论文提出可自演化的本体层，让数据智能体主动查询异构数据。
资讯摘要
论文提出 EvoOntology，一种面向数据智能体的自演化本体层，用于缓解异构数据位于智能体之外、只能通过通用工具访问所造成的“智能体—数据鸿沟”。该方法将本体封装为包含模式层、内容层和工具层的 MCP 服务器，使智能体可在运行时主动查询和交互；同时引入构建智能体自动构建本体，并通过归因引导的类型化编辑与骨干条件配对评估构成自演化循环。作者报告在三个数据智能体基准、四种 LLM 骨干上，该方法持续优于强基线和现有语义层方案。
要点速读
- 将本体封装为含模式层、内容层、工具层的 MCP 服务器，供智能体运行时主动查询。
- 引入构建智能体自动构建本体，并用归因引导的类型化编辑和骨干条件配对评估驱动自演化。
- 作者报告在三个数据智能体基准、四种 LLM 骨干上优于强基线与现有语义层方法。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。