技能合約代理用於基於證據的材料文獻分析

材料科學文獻分析需要同時關注成分、加工、表徵和效能之間的關係，然而傳統的檢索增強生成流水線難以在單一的檢索-生成架構中協調異構任務。針對這一問題，研究人員提出了AlphaAgent，一個技能驅動的代理框架，透過明確的技能合約將基於檢索的問答與論文級報告生成分離開來。

AlphaAgent的核心創新在於其專門化的技能設計。檢索技能負責將使用者請求轉化為材料特定的搜尋意圖，查詢一個包含來自《期刊引證報告》冶金與冶金工程類別超過30萬篇論文的精選索引。當初始證據不足時，該技能能夠自動重新表述查詢，以確保獲取最相關的資訊。報告生成技能則解析全文PDF，生成結構化的單篇論文分析報告以及跨論文的總結摘要。這種任務分離使得每個技能都能專注於其專長領域，提高了整體效能。

為了驗證AlphaAgent的有效性，研究團隊進行了一項盲評實驗，涉及40個材料科學問題，其中一半需要深度分析推理。結果顯示，AlphaAgent在多個指標上大幅超越了使用相同底層模型、文件索引和檢索規模的基線系統，尤其是在機制解釋和可信度邊界意識方面取得了最大改進。這些結果表明，明確的任務分離、精細化的檢索意圖和基於證據的生成能夠顯著提升基於大語言模型的材料文獻分析能力。

AlphaAgent的提出為材料科學領域的自動化文獻分析提供了新的思路。透過技能合約的設計，它不僅提高了檢索的準確性和報告的質量，還為其他科學領域的文獻分析提供了可借鑑的框架。未來，研究團隊計劃進一步擴充套件技能集，以應對更復雜的多步推理任務。該論文已於2026年5月10日提交至arXiv，幷包含9頁正文和5張圖表。