arXiv · cs.AI· Anikait Singh, Teresa Zhang, Yoonho Lee, Roshen Sanjay Nair, Aviral Kumar, Chelsea Finn·· 6 小时前
Librarian Agents：训练大语言模型预组织长上下文工作区以应对未来查询
Librarian Agents: Training LLMs to Curate Long-Context Workspaces that Anticipate Future Queries
arXiv:2610.22273v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Anikait Singh, Teresa Zhang, Yoonho Lee, Roshen Sanjay Nair, Aviral Kumar, Chelsea Finn
研究任务与主要进展
Librarian Agents 让一个 builder agent 将原始文档重组为带有合成文件和引用链接的分层文件系统，以提前构建服务于未来查询的工作区；研究将工作区构建建模为马尔可夫决策过程，并用强化学习优化 builder 策略以直接提升下游问答准确率。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org