判定准确率上均取得最高分（如 2WikiMultiHopQA 达 64.80%）。关键观察是：多数图基线在 MuSiQue 上性能大幅下降（LightRAG 仅 28.60%），而 Agents-K1 仍维持在 36.20%，显示出其层级图谱结构对长程、松散连接证据的桥接能力更强。

信息抽取骨干对比（见表 8、表 9）： 4B 训练后的模型在全部 10 个基准上超越其 4B 基座，在 8/10 上超越 8B 开源基线，并在 NER 任务上以 0.7280 F1 超越 32B 基线（0.7059 F1）。不足在于关系抽取仍落后 32B 基线约 9 F1 分，是后续优化重点。

实践建议

对于有意在学术文献或专业文档上部署知识增强系统的团队，可参考以下实践路线：

  1. 从论文全文解析入手。除非目标仅为论文检索，否则应避免仅依赖标题和摘要。采用 MinerU 或同类 PDF 解析工具获取文本、图、表、公式的完整证据及其空间位置关系，为下游推理提供细粒度溯源依据。

  2. 引入稳定标识符系统。在构建知识图谱时，为每篇论文、每个实体分配全局唯一 ID，避免以名称字符串为连接键。论文的理论分析表明，这可将多源连接从 Ω(∣Vu∣⋅∣Vv∣)\Omega(|\mathcal{V}_u|\cdot|\mathcal{V}_v|) 降低到 O(∣K∣)\mathcal{O}(|K|)（见命题 1），且可防止同名实体错误合并。

  3. 训练小型专业 IE 模型而非依赖通用大模型。若需规模化运行（数十万篇以上），在某个 4B–8B 开源基座上使用 GRPO 与规则化奖励微调数小时，可显著降低推理成本，同时在 NER 任务上逼近 32B 模型的水平。数据集可采用 IEPile 等公开英语 IE 数据混合，叠加目标领域的少量标注。

  4. 在 CLI 层融合多源信息。纯网络搜索时效性好但结构化不足，纯图遍历精确但覆盖面受限于构建快照期。论文给出的加权融合方程与意图路由策略（见第 6.1 节，默认权重为网络 0.30、图谱 0.40、知识网络 0.30，可在特定意图下动态调整）可作为直接参照。建议在首次上线时将其作为可调超参数，通过 A/B 测试确定最优配比。

  5. 善用确定性图算子代替 LLM 重推理。像 “根据某个数据集查询所有被评估的方法及度量值” 这类重复性需求，通过预定义的图查询（如 O3 比较基线检索）一次完成，避免对每篇候选论文重复调用 LLM。论文的 CLI 工具表（表 2）列出了可直接使用的命令集。

  6. 为新领域准备冷启动技能库。若要将知识图谱扩展到非学术语料，遵循 General-KG 的 YAML 模板定义实体与关系类型，并从 10–20 份人工标注文档中提取稳定抽取模式，即可在不更新模型权重的前提下完成最初的垂直迁移（见第 4.3 节冷启动循环）。

总体而言，Agents-K1 提供的不是一个静态数据集，而是一套完整的知识编排机制与工具组合，适合希望将科学文献从 “需要再处理的原材料” 转化为 “可直接被智能体消费的结构化知识” 的组织。