技能合约代理用于基于证据的材料文献分析

材料科学文献分析需要同时关注成分、加工、表征和性能之间的关系，然而传统的检索增强生成流水线难以在单一的检索-生成架构中协调异构任务。针对这一问题，研究人员提出了AlphaAgent，一个技能驱动的代理框架，通过明确的技能合约将基于检索的问答与论文级报告生成分离开来。

AlphaAgent的核心创新在于其专门化的技能设计。检索技能负责将用户请求转化为材料特定的搜索意图，查询一个包含来自《期刊引证报告》冶金与冶金工程类别超过30万篇论文的精选索引。当初始证据不足时，该技能能够自动重新表述查询，以确保获取最相关的信息。报告生成技能则解析全文PDF，生成结构化的单篇论文分析报告以及跨论文的总结摘要。这种任务分离使得每个技能都能专注于其专长领域，提高了整体性能。

为了验证AlphaAgent的有效性，研究团队进行了一项盲评实验，涉及40个材料科学问题，其中一半需要深度分析推理。结果显示，AlphaAgent在多个指标上大幅超越了使用相同底层模型、文档索引和检索规模的基线系统，尤其是在机制解释和可信度边界意识方面取得了最大改进。这些结果表明，明确的任务分离、精细化的检索意图和基于证据的生成能够显著提升基于大语言模型的材料文献分析能力。

AlphaAgent的提出为材料科学领域的自动化文献分析提供了新的思路。通过技能合约的设计，它不仅提高了检索的准确性和报告的质量，还为其他科学领域的文献分析提供了可借鉴的框架。未来，研究团队计划进一步扩展技能集，以应对更复杂的多步推理任务。该论文已于2026年5月10日提交至arXiv，并包含9页正文和5张图表。