强化科学表格的助剂&图形分析
Anagent For Enhancing Scientific Table & Figure Analysis
专题配图图片仅供信息参考图片仅供参考版权归原作者摘要
Arxiv：2602.10081v3公告类型：替换-交叉摘要：在科学研究中，分析需要准确解释复杂的多通道知识，整合来自不同来源的证据，并从特定领域的知识中提取推理。然而，目前的人工智能(AI)系统难以始终如一地展示这种能力。科学表格和图形的复杂性和多变性，再加上结构的异构性和长上下文的要求，给科学表格和图形分析带来了根本的障碍。为了量化这些挑战，我们引入了AnaBch，这是一个大规模基准，具有来自九个科学领域的63,178美元的实例，系统地按七个复杂性维度分类。为了应对这些挑战，我们提出了Anagent，一个多智能体框架，通过四个专门的智能体来增强科学表格和图形分析：规划者将任务分解为可操作的子任务，专家通过有针对性的工具执行检索特定任务的信息，求解器综合信息生成连贯的分析，批评者通过五维质量评估进行迭代求精。我们进一步开发模块培训策略，利用监督精调和专门的强化学习来优化个人能力，同时保持有效的协作。对170个子域的综合评估表明，Anagent在无训练环境下取得了显著的改进，在无训练环境下达到了13.43美元，在优化后达到了42.12美元，同时揭示了面向任务的推理和上下文感知的问题解决对于高质量的科学表格图形分析是必不可少的。我们的项目页面：https://xhguo7.github.io/Anagent/.
原始资料
arXiv cs.AI · 中文编译
查看来源原文 产品参数、测试条件及最新修订以来源原文为准。