مقاله‌ی arXiv:2610.18616 · در صف خبرنامه
Knowledge Graphs as Files: An Agent Harness Where Tool Creation and Tool Use Co-Evolve
گراف دانش به شکل فایل: ایجنتی که ابزارهای جست‌وجوی گراف را خودش می‌نویسد و در طول کار بهترشان می‌کند
- تاریخ
- (۲۱ مهر ۱۴۰۵) 2026-10-13 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Yuyang Bai, Yu Wang, Yu Zhang
- نهاد نویسنده‌ها
- Texas A&M University, University of Georgia
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
جست‌وجو در گراف‌های دانش پرمتن یعنی هم دنبال کردن رابطه‌ها و هم بررسی شواهد متنی؛ مثلاً «مقاله‌هایی از نویسندگان دانشگاه X درباره‌ی موضوع Y که به مقاله‌ی Z ارجاع داده‌اند». رابط‌های ازپیش‌تعریف‌شده‌ی گراف، دسترسی ایجنت به شواهد را محدود می‌کنند، حتی وقتی ایجنت کد می‌نویسد تا فراخوانی‌های ابزار را ترکیب کند.
روش
در هارنس DKGI، ایجنت‌ها مستقیم روی فایل‌های کامل گره‌ها و یال‌ها ابزار دسترسی به گراف می‌سازند. ایجنت کد پایتون می‌نویسد تا رابطه‌ها را دنبال کند، مجموعه‌ی گره‌ها را ترکیب کند و شواهد متنی را انتخاب کند، و اجرای کد را با جست‌وجو در شل و بازرسی فایل‌ها درمی‌آمیزد. این‌طور می‌تواند مجموعه‌های بزرگ گره را یکجا پردازش کند و فقط متن انتخاب‌شده را به مدل برگرداند. بازخورد اجرا ساخت و اصلاح ابزارها را هدایت می‌کند و ابزارهای در حال تکامل تعیین می‌کنند ایجنت بعد چه شواهدی جمع کند.
یافته‌ها
- روی دیتاست‌های STaRK در سه حوزه، DKGI بدون آموزش و حتی با هارنس حداقلی، در هر گراف دست‌کم ۶٫۷ امتیاز Hit@۱ از قوی‌ترین روش منتشرشده بهتر بود.
- آزمایش‌های کنترل‌شده نشان داد برنامه‌نویسی چندنوبتی از دسترسی فقط با شل و از ابزارهای ازپیش‌تعریف‌شده‌ی گراف بهتر است.
- مسیرهای اجرا نشان داد ایجنت‌ها کدشان را برای گسترش جست‌وجو یا رفع خطا بازنویسی می‌کنند.
محدودیت‌ها
نویسنده‌ها می‌گویند ارزیابی فقط سه گراف پرمتن STaRK را پوشش می‌دهد (حداکثر ۱۰ نوع موجودیت و ۱۸ نوع رابطه)؛ بنچمارک‌های دیگر، گراف‌هایی با طرح‌واره‌ی بزرگی مثل ویکی‌دیتا و سؤال‌های تجمیعی آزموده نشده‌اند.
چرا مهم است
این همان درسی است که ایجنت‌های کدنویسی در ترمینال نشان داده‌اند: به جای چند ابزار محدود، دسترسی مستقیم به داده و اجازه‌ی کد نوشتن بده. این‌جا همین ایده جست‌وجو در گراف دانش را بهتر می‌کند.