AI & MACHINE LEARNING

เปิดตัว Mimosa: เฟรมเวิร์ก Multi-Agent ที่พัฒนาเวิร์กโฟลว์เพื่องานวิจัยทางวิทยาศาสตร์ได้เอง

arXiv01 Apr 2026
1 min read
Key Takeaways
  • Mimosa ก้าวข้ามขีดจำกัดของระบบ AI วิจัยแบบเดิมด้วยการสร้างเวิร์กโฟลว์ที่ยืดหยุ่นและรองรับการปรับปรุงผ่าน Feedback loop แบบอัตโนมัติ

ทำไมเรื่องนี้ถึงสำคัญ

งานวิจัยทางวิทยาศาสตร์มีความซับซ้อนและเปลี่ยนแปลงตลอดเวลา การมีเฟรมเวิร์กที่ปรับตัวและเรียนรู้จากความผิดพลาดได้เองจะช่วยลดภาระของนักวิจัยมนุษย์ และเพิ่มความโปร่งใสในการตรวจสอบขั้นตอนการทดลองผ่าน Log ที่ละเอียด

ทีมนักวิจัยเปิดตัว Mimosa เฟรมเวิร์กโอเพนซอร์สใหม่ที่เน้นการทำ Autonomous Scientific Research (ASR) โดยเฉพาะ ระบบนี้ไม่ได้ทำงานตามขั้นตอนที่ล็อคไว้ตายตัวเหมือนที่ผ่านมา แต่ใช้ระบบ Meta-orchestrator ในการสร้างลำดับงาน (Topology) ให้เหมาะสมกับแต่ละงานวิจัย

หัวใจสำคัญของ Mimosa คือการนำ Model Context Protocol (MCP) มาใช้เพื่อค้นหาเครื่องมือที่จำเป็นได้แบบไดนามิก และมีเอเจนท์ที่สามารถเขียนโค้ดเพื่อเรียกใช้งานซอฟต์แวร์ทางวิทยาศาสตร์ได้ทันที นอกจากนี้ยังมีระบบ LLM-based judge ที่คอยให้คะแนนและส่งข้อมูลย้อนกลับเพื่อปรับปรุงเวิร์กโฟลว์ให้ดีขึ้นในรอบถัดไป จากการทดสอบด้วย DeepSeek-V3.2 บน ScienceAgentBench พบว่า Mimosa มีอัตราความสำเร็จสูงถึง 43.1% ซึ่งเหนือกว่าการใช้เอเจนท์เดี่ยวหรือระบบที่มีขั้นตอนคงที่

สรุปประเด็นหลัก

ใช้ระบบ Meta-orchestrator สร้างโครงสร้างการทำงานที่เหมาะสมกับแต่ละโจทย์

ผสานงานกับ Model Context Protocol (MCP) เพื่อเรียกใช้เครื่องมือภายนอกได้อย่างอิสระ

ทำคะแนนสำเร็จ 43.1% บน ScienceAgentBench เหนือกว่าโมเดลพื้นฐานทั่วไป

นวัตกรรมและเทคโนโลยี

platform

Meta-orchestrator Workflow Generation

ระบบสร้างลำดับการทำงานและโครงสร้างการเชื่อมต่อระหว่างเอเจนท์ให้เหมาะสมกับงานวิจัยแต่ละประเภทโดยอัตโนมัติ

tools

Dynamic Tool Discovery via MCP

การใช้ Model Context Protocol เพื่อค้นหาและเรียกใช้งานเครื่องมือหรือไลบรารีซอฟต์แวร์ทางวิทยาศาสตร์ที่จำเป็นในขณะทำงาน

Developer Impact
นักพัฒนาด้าน AI Agent และทีมวิจัยสามารถนำเฟรมเวิร์กนี้ไปใช้สร้างระบบทำงานอัตโนมัติที่ซับซ้อนได้ง่ายขึ้น โดยไม่ต้องออกแบบเวิร์กโฟลว์ใหม่ทั้งหมดสำหรับทุกโจทย์
Keywords
#multi-agent systems #autonomous scientific research #mcp #workflow evolution #open-source ai
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv