智能体
x.com ·
@meng shao(@shao__meng)
EvoOntology：面向数据智能体的自进化语义层
中国人民大学 ruc-datalab 提出 EvoOntology（arXiv:2609.15779），将本体视为可训练的智能体状态，不更新模型权重，而让语义知识随使用持续积累、验证与版本化演进。本体分 Schema、Content、Tool 三层，封装为 MCP 服务器，仅暴露 browse_semantics 与 resolve_semantics 两个工具，智能体按需检索语义而非全量注入上下文。生命周期为 Build→Use→Evolve→Evaluate→Publish，候选版本需在相同数据、智能体、解码设置与交互预算的配对评估中可复现地胜过父版本才发布。作者称在 BIRD、DDR-10K、InsightBench 三个基准与 GPT-5.5、GPT-5.6-sol、Claude-Sonnet-5、Claude-Opus-4.8 四个骨干上一致优于无本体 ReAct 与静态初始本体，DDR-Bench 上自进化环节贡献 +7.7（81.8→89.5）。
AI推荐理由
介绍中国人民大学 ruc-datalab 的 EvoOntology 论文（arXiv:2609.15779），提出面向数据智能体的自进化本体层，以三层结构封装为 MCP 服务器，遵循 Build→Use→Evolve→Evaluate→Publish 生命周期，并在 BIRD、DDR-10K、InsightBench 三个基准、四个 LLM 骨干上报告一致优于无本体 ReAct 与静态初始本体，DDR-Bench 自进化环节贡献 +7.7（81.8→89.5）。具体新信息包括 MCP 工具 browse_semantics/resolve_semantics、四类语义节点与配对评估发布机制，对 Agent 语义层与数据智能体方向有实际参考价值。局限：内容为 X 帖子转述，基准数字与代码链接均来自作者自述，未提供独立复现或第三方验证，且发布时间为存储时间，不能视为新发布。
78
正文
EvoOntology：给数据智能体一个会成长的语义层
数据智能体（Data Agent）面对异构数据时，能“看见”的往往只有表名、列名和文件路径；指标如何定义、实体如何关联、业务上有何约束，这些语义都藏在数据之外。让智能体每次从零探索，代价高且易出语义错误；把人工维护的语义层全量注入提示词，又难以扩展、随数据漂移而失效。这就是论文中的 agent-data gap。
中国人民大学 ruc-datalab 提出的 EvoOntology（arXiv:2609.15779）给出了新解法：首个面向数据智能体的自进化本体层（Self-Evolving Ontology Layer）。核心洞察是把本体当作“可训练的智能体状态”：不更新模型权重，而让语义知识随真实使用持续积累、验证、版本化演进，每次变更可检查、可比较、可回滚。
本体以三层结构封装为 MCP 服务器，供智能体运行时主动查询：
· Schema Layer 定义本体的表示边界（节点族、语义关系、引用模式）；
· Content Layer 是类型化语义图，由 Terms / Mappings / Constraints / Evidence 四类节点构成，每个语义对象都有工作负载证据支撑，落地验证后才提交；
· Tool Layer 仅暴露 browse\_semantics 与 resolve\_semantics 两个 MCP 工具加紧凑会话 manifest，智能体按需检索当前步骤所需语义，而非全量注入上下文。
本体遵循 Build → Use → Evolve → Evaluate → Publish 生命周期：构建器智能体从真实工作负载推导候选概念并对照原始数据验证；交互轨迹被持续记录；进化时诊断重复行为、归因到具体层级并生成局部补丁；候选版本只有在相同数据、相同智能体、相同解码设置与交互预算的配对评估中可复现地胜过父版本，才会发布。
在 BIRD、DDR-10K、InsightBench 三个基准、四个 LLM 骨干（GPT-5.5 / GPT-5.6-sol / Claude-Sonnet-5 / Claude-Opus-4.8）上，EvoOntology 一致优于无本体 ReAct 与静态初始本体。其中 DDR-Bench 上仅“自进化”环节就贡献了 +7.7（81.8 → 89.5），验证了持续演进相对静态语义层的增量价值。
论文：[arxiv.org/abs/2609.15779](http://arxiv.org/abs/2609.15779)
代码：[github.com/ruc-datalab/Ev…](http://github.com/ruc-datalab/EvoOntology)
💬0🔄0❤️2👀300