OracleAgent：面向甲骨文研究的多模态推理智能体
计算机视觉与模式识别
2025-10-31 v1
摘要
甲骨文是最早的文字系统，保存了古文明的文化和智慧遗产。然而，当前甲骨文研究面临两个主要挑战：（1）甲骨文解读涉及多个串行和并行子任务的复杂工作流程；（2）甲骨文信息的组织与检索效率仍是关键瓶颈，因为学者常需花费大量时间 searching for、 compiling 和 managing relevant resources。为此，我们提出 OracleAgent，这是第一个专为甲骨文相关信息的结构化管理与检索而设计的智能体系统。OracleAgent 无缝集成多个甲骨文分析工具，借助大语言模型（LLM）赋能，并能灵活编排这些组件。此外，我们构建了一个全面的甲骨文领域特定的多模态知识库，通过严格的多年数据收集、清洗和专家标注构建。该知识库包含超过 140 万单字压纹图像和 8 万条解读文本。OracleAgent 通过这些资源中的多模态工具，帮助专家完成字符、文档、解读文本和压纹图像的检索任务。广泛实验表明，OracleAgent 在多种多模态推理和生成任务中表现优异，超越了领先的主流多模态大语言模型（MLLM，例如 GPT-4o）。此外，我们的案例研究表明，OracleAgent 能有效辅助领域专家，显著降低甲骨文研究的时间成本。这些结果凸显了 OracleAgent 作为甲骨文辅助研究和自动化解读系统实际部署的重要一步。
引用
@article{arxiv.2510.26114,
title = {OracleAgent: A Multimodal Reasoning Agent for Oracle Bone Script Research},
author = {Caoshuo Li and Zengmao Ding and Xiaobin Hu and Bang Li and Donghao Luo and Xu Peng and Taisong Jin and Yongge Liu and Shengwei Han and Jing Yang and Xiaoping He and Feng Gao and AndyPian Wu and SevenShu and Chaoyang Wang and Chengjie Wang},
journal= {arXiv preprint arXiv:2510.26114},
year = {2025}
}