材料科学の文献分析では、組成、加工、特性評価、特性関係に同時に注目する必要がありますが、従来の検索拡張生成パイプラインは、単一の検索・生成アーキテクチャ内で異種タスクを調整するのに苦労していました。この問題に対処するため、研究チームはAlphaAgentを提案しました。これは、明示的なスキル契約を通じて検索ベースの質問応答と論文レベルのレポート生成を分離するスキル駆動型エージェントフレームワークです。
AlphaAgentの中心的な革新は、専門化されたスキル設計にあります。検索スキルはユーザーのリクエストを材料固有の検索意図に書き換え、Journal Citation Reportsの冶金・冶金工学分野から30万件以上の論文を厳選したインデックスを照会します。初期の証拠が不十分な場合、クエリを自動的に再構成して最も関連性の高い情報を取得します。レポート生成スキルは全文PDFを解析し、構造化された論文別分析レポートと論文横断的なサマリーを生成します。このタスク分離により、各スキルが専門分野に集中でき、全体的なパフォーマンスが向上します。
有効性を検証するため、40の材料科学問題（半数は深い分析推論が必要）を用いたブラインド評価を実施しました。結果、AlphaAgentは同一の基盤モデル、文書インデックス、検索規模を使用したベースラインシステムを大幅に上回り、特にメカニズム説明と信頼性境界認識で最大の改善が見られました。これらの結果は、明示的なタスク分離、洗練された検索意図、証拠を考慮した生成が、大規模言語モデルを用いた材料文献分析を改善することを示しています。
AlphaAgentの登場は、材料科学における自動文献分析に新たな道を開きます。スキル契約の設計により、検索の精度とレポート品質が向上しただけでなく、他の科学分野の文献分析にも応用可能な枠組みを提供します。研究チームは今後、より複雑な多段階推論タスクに対応するため、スキルセットの拡張を計画しています。本論文は2026年5月10日にarXivに投稿され、9ページ、5図から構成されています。