Scientific Data MCTS Agent Planning Tool Use
摘要

科学数据集通常呈层级结构且文件异构互联,导致其检查与分析高度依赖领域专家。尽管大语言模型代理在规划与推理方面进展显著,但其在可执行环境中交互真实科学数据的能力常被忽视。本文提出“深度科学数据探索”范式,使代理能导航仓库、解析异构文件并整合证据。为此,我们推出 SciDataSailor 框架,利用蒙特卡洛树搜索(MCTS)合成工具交互轨迹,平衡广泛探索与针对性利用。该框架包含难度分层种子、双重反馈优先机制等四项创新,并构建了用于微调的数据集及涵盖多学科的科学问答评测基准。

AI 推荐理由

论文核心提出基于 MCTS 的规划框架,解决复杂科学数据探索中的任务导航与策略生成问题。

研究机构
上海人工智能实验室
论文信息
作者 Jiyong Rao, Yicheng Qiu, Chi Zhang, Chunfeng Song, Runkai Zhao
发布日期 2026-07-29
arXiv ID 2607.28098
相关性评分 9/10 (高度相关)