以动态本体迈向高效可靠的LLM智能体

大语言模型（LLM）智能体高度依赖编码在模型参数中或以非结构化上下文呈现的知识。在领域特定任务中，这使得重要的语义连接保持隐式，常导致证据使用不完整、多步决策脆弱。本体提供了一种把领域概念与关系外化为机器可解释结构的方式，但构建任务可用的本体传统上需要领域专家的大量投入，难以规模化。自动构建同样充满挑战：一个在语义上看似合理的本体，未必包含实际决策所需的关系结构。我们提出OaK（ontology-as-a-kernel，本体即内核）框架，为LLM智能体动态构建并精炼面向任务的本体。给定任务需求与训练数据，OaK构建本体及其知识图谱，生成用于图推理的任务适配函数，并利用裁判反馈迭代精炼两者。通过把相关概念与关系显式化，本体为知识检索与多步决策提供落点。我们在TravelPlanner、CRMArenaPro和ToolQA上评估OaK。结果表明，OaK能改进标准LLM智能体，强化证据落点，并提升多步推理的可靠性。