EvoOntology：面向数据智能体的自演化本体层

该工作把本体封装为可被智能体主动查询的 MCP 服务，并通过归因引导的类型化编辑与配对验证门控，实现本体随数据与智能体行为持续自演化。

背景

数据智能体需要在表格、文件、数据库等异构数据上完成自然语言任务，但数据位于智能体外部，智能体只能通过 SQL 接口、文件读取等通用工具访问，且数据结构与内容事先未知。这种错配造成持续的智能体–数据鸿沟：智能体需反复探测查询、猜测概念位置并检视大量无关内容。

现有做法分两类：一是原始查询式，直接检视模式并发出探索性查询，在宽表与异构数据上易陷入低效重复探索；二是语义层式，提供模式、实体、指标等元数据，但整体注入上下文受长度限制，且语义层通常预定义并人工维护，难以适配新数据源、任务与智能体。作者据此提出需要一种可交互、可扩展的本体中间层，把智能体与数据的交互从物理层提升到语义层。

创新点

1. 提出首个面向数据智能体的自主交互式本体层，并将其封装为 MCP 服务器，使智能体能通过工具查询和交互异构数据。
2. 提出用于自主构建本体的 builder 智能体，以及通过归因分析、定向精化与配对评估来精化本体的自演化框架。
3. 在三个常用数据智能体基准与多个 LLM 骨干上开展实验，结果显示 EvoOntology 一致且显著优于强基线以及现有语义层方法。

方法

• 整体架构：把第 t 轮本体状态表示为 ${ℒ}_t=({𝒮}_t,{\Gamma }_t,{ℛ}_t)$，分别对应内容层、模式层与工具层，从而分离语义知识、对象模型与运行时暴露方式，使部署智能体只检索当前步骤相关语义，演化智能体只更新有界部分。
• 内容层：${𝒮}_t$ 是类型化语义图，含 Terms、Mappings、Constraints、Evidence 四类节点族与 Semantic Relations、Structural References 两类边族；Terms 表示领域概念，Mappings 将其落地到字段与连接路径，Constraints 约束合法用法，Evidence 支撑语义主张。
• 模式层与工具层：${\Gamma }_t$ 定义四类节点族的字段、可允许的关系类型与引用模式，模式更新可扩展表示能力而不改变已实例化内容；${ℛ}_t$ 通过 $f_{\mathrm{b}\mathrm{r}\mathrm{o}\mathrm{w}\mathrm{s}\mathrm{e}}(q,k,n)$ 检索前 n 个语义匹配、$f_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{o}\mathrm{l}\mathrm{v}\mathrm{e}}(ℐ,c)$ 返回记录及关联对象，并以会话清单提供紧凑来源与用法信息，清单是唯一放入提示的本体内容。
• 证据落地初始化：builder 智能体从训练工作负载提出候选 $𝒞=\mathrm{p}\mathrm{r}\mathrm{o}\mathrm{p}\mathrm{o}\mathrm{s}\mathrm{e}(𝒲)$，对每个候选执行 $\mathrm{p}\mathrm{r}\mathrm{o}\mathrm{b}\mathrm{e}(c,𝒟)$ 检查字段、连接路径及其类型、取值与语义一致性，仅提交验证通过者 ${𝒞}^{+}=\{c\in 𝒞\mid \mathrm{v}\mathrm{e}\mathrm{r}\mathrm{i}\mathrm{f}\mathrm{y}(\mathrm{p}\mathrm{r}\mathrm{o}\mathrm{b}\mathrm{e}(c,𝒟))=1\}$，并按 $\mathcal{S}_{0}=\mathrm{construct}(\mat
• 轨迹归因：演化智能体从历史轨迹与当前状态中提取重复签名 ${\Sigma }_t=\mathrm{a}\mathrm{n}\mathrm{a}\mathrm{l}\mathrm{y}\mathrm{z}\mathrm{e}({𝒯}_t,{ℒ}_t)$，每个签名概括交互模式、涉及的本体对象与观察结果，并用 $\alpha :{\Sigma }_t\to \{𝖢,𝖳,𝖲\}$ 归因到内容、工具或模式层，同时说明预期行为效果。
• 局部干预：对签名 $\sigma$ 提出 ${ℒ}_t^{\prime }=\mathrm{p}\mathrm{a}\mathrm{t}\mathrm{c}\mathrm{h}({ℒ}_t,\sigma ,\alpha (\sigma ))$，每个候选只修改一个层级；实现同一假设的多个相关内容对象可一起更新。
• 骨干条件配对验证：在相同验证集 $𝒱$、相同解码与交互预算下比较候选与父版本，仅当提升达到边际 $\tau$ 才保留，即 ${ℒ}_{t+1}={ℒ}_t^{\prime }$ 若 $\varphi ({ℒ}_t^{\prime },𝒱;m)-\varphi ({ℒ}_t,𝒱;m)\ge \tau$，否则保留 ${ℒ}_t$；被拒候选不部署，其签名、干预与评估结果被记录以避免重复无效更新，各骨干从同一初始状态独立演化。

实验

• 基准与骨干：在 DDR-Bench 10-K 场景（Message-Wise 与 Trajectory-Wise 准确率）、InsightBench（Insight 与 Summary 分数）、BIRD（Oracle Knowledge 下设 EX 与 VES）上评估，使用六个骨干 GPT-5.5、GPT-5.6-sol、Claude-Sonnet-5、Claude-Opus-4.8、DeepSeek-V4-Flash、Qwen3.5-Flash，均采用相同 ReAct 脚手架、原始数据工具、解码配置与交互预算。
• 基线：Baseline 为无本体层的 ReAct，需在每个任务重新发现模式与领域词汇；Baseline + SL 把 builder 智能体的语义层作为静态提示片段前置到上下文；另与 ReAct + Memory 记忆式持久化比较。
• 评估协议：采用互逆两折评估，每基准划分为不相交的 A、B 两折，A→B 时用 A 的 70% 做本体构建、轨迹分析与候选生成，30% 做配对验证，选定本体冻结后在 B 上测试，再反向并取平均；留出折仅在冻结后用于最终评估，其答案与评测反馈不用于构建、演化或候选选择。
• DDR-Bench 主结果：EvoOntology 在六个骨干上均提升 Trajectory-Wise，平均提升 +17.8 点，范围从 Qwen3.5-Flash 的 +4.8 到 GPT-5.5 的 +26.7；而 Baseline + SL 不稳定，在 Claude-Sonnet-5 上下降 15.0 点。
• 与记忆基线对比：ReAct + Memory 把 Trajectory-Wise 从 69.5 提到 75.8，但仍比 EvoOntology 的 89.5 低 13.7 点；作者认为回合式记忆只重放已做过的事，未暴露类型化、可组合的结构。
• InsightBench 主结果：EvoOntology 在每个骨干上提升 Overall，平均 +1.9 点，DeepSeek-V4-Flash 提升最大为 +6.1；作者归因于 Insight 为短参考答案式评分、对齐后易饱和。
• BIRD 主结果：在 Oracle Knowledge 下每个骨干的 EX 与 VES 均提升，平均分别 +7.4 与 +8.6 点；Baseline + SL 呈混合模式，EX 最多下降 5.6 点而 VES 普遍上升，说明静态语义层改善 SQL 形式良好性但干扰正确查询生成。
• 本体层效应分离：DDR-Bench 上均值 Trajectory-Wise 从 Baseline 到 Initial 提升 12.3 点，再从 Initial 到 Evolved 提升 7.7 点；InsightBench 的 Insight 先升 0.8 再升 0.2；BIRD 的 EX 先升 5.1 再升 3.7，表明 builder 给出有效起点而自演化带来额外增益。
• 迭代收敛：在 DDR-Bench 上四个骨干从 Initial 起随已接受轮次单调提升，GPT-5.6-sol 五轮后达 93.5、Claude-Opus-4.8 四轮后达 92.3，最后两轮趋于平坦，符合失败签名在覆盖常见跨文件概念后变稀少的解释。
• 演化循环消融：去掉门控下降最大（-11.2 Traj-Wise），去掉归因下降 -6.3，去掉诊断下降 -4.8，把类型化补丁替换为自由改写下降 -1.7，说明门控与归因是承重环节。

局限

• 评估被设计为训练时工作负载适配：本体构建与演化只用适配折，选定本体冻结后才在留出折测试，因此结果反映的是两折互逆适配下的表现，而非完全零样本迁移到全新数据源。（解读者观点）
• InsightBench 上增益较小，作者解释为 Insight 依据短参考答案式发现评分，答案与参考对齐后即饱和，说明该基准对本体层价值的区分度有限。
• 不同骨干从同一初始化演化出不同本体存储，跨骨干迁移时每个非对角线均至少下降 6.6 点，作者据此认为骨干特定演化有益，但也意味着本体难以直接跨模型复用。
• 作者指出仅凭标识重叠无法判定语义等价，因为不同标识可能编码相似概念，跨骨干本体的语义一致性尚未被直接度量。
• 消融均在 DDR-Bench 四个骨干子集上报告，演化循环各步骤与内容族的重要性排序是否可推广到其他基准与骨干，原文未给出证据。（解读者观点）

原文

• 原文

AI 依据论文正文生成，经人工审核；数字与结论以原文为准。