INDIBATOR: Individualità Diversificata e Basata su Fatti per il Dibattito tra Agenti Multipli nella Scoperta Molecolare

INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery

February 2, 2026

Autori: Yunhui Jang, Seonghyun Park, Jaehyung Kim, Sungsoo Ahn

cs.AI

Abstract

I sistemi multi-agente sono emersi come un paradigma potente per automatizzare la scoperta scientifica. Per differenziare il comportamento degli agenti nel sistema multi-agente, i framework attuali tipicamente assegnano personaggi generici basati su ruoli come "revisore" o "scrittore", oppure si affidano a personaggi granulari basati su parole chiave. Sebbene funzionale, questo approccio semplifica eccessivamente il modo in cui operano gli scienziati umani, i cui contributi sono plasmati dalle loro traiettorie di ricerca uniche. In risposta, proponiamo INDIBATOR, un framework per la scoperta molecolare che basa gli agenti su profili scientifici individualizzati costruiti da due modalità: la cronologia delle pubblicazioni per le conoscenze derivate dalla letteratura e la cronologia molecolare per i priori strutturali. Questi agenti partecipano a dibattiti multi-turno attraverso fasi di proposta, critica e votazione. La nostra valutazione dimostra che questi agenti basati su individualità a grana fine superano costantemente i sistemi che si affidano a personaggi a grana grossa, raggiungendo prestazioni competitive o all'avanguardia. Questi risultati convalidano che catturare il "DNA scientifico" dei singoli agenti è essenziale per una scoperta di alta qualità.

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.