AgentGC：LLM驱动多智能体的进化学习式基因组数据无损压缩

无损压缩在基因组数据（GD）的存储、共享与管理方面已取得长足进展。当前基于学习的方法不可进化，存在压缩建模层级低、适应性有限与界面不友好的问题。为此，我们提出 AgentGC，首个进化式基于智能体的基因组数据压缩器，由名为 Leader 与 Worker 的多智能体构成 3 层结构。具体而言，1) 用户层通过 Leader 结合 LLM 提供友好界面；2) 认知层由 Leader 驱动、整合 LLM 统筹算法-数据集-系统的联合优化，解决低层建模与适应性受限问题；3) 压缩层由 Worker 主导，通过自动化的多知识学习压缩框架执行压缩与解压。在 AgentGC 之上，我们设计 3 种模式以支持多样场景：压缩率优先的 CP、吞吐优先的 TP 以及平衡模式 BM。与 9 个数据集上的 14 个基线相比，三种模式的平均压缩率增益分别为 16.66%、16.11% 与 16.33%，吞吐增益分别为 4.73 倍、9.23 倍与 9.15 倍。