Agents-K1: Towards Agent-native Knowledge Orchestration
作者: Zongsheng Cao, Bihao Zhan, Jinxin Shi, Jiong Wang, Fangchen Yu, Zhijie Zhong, Zijie Guo, Tianshuo Peng, Zhuo Liu, Yi Xie, Xiang Zhuang, Yue Fan, Runmin Ma, Shiyang Feng, Xiangchao Yan, Anran Liu, Peng Ye, Wenlong Zhang, Shufei Zhang, Chunfeng Song, Fenghua Ling, Jie Zhou, Liang He, Bo Zhang, Lei Bai
分类: cs.AI
发布日期: 2026-06-12
💡 一句话要点
提出Agents-K1以解决科学知识编排不足的问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 知识编排 科学推理 信息提取 多模态解析 知识图谱 大规模语言模型 文献分析
📋 核心要点
- 现有的研究代理在科学知识编排方面存在不足，常常忽略关键的科学推理要素。
- Agents-K1通过一个多模态解析器和信息提取骨干网络，构建代理原生的科学知识图谱。
- 实验结果表明，Agents-K1在科学信息提取和知识图谱构建方面表现优异，显著提升了多跳推理能力。
📝 摘要（中文）
当前基于大规模语言模型的研究代理在代理编排方面取得了进展，但在科学知识编排上仍存在较大不足。现有研究通常将论文简化为摘要、表面提及和简单引用，忽略了科学推理所需的关键实体、主张、证据、机制和方法沿革。为此，本文提出了Agents-K1，一个端到端的知识编排管道，将原始文档转换为代理原生的科学知识图谱。Agents-K1整合了三个组件，基于统一的理论基础，能够全面捕捉论文中的实体、多模态证据、引用及类型化的实体间关系。通过处理246万篇科学论文，生成了Scholar-KG，并发布了一百万篇论文的子集，展示了在科学信息提取、知识图谱构建和多跳科学推理方面的优越性能。
🔬 方法详解
问题定义：本文旨在解决现有科学知识编排方法中对关键实体和证据的忽视问题，现有方法往往简化为摘要和表面引用，缺乏深度的科学推理支持。
核心思路：Agents-K1的核心思路是通过一个多模态解析器和信息提取骨干网络，全面捕捉科学论文中的重要信息，构建一个丰富的知识图谱，以支持更复杂的科学推理。
技术框架：Agents-K1的整体架构包括三个主要模块：多模态解析器、信息提取骨干网络和图形接口。解析器负责从论文中提取实体和证据，信息提取网络则在规则奖励下进行训练，图形接口则统一了网络搜索和图谱检索。
关键创新：Agents-K1的关键创新在于其多模态解析器的五模块架构，能够全面捕捉论文中的信息，而不仅限于摘要部分，这与现有方法形成了鲜明对比。
关键设计：在信息提取骨干网络中，采用了基于规则的奖励机制进行训练，确保提取的准确性和有效性，同时设计了适应多模态数据的网络结构，以支持不同类型的信息融合。
🖼️ 关键图片
📊 实验亮点
在实验中，Agents-K1在科学信息提取和知识图谱构建方面表现出色，超越了现有基线，尤其在多跳科学推理任务中，性能提升显著，展示了其在处理复杂科学问题上的潜力。
🎯 应用场景
该研究的潜在应用领域包括科学研究、文献管理和智能问答系统。通过构建丰富的科学知识图谱，Agents-K1能够为研究人员提供更深入的文献分析和推理支持，提升科研效率和创新能力。未来，该方法还可以扩展到其他领域的知识编排和数据合成。
📄 摘要（原文）
Current LLM-based research agents have advanced through agent orchestration, yet largely overlook scientific knowledge orchestration. Existing works often reduce papers to abstracts, surface mentions, and flat \texttt{cites} edges, omitting key entities, claims, evidence, mechanisms, and method lineages essential for scientific reasoning. To this end, we introduce \textbf{Agents-K1}, an end-to-end knowledge orchestration pipeline that converts raw documents into agent-native scientific knowledge graphs. Agents-K1 integrates three components under a unifying theoretical foundation: a multimodal parser whose five-module schema captures entities, multimodal evidence, citations, and typed inter-entity relations across the full paper rather than abstracts alone; a 4B information-extraction backbone trained with GRPO under a rule-based reward; and a graphanything CLI, a tri-source agent interface that unifies web search, multimodal graph retrieval, and cross-document traversal. On top of this, we process 2.46 million scientific papers across six subjects to produce \textbf{Scholar-KG}, of which we release a one-million-paper subset, and the full Scholar-KG is accessible via the SCP link below. The same pipeline can be extended to general-domain corpora and to schema-conformant data synthesis. Extensive experiments demonstrate that Agents-K1 achieves superior performance in scientific information extraction, knowledge graph construction, and multi-hop scientific reasoning.