INDIBATOR: Diverse en Feitelijk Onderbouwde Individualiteit voor Multi-Agent Debat in Moleculaire Ontdekking
INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery
February 2, 2026
Auteurs: Yunhui Jang, Seonghyun Park, Jaehyung Kim, Sungsoo Ahn
cs.AI
Samenvatting
Multi-agent systemen zijn naar voren gekomen als een krachtig paradigma voor het automatiseren van wetenschappelijke ontdekkingen. Om het gedrag van agenten in een multi-agent systeem te differentiëren, wijzen huidige raamwerken doorgaans generieke, op rollen gebaseerde persona's toe, zoals 'beoordelaar' of 'schrijver', of vertrouwen ze op grofkorrelige, op trefwoorden gebaseerde persona's. Hoewel functioneel, vereenvoudigt deze aanpak hoe menselijke wetenschappers werken, wiens bijdragen worden gevormd door hun unieke onderzoeksloopbanen. Als antwoord hierop stellen we INDIBATOR voor, een raamwerk voor moleculaire ontdekking dat agenten grondvest in geïndividualiseerde wetenschappersprofielen, opgebouwd uit twee modaliteiten: publicatiegeschiedenis voor uit de literatuur afgeleide kennis en moleculaire geschiedenis voor structurele prior knowledge. Deze agenten nemen deel aan een multi-turn debat door fasen van voorstel, kritiek en stemming. Onze evaluatie toont aan dat deze fijnmazige, op individualiteit gebaseerde agenten consequent beter presteren dan systemen die vertrouwen op grofkorrelige persona's, waarbij ze competitieve of state-of-the-art prestaties behalen. Deze resultaten valideren dat het vastleggen van het 'wetenschappelijke DNA' van individuele agenten essentieel is voor hoogwaardige ontdekkingen.
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.