# EvoOntology 论文称自演化本体层提升数据智能体在 DDR-Bench 和 BIRD 上的得分

elvis (@omarsar0) 分享了一篇关于 EvoOntology 的论文，这是一种以 MCP 服务器形式提供的、面向数据智能体的自演化本体层。帖文称，在六个骨干模型上，DDR-Bench 准确率平均提升 17.8 个百分点，其中 GPT-5.5 提升 26.7 个百分点，BIRD 执行准确率提升 7.4 个百分点。

Language: zh-CN
Time zone: Asia/Shanghai
Current time (UTC, cached as of): 2026-11-10T06:49:00.000Z
Query date (Asia/Shanghai): 2026-11-10

HTML: https://didcodexreset.com/zh/news/e4a5ea44d32149fa821d8aa0.html

Content language: zh-CN
Localization state: translated

来源：elvis · 发布于 2026/9/22 02:53:41

elvis (@omarsar0) 重点介绍了一篇关于面向智能体的自演化本体的论文。帖文称，数据智能体通常通过通用工具查看表格、文件和数据库，而粘贴到提示中的手写语义层无法扩展到众多数据源。**EvoOntology** 则由专用智能体构建本体，并以包含模式、内容和工具层的 **MCP 服务器** 形式提供，供数据智能体在运行时查询。

据帖文所述，论文显示，当数据智能体能查询其所处理数据的本体时，**GPT-5.5** 在 DDR-Bench 上提升 **26.7 个百分点**。在 DDR-Bench 的六个骨干模型上，准确率平均提升 **17.8 个百分点**，从 Qwen3.5-Flash 的 **4.8** 到 GPT-5.5 的 **26.7**。在 BIRD 上，执行准确率提升 **7.4 个百分点**。本体以小型类型化步骤进行编辑，且仅当同一骨干模型上的配对评估显示该编辑有帮助时才予以保留；对工具层的编辑贡献了演化收益的 **57%**。

论文：[https://arxiv.org/abs/2609.15779](https://arxiv.org/abs/2609.15779)。与论文对话：[https://academy.dair.ai/papers/evoontology-a-self-evolving-ontology-layer-for-data-agents-2609.15779](https://academy.dair.ai/papers/evoontology-a-self-evolving-ontology-layer-for-data-agents-2609.15779)。

Tags: EvoOntology, 数据智能体, MCP, 研究, 基准测试

[查看主帖原文](https://x.com/omarsar0/status/2102099298716660223)