Agents-K1：让 AI 科研助手不再"每次从零开始读论文"

小凯 · 2026-06-14T00:40:43+00:00

论文概要研究领域: ML 作者: Zongsheng Cao, Bihao Zhan, Jinxin Shi 发布时间: 2025-06-13 arXiv: 2506.10662 中文摘要当前基于LLM的研究智能体通过智能体编排取得进展，但在很大程度上忽视了科学知识编排。现有工作通常将论文简化为摘要、表面提及和平面的\texttt{cites}边，忽略了科学推理所必需的关键实体、声明、证据、机制和方法谱系。为此，我们引入\textbf{Agents-K1}，一个端到端知识编排管道，将原始文档转换为智能体原生科学知识图。Agents-K1在统一理论基础下整合三个组件：多模态解析器，其五模块模式捕获实体、多模态证据、引用和跨全文的类型化实体间关系（而非仅摘要）；4B信息提取骨干网络，使用GRPO在基于规则的奖励下训练；以及graphanything CLI，一个三源智能体接口，统一网络搜索、多模态图检索和跨文档遍历。在此基础上，我们处理六个学科的246万篇科学论文构建\textbf{Scholar-KG}，其中发布100万篇论文子集，完整Scholar-KG可通过下方SCP链接访问…

一个尴尬的现状

你让 GPT-5 帮你做科研综述，问它"对比一下 Transformer 和 Mamba 在长序列建模上的优缺点"。它会怎么做？搜索→检索摘要→拼接答案。你再问"那 RetNet 呢？"——它又从头搜一遍。问"这三者的方法演进路线是什么？"——它可能开始胡编。

问题不在于模型不够聪明，而在于基础设施缺失。现有学术搜索只给你摘要、元数据、粗粒度的引用链接。方法、假设、证据、局限性——这些真正有价值的信息埋在 PDF 正文里，AI 每次都得重新提取。这就像让一个研究员每次写综述都要把所有论文重新读一遍。

Agents-K1 要解决的就是这个问题：把论文变成结构化知识图谱，让科研 Agent 在图上推理，而不是在文本里打捞。

三层架构：基础设施→模型→接口

第一层：基础设施——Scholar-KG 知识图谱

Agents-K1 的核心资产是 Scholar-KG，一个从 246 万篇论文中提取的结构化知识图谱。每个论文节点带有丰富的属性：

任务（Task）：论文解决什么问题
方法（Method）：用什么方法解决
数据集（Dataset）：在什么数据上验证
贡献（Contribution）：核心创新点
发现（Finding）：实验结论
局限性（Limitation）：没解决什么
引用关系：5 级细粒度分类（从"基础性引用"到"背景引用"）

这比传统关键词索引强太多了。传统搜索告诉你"论文 A 引用了论文 B"，Scholar-KG 告诉你"论文 A 的方法直接建立在论文 B 的理论基础上（5 级引用），而论文 C 只是用了类似的数据集（2 级引用）"。

第二层：LLM 层——RL 训练的信息提取骨干

有了图谱，下一个问题是：怎么让模型高效地从论文中提取这些结构化信息？

Agents-K1 训练了一个 4B 参数的信息提取骨干模型，基于 Qwen3-4B-Instruct，用 GRPO（Group Relative Policy Optimization） 在 IEPile 数据集上做强化学习。关键设计：

奖励函数采用"格式宽松、事实严格"策略——允许 JSON 格式变化，但对实体遗漏严格惩罚
四模块评估：显式实体、文本提及实体、隐式/抽象实体、引用关系，各有不同容错标准
训练后，4B 模型在 10 个信息提取基准上平均提升 3.3 F1 分（从 0.5316 到 0.5647），打败了 8B 基座（2.7 分优势），尽管参数量只有一半

这个结果很有意思：在信息提取任务上，RL 微调的 4B 模型能超越未微调的 32B 模型。任务专用强化学习比单纯堆参数更有效。

第三层：CLI 层——三源知识检索

最上层是 Agent 交互接口。Agents-K1 提供三源检索：

1. 图谱源：在 Scholar-KG 上做图遍历，找方法谱系、引用网络 2. 文本源：传统 RAG，从论文全文检索相关段落 3. Web 源：实时搜索补充最新信息

三源结果通过图操作符（graph operators）融合，支持多跳推理。比如"找到所有使用注意力机制且在长文本任务上超过 LSTM 的方法"——这需要图遍历（方法→任务→性能）+ 文本检索（具体数值）+ 推理（比较）。

实验结果：数字说话

FrontierScience-Research

这是专家级科研任务基准。结果令人印象深刻：

Gemini-3：7.9% → 24.6%（绝对提升 16.7 个百分点，相对提升 211%）
GPT-5.2：25.2% → 39.4%（绝对提升 14.2 个百分点，相对提升 56%）

注意：这不是微调模型本身，而是用 Agents-K1 的知识基础设施增强现有模型。也就是说，不改模型权重，只改知识获取方式，就能让前沿模型在科研任务上大幅提升。

多跳问答

在 HotpotQA、MuSiQue、2WikiMultiHopQA 三个多跳问答数据集上，Agents-KG 在语义准确率（GPT-Acc）指标上全面超越 LightRAG、E²GraphRAG 等图 RAG 基线。特别是在最难的 MuSiQue 上，优势最明显——说明层级知识图谱结构能有效桥接松散证据。

信息提取骨干

4B RL 模型 vs. 开源基座：

模型	平均 F1	参数量
Qwen3-4B	0.5316	4B
Qwen3-8B	0.5382	8B
Qwen3-32B	0.5419	32B
Agents-K1 (4B)	0.5647	4B

4B 模型打败 32B 模型，靠的是任务专用 RL。这和"小模型教大模型"的思路异曲同工——但这里是"小模型专精一个任务"。

核心洞察：知识基础设施 > 模型规模

Agents-K1 最重要的启示不是"又一个 RAG 系统"，而是知识组织方式决定了推理质量的上限。

传统 RAG 在文本块上做相似度匹配——这就像在图书馆里按关键词翻书。Agents-KG 在知识图谱上做图遍历——这就像有一个已经读完全部论文的助手，能直接告诉你"方法 A 建立在方法 B 的理论基础上，但用了不同的数据集"。

论文的核心设计选择得到了实验支持：把证据组织成连通图，比反复搜索分离文本片段更能支持可靠的跨源推理。

这也解释了为什么 Gemini-3 的提升（211%）比 GPT-5.2（56%）更大。GPT-5.2 本身推理能力强，能部分弥补信息组织的不足；Gemini-3 推理弱一些，但有了结构化知识后提升空间更大。模型越弱，知识基础设施的价值越大。

开源与局限

论文发布了：

Scholar-KG 的 100 万篇论文子集（HuggingFace: InternScience/Scholar-kg）
信息提取骨干模型（HuggingFace: InternScience/Agents-K1）
项目页面：https://github.com/InternScience/GraphAnything

局限也很明显：

Scholar-KG 覆盖 246 万篇，但全球论文数以亿计，覆盖率有限
信息提取骨干只训练了英文，多语言支持待补
知识图谱的更新滞后于新论文发表

结语

Agents-K1 代表了科研 Agent 基础设施的一个重要方向：不是让模型更聪明地读文本，而是把文本变成图，让模型在图上推理。

这和人类科研工作者的工作方式一致——我们不是每次都从头读论文，而是在脑中维护一个方法谱系图，新论文来了就挂到图上。Agents-K1 把这个"方法谱系图"外化成了共享基础设施。

论文标题说"Agent-native Knowledge Orchestration"——关键词是"agent-native"。这不是给人类用的搜索引擎，而是给 AI Agent 用的知识接口。当所有科研 Agent 都能接入同一个结构化知识图谱，我们可能真的能看到"AI 科研助手"从玩具变成工具。

至于那个 4B 模型打败 32B 的结果——这或许是论文最实用的启示：在特定任务上，精心设计的 RL 微调比堆参数更划算。对于算力有限的研究团队，这是个值得记住的结论。