ChemAmp: Amplified Chemistry Tools via Composable Agents¶

会议: ACL 2026 Findings
arXiv: 2505.21569
代码: GitHub
领域: 科学AI/化学
关键词: 工具放大, 可组合智能体, 化学AI, 多智能体系统, 层次化组合

一句话总结¶

提出"工具放大"新范式（区别于传统的工具编排），通过 ChemAmp 框架将化学专用工具（UniMol2、Chemformer等）作为可组合积木块动态构建任务专用超级智能体，在分子设计、反应预测等四个核心化学任务上超越专用模型和通用LLM，同时推理token成本减少94%。

研究背景与动机¶

领域现状：LLM-based智能体已能在化学领域编排多步工具使用流程（如ChemCrow、Coscientist），顺序调用RDKit、分子生成器等工具完成跨任务工作流。

现有痛点：现有方法聚焦于"工具编排"（跨任务调度工具顺序），但单个任务内的性能受制于底层工具的原子能力上限。即使最好的化学专用工具（UniMol2、ChemDFM），在单独使用时分子描述精确匹配仅35%，错误会在推理链中传播。

核心矛盾：工具编排优化的是任务间的工具调度，但任务内的工具性能瓶颈才是真正制约Agent表现的根本因素。

本文目标：从"工具编排"转向"工具放大"——通过动态组合使工具在单个任务内超越各自的原子能力。

切入角度：将每个工具视为可组合的积木块智能体，通过层次化迭代封装构建性能更强的复合工具。

核心idea：两阶段放大——先将原子工具封装为增强的子智能体（Stage 1），再将子智能体组合成层次化网络（Stage 2），通过自适应评分和自动反馈迭代优化组合。

方法详解¶

整体框架¶

ChemAmp 把"提升单任务性能"重新表述成一个自下而上的工具组合搜索问题：给定一组化学原子工具（UniMol2、Chemformer 等）和一个目标任务，框架自动找出能产生协同效应的工具组合，封装成一个性能更强的复合智能体来执行该任务。整个过程由一个两阶段迭代封装引擎驱动，先把每个原子工具单独放大（Stage 1），再让放大后的复合工具彼此组合（Stage 2），迭代到全局性能收敛为止。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    IN["输入：LLM 给出的原子工具集<br/>UniMol2 / Chemformer 等 + 目标任务"]
    subgraph S1["两阶段迭代封装引擎 · Stage 1：原子到复合放大"]
        direction TB
        A["逐层封装每个原子工具<br/>构造 Agent Composite Tool 𝒜(t_k)"]
        A -->|"≤10 样本打分 s_i；增益 Δs>δ 继续加深，否则早停"| B["有效变体注册入工具库 ℒ"]
    end
    subgraph S2["两阶段迭代封装引擎 · Stage 2：跨复合协同"]
        direction TB
        C["排序 ℒ，top-1 作基座，与 top-k 组合 𝒜(t_1,t_j)"]
        C -->|"≤10 样本打分；超过全局最优则继续堆叠，否则收敛"| D["选出最优复合工具 𝒜*"]
    end
    IN --> S1
    B --> S2
    D --> OUT["任务专用超级智能体<br/>执行分子设计 / 反应预测等化学任务"]

关键设计¶

1. Agent Composite Tool：既是积木又是执行器

ChemAmp 的核心抽象是 Agent Composite Tool \(\mathcal{A}(t_1,...,t_n)\)——它封装了若干底层工具以及它们之间的协调策略，同时扮演两个角色：对上层智能体而言它是一块可被继续组合的积木，对具体化学子任务而言它又是一个能独立运行的自主执行器。这种双重性是"工具放大"区别于"工具编排"的关键：编排系统只在任务之间调度固定能力的工具，而 ChemAmp 把组合本身当作一等公民，因此能在工具协同产生增益的位置主动注入封装，让复合工具的能力超过任意单个原子工具的上限，而不只是机械堆叠。

2. 两阶段迭代封装引擎

放大分两步进行。Stage 1 对每个原子工具 \(t_k\) 迭代封装出复合变体 \(\mathcal{A}_i(t_k)\)，用任务指标给出评分 \(s_i\)，只有当增益超过阈值 \(\delta\) 时才继续加深封装，所有有效变体都注册进工具库。Stage 2 在工具库内做跨复合协同：按评分排序后取 top-1 作为基座，与 top-k 其余工具组合出 \(\{\mathcal{A}(t_1,t_2),...,\mathcal{A}(t_1,t_k)\}\)，再次评分并迭代，直到全局性能不再提升。手工枚举组合不现实、暴力穷举成本又过高，而"评分排序 + 阈值早停"的迭代策略恰好在搜索空间和计算开销之间取得平衡，自动收敛到接近最优的组合结构。

3. 极低数据需求（≤10 样本）

化学领域标注数据稀缺，因此整个组合优化过程对每个任务只用不超过 10 个样本来打分和筛选。这之所以可行，是因为每个原子工具本身已经携带强领域先验，ChemAmp 需要的只是判断"某个组合是否带来提升"这一相对信号，而非从零学习任务知识——少量验证样本足以稳定地区分有增益和无增益的组合，使方法在数据极度受限的真实化学场景下依然能落地。

实验关键数据¶

主实验（分子设计 - ChemLLMBench）¶

方法	精确匹配	BLEU	FTS
ChemDFM-13B	0.32	0.85	0.74
Text+Chem T5	0.32	0.85	0.82
GPT-4o	0.01	0.57	0.54
ChemAmp	0.42	0.88	0.84

消融实验¶

配置	关键指标	说明
仅Stage 1	有提升	单工具增强有效
Stage 1 + Stage 2	最佳	跨复合协同进一步提升
Vanilla多智能体	较差	简单堆叠不如结构化组合
Token成本	94%减少	vs vanilla多智能体系统

关键发现¶

ChemAmp在四个核心化学任务上全面超越化学专用模型、通用LLM和传统Agent编排系统
推理token成本仅为vanilla多智能体系统的6%，效率极高
自下而上的组合策略优于自上而下的编排策略
分子设计精确匹配从SOTA的0.32提升至0.42（+31%），证明工具放大的实际效果

亮点与洞察¶

范式创新："工具放大"vs"工具编排"的区分清晰有力，从"跨任务调度"转向"任务内增强"
效率与效果兼得：超越SOTA的同时减少94%推理token成本，说明结构化组合比暴力堆叠高效
通用性：虽然应用于化学领域，但工具放大范式可迁移到其他科学领域
低数据需求：≤10样本即可优化组合，实用性强

局限与展望¶

依赖GPT-4o作为核心Agent：组合策略的效果可能受限于底层LLM的能力
仅在ChemLLMBench的100个实例上评估：测试规模偏小
化学领域特有：需验证在其他科学领域的适用性
未来方向：扩展到更多科学领域、研究组合策略的可解释性、降低对闭源LLM的依赖

评分¶

新颖性: ⭐⭐⭐⭐⭐ "工具放大"范式提出新颖且有说服力，两阶段封装引擎设计优雅
实验充分度: ⭐⭐⭐⭐ 四个化学任务全面评估，有消融和效率分析，但测试规模偏小
写作质量: ⭐⭐⭐⭐ 编排vs放大的区分图清晰，算法描述完整
价值: ⭐⭐⭐⭐ 为科学AI工具增强提供了新思路，效率和效果的双重提升有实际部署价值