EvoOntology: A Self-Evolving Ontology Layer for Data Agents
Aggiunta all'archivio di AIChronos il (numero del 21 settembre 2026 ricostruito)· fonte del · Meiduo Chong, Shaolei Zhang, Ju Fan, Xiaoyong Du (RUC-DataLab)
EvoOntology introduce un livello di ontologia auto-evolutivo per gli agenti dati che risolve il gap tra agente e dati eterogenei. L'architettura incapsula l'ontologia in un server MCP composto da strati schema, contenuto e tool, permettendo agli agenti di interrogare dinamicamente lo stato dell'ontologia durante l'esecuzione. Un builder agent autonomo costruisce la struttura iniziale mentre un ciclo di auto-evoluzione raffina continuamente il modello tramite modifiche tipizzate guidate dall'attribuzione. Il sistema valida le modifiche accettando solo quelle superanti una valutazione accoppiata condizionale sul backbone, dimostrando prestazioni superiori su benchmark standard rispetto alle baselines esistenti.
- EvoOntology supera il gap agente-dati gestendo dati eterogenei (tabelle, file, DB) senza esplorazione diretta o prompt statici.
- L'architettura si basa su un server MCP con tre strati: schema layer, content layer e tool layer per interazioni runtime.
- Un builder agent autonomo costruisce l'ontologia mentre un loop di auto-evoluzione la raffina tramite attribuzione-guided typed edits.
- Le modifiche all'ontologia vengono accettate solo dopo una valutazione accoppiata condizionale sul backbone LLM utilizzato.
- Il framework supera le baselines esistenti su tre benchmark per agenti dati con quattro diversi backbones LLM.
Perché conta. ['Permette agli sviluppatori di creare agenti AI locali che interagiscono efficacemente con fonti dati eterogenei senza dipendere da layer semantici manuali.', "Riduce la manutenzione del contesto degli agenti automatizzando l'aggiornamento dell'ontologia tramite un ciclo di feedback autonomo e validato."]
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.