摘要
虽然多模态大语言模型（MLLMs）在通用任务中表现出色，但在严格的科学推理方面仍面临挑战，主要源于单一线性规划的局限性。这种顺序设计常常受到视觉-语义错位、长上下文幻觉以及在固定任务粒度下脆弱执行的影响。
我们提出了TopoAgent，一个自我演化的拓扑框架，旨在用动态、状态隔离的图演化取代线性轨迹。TopoAgent首先使用前端分解器将复杂查询拆分为视觉基础的原子。这些原子根据其依赖关系组织成有向无环图（DAG），实现严格的上下文隔离，保护推理引擎免受不相关历史噪声的干扰。
此外，我们引入了自适应原子裂变，当工具能力边界被超越时，动态地将瓶颈节点拆分为更细粒度的子原子。通过在数学、物理和化学基准测试中的广泛实验，TopoAgent显著优于最先进的线性智能体框架，为自主科学推理提供了一种稳健、抗噪声和自我纠正的范式。
博主点评： TopoAgent通过引入图结构和动态原子管理，解决了传统线性模型在科学推理中的多种缺陷，展现出更高的灵活性和鲁棒性。这一创新为未来的多模态推理系统提供了新的思路，值得深入研究与应用。