Гетерогенная коллаборация фундаментальных научных моделей

Аннотация

Агентные системы больших языковых моделей продемонстрировали высокие возможности. Однако их зависимость от языка как универсального интерфейса фундаментально ограничивает их применимость ко многим реальным задачам, особенно в научных областях, где для решения специализированных задач, выходящих за рамки естественного языка, были разработаны предметно-ориентированные фундаментальные модели. В данной работе мы представляем Eywa — гетерогенную агентную платформу, предназначенную для расширения языко-ориентированных систем на более широкий класс научных фундаментальных моделей. Ключевая идея Eywa заключается в дополнении предметно-ориентированных фундаментальных моделей интерфейсом логического вывода на основе языковой модели, что позволяет языковым моделям направлять вывод для немодальных данных. Такой подход позволяет прогностическим фундаментальным моделям, которые обычно оптимизированы для специализированных данных и задач, участвовать в процессах логического вывода и принятия решений более высокого уровня в рамках агентных систем. Eywa может использоваться как прямая замена однокомпонентного конвейера (EywaAgent) или интегрироваться в существующие мультиагентные системы путем замены традиционных агентов на специализированные (EywaMAS). Мы также исследуем платформу оркестрации на основе планирования, в которой планировщик динамически координирует традиционные агенты и агенты Eywa для решения сложных задач в гетерогенных модальностях данных (EywaOrchestra). Мы оцениваем Eywa в различных научных областях, включая физические, естественные и социальные науки. Результаты экспериментов показывают, что Eywa повышает производительность на задачах, связанных со структурированными и предметно-ориентированными данными, снижая зависимость от языкового вывода за счет эффективного взаимодействия со специализированными фундаментальными моделями.

English

Agentic large language model systems have demonstrated strong capabilities. However, their reliance on language as the universal interface fundamentally limits their applicability to many real-world problems, especially in scientific domains where domain-specific foundation models have been developed to address specialized tasks beyond natural language. In this work, we introduce Eywa, a heterogeneous agentic framework designed to extend language-centric systems to a broader class of scientific foundation models. The key idea of Eywa is to augment domain-specific foundation models with a language-model-based reasoning interface, enabling language models to guide inference over non-linguistic data modalities. This design allows predictive foundation models, which are typically optimized for specialized data and tasks, to participate in higher-level reasoning and decision-making processes within agentic systems. Eywa can serve as a drop-in replacement for a single-agent pipeline (EywaAgent) or be integrated into existing multi-agent systems by replacing traditional agents with specialized agents (EywaMAS). We further investigate a planning-based orchestration framework in which a planner dynamically coordinates traditional agents and Eywa agents to solve complex tasks across heterogeneous data modalities (EywaOrchestra). We evaluate Eywa across a diverse set of scientific domains spanning physical, life, and social sciences. Experimental results demonstrate that Eywa improves performance on tasks involving structured and domain-specific data, while reducing reliance on language-based reasoning through effective collaboration with specialized foundation models.

Гетерогенная коллаборация фундаментальных научных моделей

Heterogeneous Scientific Foundation Model Collaboration

Аннотация

Support