TopoAgent：面向多模态科学推理的自进化拓扑智能体

尽管多模态大语言模型（MLLM）在通用任务上表现出色，严格的科学推理仍具挑战——单体线性规划的局限所致。此类顺序设计常苦于视觉—语义错位、长上下文幻觉与固定任务粒度下的脆弱执行。我们提出TopoAgent：一个自进化拓扑框架——以动态、状态隔离的图演化取代线性轨迹。TopoAgent先以前端分解器把复杂查询裂解为视觉落地的原子；这些原子按依赖组织为有向无环图（DAG）——启用严格上下文隔离、保护推理引擎免受无关历史噪声。进一步引入自适应原子裂变：当工具能力边界被超越时，运行时动态把瓶颈节点分裂为更细粒度的子原子。跨数学、物理与化学基准的大量实验显示：TopoAgent显著超越最先进的线性智能体框架——为自主科学推理提供鲁棒、抗噪、自纠正的范式。