INDIBATOR: Vielfältige und faktenbasierte Individualität für Multi-Agenten-Debatten in der Molekülentdeckung
INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery
February 2, 2026
Autoren: Yunhui Jang, Seonghyun Park, Jaehyung Kim, Sungsoo Ahn
cs.AI
Zusammenfassung
Multi-Agent-Systeme haben sich als leistungsstarkes Paradigma für die Automatisierung wissenschaftlicher Entdeckungen etabliert. Um das Verhalten von Agenten in einem Multi-Agenten-System zu differenzieren, weisen aktuelle Frameworks typischerweise generische, rollenbasierte Personas wie „Gutachter“ oder „Autor“ zu oder stützen sich auf grobgranulare, schlüsselwortbasierte Personas. Obwohl funktional, vereinfacht dieser Ansatz die Arbeitsweise menschlicher Wissenschaftler zu stark, deren Beiträge durch ihre einzigartigen Forschungslaufbahnen geprägt sind. Als Antwort darauf schlagen wir INDIBATOR vor, ein Framework für die Molekülentdeckung, das Agenten auf individualisierte Wissenschaftlerprofile gründet, die aus zwei Modalitäten konstruiert werden: Publikationshistorie für literaturbasiertes Wissen und Molekülhistorie für strukturelle A-priori-Informationen. Diese Agenten führen eine Mehrschritt-Debatte durch Phasen des Vorschlags, der Kritik und der Abstimmung durch. Unsere Auswertung zeigt, dass diese feingranularen, auf Individualität basierenden Agenten Systeme mit grobgranularen Personas konsequent übertreffen und wettbewerbsfähige oder state-of-the-art Leistungen erzielen. Diese Ergebnisse bestätigen, dass die Erfassung der „wissenschaftlichen DNA“ einzelner Agenten für hochwertige Entdeckungen entscheidend ist.
English
Multi-agent systems have emerged as a powerful paradigm for automating scientific discovery. To differentiate agent behavior in the multi-agent system, current frameworks typically assign generic role-based personas such as ''reviewer'' or ''writer'' or rely on coarse grained keyword-based personas. While functional, this approach oversimplifies how human scientists operate, whose contributions are shaped by their unique research trajectories. In response, we propose INDIBATOR, a framework for molecular discovery that grounds agents in individualized scientist profiles constructed from two modalities: publication history for literature-derived knowledge and molecular history for structural priors. These agents engage in multi-turn debate through proposal, critique, and voting phases. Our evaluation demonstrates that these fine-grained individuality-grounded agents consistently outperform systems relying on coarse-grained personas, achieving competitive or state-of-the-art performance. These results validate that capturing the ``scientific DNA'' of individual agents is essential for high-quality discovery.