Helicase：基于自主多智能体LLM的不确定性引导供应链知识图谱构建

基于LLM的多智能体系统已被广泛用于知识检索与报告生成，通过网页搜索和文本推理综合已知信息。然而，供应链中的许多关键信息任务并非简单的一次性查询：它们是结构化推理问题，需要在复杂、碎片化的网络资源上进行多跳推理。诸如“特斯拉的哪些部件使用来自澳大利亚矿山的锂？”之类的问题在任何单一文档中都没有答案；答案必须通过自主构建和分析由碎片化、异构来源组装的动态知识图谱来计算合成。此外，此类发现过程必须具备不确定性感知：决策不仅取决于答案本身，还取决于对其可靠性的校准置信，并可追溯到来源质量与推理一致性。为弥补这一能力缺口，我们提出Helicase，一个用于不确定性引导的供应链知识图谱构建的自主多智能体LLM系统。Helicase将高层供应链查询分解为可执行的调查计划，通过迭代验证循环协调专门的网页搜索、推理与编码智能体，并增量构建带有逐事实不确定性标注的、查询特定的供应链知识图谱。其三层不确定性框架在动作、轨迹与记忆层追踪不确定性，同时支持结构化推理与校准的置信评估。为评估覆盖完整复杂度谱系的自主推理能力，我们提出SCQA（Supply Chain Query Assessment）基准，包含80个供应链查询，按四个象限组织，涵盖高、低数据可见性下从单跳到多跳的推理。