Agentic-Ideation: 面向科学构思智能体的样本高效智能体轨迹合成
TLDR
提出Agentic-Ideation框架，利用引导式多智能体高效合成轨迹，训练科学构思智能体。
评分理由
The paper addresses the high cost of data synthesis for training agentic LLMs in scientific ideation, introducing a novel oracle-guided strategy. However, the abstract lacks empirical results or real-world validation, and the scope is limited to ideation rather than broader scientific discovery tasks.
Read-first 评分解释
综合优先阅读分 52.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 56。
研究版图角色
前沿论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：42。
关键词评分
深度分析
创新点
- 预言引导的数据合成策略，利用参考思想引导多智能体轨迹生成
- 训练中对工具执行结果进行掩码的策略，聚焦决策逻辑
- 包含外部工具和认知工具的全面工具空间
- Agentic-Ideation框架，结合自动轨迹合成与专用智能体LLM训练
方法
该框架定义了一个包含三个外部工具和三个认知工具的工具空间，然后采用预言引导的数据合成策略，利用参考思想引导多智能体系统重建逻辑推理和工具调用路径，生成有方向的轨迹。随后在这些轨迹上训练智能体LLM，并对工具执行结果采用掩码策略，使模型专注于决策逻辑。
关键结果
该方法在整体质量上比最先进的基于工作流的基线高出11.91%，并将高质量数据合成的样本效率提高了10倍以上。