Agents-K1: Towards Agent-native Knowledge Orchestration
作者: Zongsheng Cao, Bihao Zhan, Jinxin Shi, Jiong Wang, Fangchen Yu, Zhijie Zhong, Yingnan Han, Zijie Guo, Tianshuo Peng, Zhuo Liu, Yi Xie, Xiang Zhuang, Shengji Tang, Yue Fan, Runmin Ma, Shiyang Feng, Xiangchao Yan, Anran Liu, Peng Ye, Wenlong Zhang, Xiaosong Wang, Shufei Zhang, Chunfeng Song, Fenghua Ling, Jie Zhou, Liang He, Bo Zhang, Lei Bai
分类: cs.AI
发布日期: 2026-07-20
💡 一句话要点
提出Agents-K1以解决科学知识编排不足问题
🎯 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 大型语言模型 文献分析
📋 核心要点
- 现有方法在科学知识编排上存在显著不足，未能有效捕捉关键实体和推理所需的信息。
- 论文提出Agents-K1，通过多模态解析器和信息提取网络，将原始文档转化为科学知识图谱。
- 实验结果显示，Agents-K1在信息提取和知识图谱构建方面优于现有方法，提升显著。
📝 摘要（中文）
当前基于大型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、机制和方法谱系。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：一个多模态解析器、一个基于规则奖励的4B信息提取骨干网络，以及一个统一的三源代理接口。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。实验表明，Agents-K1在科学信息提取、知识图谱构建和多跳科学推理方面表现优越。
🔬 方法详解
问题定义：论文旨在解决现有科学知识编排方法对重要信息的忽视，尤其是关键实体和推理机制的缺失。现有方法通常仅关注摘要和简单引用，导致科学推理能力不足。
核心思路：Agents-K1的核心思想是构建一个端到端的知识编排管道，能够全面捕捉论文中的关键信息，并将其转化为知识图谱，以支持科学推理。通过多模态解析和信息提取，Agents-K1能够有效整合不同类型的信息。
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三源代理接口。多模态解析器负责从全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，最后三源代理接口实现了对网络搜索和图谱检索的统一。
关键创新：Agents-K1的主要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实体、证据和关系，超越了传统方法的局限。此外，信息提取网络的设计结合了规则奖励机制，提升了提取的准确性。
关键设计：在设计中，信息提取网络采用了4B模型，结合了多种损失函数以优化提取效果。多模态解析器的模块化设计使其能够灵活适应不同类型的文献，确保了高效的信息捕捉和处理。
🖼️ 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，相较于基线方法，其性能提升显著，具体提升幅度达到XX%（具体数据未知）。该方法在246万篇论文的处理上展示了其高效性和准确性。
🎯 应用场景
Agents-K1的研究成果在科学研究、文献分析和知识管理等领域具有广泛的应用潜力。通过构建高质量的科学知识图谱，研究人员可以更高效地进行文献检索、知识发现和科学推理，推动科学研究的进展。此外，该方法也可扩展至其他领域的数据合成与分析。
📄 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.