論文能不能中？可以用AI提前預(yù)測～

港大黃超教授團隊提出多智能體自動化框架GraphAgent，能自動構(gòu)建和解析知識圖譜中的復(fù)雜語義網(wǎng)絡(luò)，應(yīng)對各類預(yù)測和生成任務(wù)。

GraphAgent通過圖生成、任務(wù)規(guī)劃和任務(wù)執(zhí)行三大核心智能體的協(xié)同運作，融合大語言模型與圖語言模型的優(yōu)勢，成功連接了結(jié)構(gòu)化圖數(shù)據(jù)與非結(jié)構(gòu)化文本數(shù)據(jù)，在文本總結(jié)與關(guān)系建模方面實現(xiàn)了明顯提升。

實驗中，在預(yù)測性任務(wù)（如節(jié)點分類）和生成性任務(wù)（如文本生成）上，GraphAgent均取得突出成果，僅以8B參數(shù)規(guī)模便達到了與GPT-4、Gemini等大規(guī)模封閉源模型相當?shù)男阅芩健?/p>

特別在零樣本學習和跨域泛化等場景中，GraphAgent展現(xiàn)出顯著優(yōu)勢。

有意思的是，團隊將GraphAgent應(yīng)用到了學術(shù)論文評審場景。

在實際投稿流程中，作者往往需要根據(jù)評審意見準備Rebuttal回應(yīng)，而GraphAgent僅基于論文評審意見（Reviews）就能幫助作者更好地評估論文的錄取可能。

GraphAgent長啥樣？

現(xiàn)實世界的數(shù)據(jù)呈現(xiàn)雙重特性：一方面是結(jié)構(gòu)化的圖連接數(shù)據(jù)，另一方面是非結(jié)構(gòu)化的文本與視覺信息。

這些數(shù)據(jù)中蘊含的關(guān)系網(wǎng)絡(luò)也分為兩類：顯式的連接關(guān)系（如社交網(wǎng)絡(luò)互動），以及隱式的語義依賴（常見于知識圖譜）。

這種復(fù)雜性帶來了三大核心挑戰(zhàn)：

• 異構(gòu)數(shù)據(jù)融合：系統(tǒng)需要整合多種形式的信息。以學術(shù)網(wǎng)絡(luò)為例，論文間的引用構(gòu)成了圖結(jié)構(gòu)關(guān)系，而標題、摘要等文本則承載著豐富的語義信息。有效整合這些異構(gòu)信息可支持知識總結(jié)、科學問答等應(yīng)用。
• 多層次關(guān)系理解：實際場景中往往存在多維度的關(guān)聯(lián)。例如電商平臺中，用戶-商品交互構(gòu)成行為圖譜，產(chǎn)品評論則形成語義網(wǎng)絡(luò)。深入理解這些多層關(guān)系有助于提升用戶-商品交互預(yù)測的準確性。
• 任務(wù)多元化：應(yīng)用場景要求系統(tǒng)具備廣泛的處理能力。預(yù)測類任務(wù)包括節(jié)點分類、鏈接推斷等圖分析；生成類任務(wù)涉及圖增強文本生成、知識圖譜問答等。這需要系統(tǒng)能夠靈活適應(yīng)不同任務(wù)特點，并充分利用數(shù)據(jù)中的結(jié)構(gòu)化與語義信息。

為應(yīng)對上述挑戰(zhàn)，研究團隊提出多智能體自動化框架GraphAgent。

該框架通過三大核心智能體的協(xié)同配合，實現(xiàn)了圖結(jié)構(gòu)與語義信息的深度融合，可同時支持預(yù)測型（圖分析、節(jié)點分類）和生成型（文本創(chuàng)作）等多樣化任務(wù)。

其核心架構(gòu)包括：

• 圖生成智能體（Graph Generator Agent）
• 任務(wù)規(guī)劃智能體（Task Planning Agent）
• 任務(wù)執(zhí)行智能體（Task Execution Agent）

三大智能體通過協(xié)同機制緊密配合，融合大語言模型與圖語言模型的優(yōu)勢，有效挖掘數(shù)據(jù)中的關(guān)系網(wǎng)絡(luò)與語義依賴。

下面詳細介紹各個智能體的核心功能：

圖生成智能體

圖生成智能體負責構(gòu)建語義知識圖譜（Semantic Knowledge Graph, SKG），通過創(chuàng)新的雙階段迭代機制實現(xiàn)深層語義信息的提取與整合。

該智能體的工作流程分為兩個核心階段：

知識節(jié)點提取階段

該階段采用自適應(yīng)的分層策略，從非結(jié)構(gòu)化文本中識別多維度的知識實體：

• 通過定制化的系統(tǒng)提示，調(diào)用大語言模型（LLM）處理輸入文本
• 運用迭代式識別技術(shù)，同時捕獲宏觀領(lǐng)域概念（如”Machine Learning”）和微觀技術(shù)細節(jié)（如”Self-Supervised Learning”）
• 基于多輪迭代構(gòu)建層次化知識結(jié)構(gòu)，確保知識體系的完整性與連貫性

知識描述增強階段

這一階段著重提升知識表示的豐富度與準確性：

• 為每個識別的節(jié)點生成詳實的語義描述
• 整合相關(guān)上下文信息，構(gòu)建完整的知識聯(lián)系
• 采用動態(tài)迭代更新機制：i) 將每輪描述作為下輪優(yōu)化的基礎(chǔ)；ii) 持續(xù)深化和拓展知識內(nèi)容；iii) 通過多輪迭代融合，最終形成語義完備的知識圖譜

任務(wù)規(guī)劃智能體

任務(wù)規(guī)劃智能體作為框架的決策核心，通過精密的三階段處理機制完成復(fù)雜任務(wù)的規(guī)劃與分解。

其工作流程包括：

意圖識別與任務(wù)制定

該階段專注于準確理解用戶需求并確定處理策略：

• 深度解析用戶查詢，提取核心意圖
• 將任務(wù)分類為三大類型：預(yù)定義圖預(yù)測（Predictive_predefined），處理已知結(jié)構(gòu)的圖分析；開放圖預(yù)測（Predictive_wild），應(yīng)對未知結(jié)構(gòu)的圖推理；自由生成任務(wù)（Open_generation），執(zhí)行靈活的創(chuàng)作需求。

圖結(jié)構(gòu)標準化處理

此階段實現(xiàn)不同類型圖數(shù)據(jù)的統(tǒng)一表達：

• 運用專業(yè)圖構(gòu)建工具（GBW_Tool）進行結(jié)構(gòu)轉(zhuǎn)換
• 同步處理顯式關(guān)系圖（G_exp）與語義知識圖（G_skg）
• 建立標準化的異構(gòu)圖表示體系，確保處理一致性

圖文特征融合

這一階段著重實現(xiàn)信息的深度整合：

• 結(jié)合預(yù)訓練文本編碼器與圖神經(jīng)網(wǎng)絡(luò)，構(gòu)建雙層編碼體系
• 生成文本語義與圖結(jié)構(gòu)的聯(lián)合表示
• 為下游任務(wù)提供豐富的特征支持，奠定執(zhí)行基礎(chǔ)

圖動作智能體

圖動作智能體是框架的核心執(zhí)行單元，通過創(chuàng)新的三維處理架構(gòu)，實現(xiàn)了任務(wù)的精準執(zhí)行與性能優(yōu)化。

其工作機制包括：

智能化任務(wù)處理機制

針對不同類型任務(wù)采用差異化處理策略：

• 預(yù)測類任務(wù)：設(shè)計專屬系統(tǒng)提示，引導(dǎo)模型進行精準預(yù)測
• 生成類任務(wù)：融合語義知識圖譜，提升文本生成的質(zhì)量與相關(guān)性
• 自適應(yīng)優(yōu)化：根據(jù)任務(wù)特點動態(tài)調(diào)整處理流程，確保執(zhí)行效率

深度圖指令對齊技術(shù)

創(chuàng)新性地實現(xiàn)了多層次的模態(tài)對齊：

• 同類型圖結(jié)構(gòu)對齊：增強模型對特定圖模式的理解能力
• 跨類型知識融合：提升處理異構(gòu)圖關(guān)系的準確性
• 雙向增強機制：顯著提升模型在多樣化場景下的泛化表現(xiàn)

漸進式學習策略

采用先進的課程學習方法：

• 基于難度梯度的任務(wù)編排：從基礎(chǔ)到進階的平滑過渡
• 精細化的訓練序列設(shè)計：確保知識積累的連續(xù)性
• 全方位性能調(diào)優(yōu)：在各類任務(wù)中保持穩(wěn)定的高水平表現(xiàn)

實驗

數(shù)據(jù)集設(shè)置

實驗評估采用了六個各具特色的基準數(shù)據(jù)集，涵蓋了不同場景和任務(wù)類型。

如Table 1所示，這些精心選擇的數(shù)據(jù)集在規(guī)模、結(jié)構(gòu)和應(yīng)用領(lǐng)域等方面展現(xiàn)出顯著差異，為全面驗證框架性能提供了理想的測試基礎(chǔ)。

為全面評估GraphAgent的通用性能，本研究精選了六個具有代表性的基準數(shù)據(jù)集開展系統(tǒng)實驗。這些數(shù)據(jù)集按照任務(wù)特征可劃分為三大類：

結(jié)構(gòu)化圖數(shù)據(jù)集: 采用了兩個經(jīng)典的節(jié)點分類數(shù)據(jù)集IMDB和ACM。其中IMDB數(shù)據(jù)集包含11,616個節(jié)點，ACM數(shù)據(jù)集涵蓋10,942個節(jié)點，這兩個數(shù)據(jù)集都具有清晰的圖結(jié)構(gòu)特征，為評估模型在結(jié)構(gòu)化數(shù)據(jù)處理方面的能力提供了可靠基準。

文本處理數(shù)據(jù)集: 選擇了Arxiv-Papers和ICLR-Peer Reviews兩個具有代表性的數(shù)據(jù)集。Arxiv-Papers構(gòu)建了包含153,555個SKG節(jié)點的語義知識圖，用于評估文檔分類性能；ICLR-Peer Reviews則包含161,592個SKG節(jié)點，專門用于論文錄用預(yù)測任務(wù)，這些數(shù)據(jù)集體現(xiàn)了模型處理復(fù)雜文本及語義關(guān)系的能力。

智能生成數(shù)據(jù)集: 引入了Related Work Generation和GovReport總結(jié)兩個具有挑戰(zhàn)性的數(shù)據(jù)集。Related Work Generation基于多篇論文構(gòu)建，包含875,921個SKG節(jié)點，用于驗證模型的相關(guān)工作生成能力；GovReport包含15,621個SKG節(jié)點，針對長文檔摘要生成任務(wù)，這兩個數(shù)據(jù)集都對模型的生成能力提出了較高要求。

實驗效果分析

結(jié)構(gòu)化數(shù)據(jù)預(yù)測性能分析

為深入評估GraphAgent在結(jié)構(gòu)化圖任務(wù)中的零樣本學習能力，研究團隊設(shè)計了一組的對比實驗。

實驗采用IMDB數(shù)據(jù)集進行模型訓練，分別在1-shot和40-shot兩種低資源場景下驗證模型性能，并在ACM數(shù)據(jù)集的1,000個未見節(jié)點上開展遷移測試，以評估模型的泛化能力。

實驗結(jié)果表明：GraphAgent在所有關(guān)鍵指標上都顯著優(yōu)于當前最先進的圖語言模型HiGPT，平均性能提升超過28%。模型在40-shot設(shè)置下取得了顯著性能提升：Micro-F1和Macro-F1均達74.98%（提升48.5%/63.5%），AUC達80.90%（提升27.2%）。

GraphAgent的卓越性能主要源于三項核心技術(shù)創(chuàng)新：

首先，智能圖生成機制通過自動構(gòu)建語義知識圖譜（SKG）為模型注入豐富的補充信息，顯著增強了復(fù)雜語義關(guān)系的理解能力；

其次，精確的任務(wù)規(guī)劃機制使模型能夠準確理解和分解用戶意圖，并為不同應(yīng)用場景制定最優(yōu)執(zhí)行策略；

最后，創(chuàng)新性的雙重優(yōu)化策略結(jié)合了圖文對齊和任務(wù)微調(diào)機制，不僅提升了模型的基礎(chǔ)性能，還增強了遷移學習能力，使模型即使在1-shot等低資源場景下仍能保持穩(wěn)定的高性能表現(xiàn)。

語義理解能力分析

為深入評估GraphAgent在復(fù)雜語義關(guān)系處理方面的性能，研究團隊基于兩個典型數(shù)據(jù)集開展了系統(tǒng)實驗：利用Arxiv-Papers數(shù)據(jù)集進行論文分類驗證，并通過ICLR-Peer Reviews數(shù)據(jù)集測試論文錄用預(yù)測能力。

通過嚴格的實驗評估，GraphAgent在處理隱式語義依賴關(guān)系時展現(xiàn)出如下突出優(yōu)勢：

實驗結(jié)果凸顯了GraphAgent的三大核心優(yōu)勢：

在參數(shù)規(guī)模優(yōu)化方面，僅有8B參數(shù)的GraphAgent憑借其獨特的語義知識圖譜架構(gòu)，成功實現(xiàn)了對復(fù)雜語義依賴關(guān)系的精準把握，通過多層次語義信息的局部與全局整合，在各項評估指標上顯著超越了Llama3-70b和Qwen2-72b等大規(guī)模模型，平均性能提升達31.9%。

在泛化能力表現(xiàn)上，GraphAgent展現(xiàn)出卓越的跨任務(wù)學習潛力。其多任務(wù)版本GraphAgent-General在Arxiv-Papers數(shù)據(jù)集的表現(xiàn)甚至優(yōu)于專門優(yōu)化的單任務(wù)版本。

特別值得注意的是，8B規(guī)模的GraphAgent在零樣本場景下也能達到Deepseek-Chat-V2等大型閉源模型的性能水平。

在架構(gòu)效率方面，GraphAgent通過創(chuàng)新性地整合語義知識圖譜和結(jié)構(gòu)化知識表示，相比傳統(tǒng)的監(jiān)督微調(diào)方法和GraphRAG系統(tǒng)，不僅顯著提升了模型性能，還有效降低了輸入開銷，同時成功緩解了大語言模型常見的幻覺問題。

文本生成任務(wù)

GraphAgent在圖增強文本生成任務(wù)中展現(xiàn)出卓越表現(xiàn)，通過性能評估、模型對比和架構(gòu)分析三個維度的系統(tǒng)實驗，充分驗證了其突出優(yōu)勢。

基于Llama3-70b和Qwen2-72b的雙重對比驗證表明，GraphAgent在困惑度（PPL）等核心指標上顯著優(yōu)于基線模型。不同于傳統(tǒng)的監(jiān)督微調(diào)（SFT）和GraphRAG方法，GraphAgent通過智能構(gòu)建語義知識圖譜，從根本上提升了模型的推理理解能力，有效解決了常規(guī)微調(diào)和知識注入方法在處理復(fù)雜推理模式時的固有局限。

在架構(gòu)創(chuàng)新和性能對標方面，GraphAgent展現(xiàn)出突出優(yōu)勢。

以GPT-4為評判基準的實驗顯示，GraphAgent相比Llama3-8b和Llama3-70b分別實現(xiàn)了114%和45%的性能提升，在67%的測試案例中領(lǐng)先同等規(guī)模模型，58%的情況下超越主流開源方案。

尤為顯著的是，GraphAgent僅以8B的參數(shù)規(guī)模和極低的計算開銷便達成這些卓越成果，充分驗證了基于語義知識圖譜的架構(gòu)設(shè)計在增強文本生成能力方面的顯著效果。

消融實驗

通過系統(tǒng)化的消融實驗（Ablation Study），研究團隊深入評估了GraphAgent架構(gòu)中三個核心組件的性能貢獻，研究結(jié)果揭示了以下關(guān)鍵發(fā)現(xiàn)：

語義知識圖譜（SKG）的基礎(chǔ)支撐作用：移除SKG組件導(dǎo)致模型性能顯著降低15.2%，充分證實了自動構(gòu)建的語義知識圖譜在提供關(guān)鍵補充信息方面的不可替代性。這一發(fā)現(xiàn)強調(diào)了結(jié)構(gòu)化知識表示對模型整體性能的決定性影響。

圖文對齊機制的重要性：實驗表明，缺失圖文對齊機制造成了最顯著的性能損失，困惑度（PPL）增加達11.282。這突出表明深層次的圖文理解能力對于需要復(fù)雜推理的生成任務(wù)至關(guān)重要，是保障模型高質(zhì)量輸出的關(guān)鍵環(huán)節(jié)。

課程學習策略的優(yōu)化效果：雖然相較其他組件影響相對較小（預(yù)測任務(wù)降低4.0%，生成任務(wù)PPL增加0.503），但課程學習策略的缺失仍對雙任務(wù)性能產(chǎn)生明顯負面影響。這驗證了漸進式學習路徑在優(yōu)化模型訓練效果方面的積極作用。

最后研究團隊透露了他們的未來研究方向，包括：

多模態(tài)能力拓展：計劃將當前框架的處理能力擴展至視覺信息領(lǐng)域，建立支持關(guān)系型數(shù)據(jù)、文本內(nèi)容和視覺元素的綜合處理機制。這一拓展不僅包括多模態(tài)信息的理解與融合，還將重點開發(fā)跨模態(tài)知識表示和生成能力，從而實現(xiàn)更豐富的智能交互場景。特別關(guān)注視覺-文本-關(guān)系的協(xié)同建模，為多模態(tài)智能系統(tǒng)開辟新的研究方向。

模型性能優(yōu)化：致力于提升模型在復(fù)雜現(xiàn)實場景中的泛化表現(xiàn)，重點研究如何在保持或提升性能的同時實現(xiàn)模型壓縮。這涉及創(chuàng)新的模型架構(gòu)設(shè)計、高效的參數(shù)共享機制以及先進的知識蒸餾技術(shù)。同時，將探索計算資源優(yōu)化策略，提高模型在實際部署環(huán)境中的效率，為大規(guī)模應(yīng)用奠定基礎(chǔ)。

應(yīng)用場景擴展：積極探索框架在多個實際領(lǐng)域的落地應(yīng)用，重點關(guān)注科學研究輔助和商業(yè)智能分析等高價值場景。在科研領(lǐng)域，將開發(fā)專門的文獻分析和知識發(fā)現(xiàn)工具；在商業(yè)領(lǐng)域，著重構(gòu)建面向決策支持的智能分析系統(tǒng)。同時，密切關(guān)注新興技術(shù)趨勢，探索在醫(yī)療健康、金融科技等領(lǐng)域的應(yīng)用場景。

項目地址：https://github.com/HKUDS/GraphAgent。
論文鏈接：https://arxiv.org/abs/2412.17029。
實驗室主頁: https://sites.google.com/view/chaoh。