斯坦福 Librarian Agents 让智能体自建工作区提升检索

斯坦福（联合 CMU，Chelsea Finn 组）发布 Librarian Agents 论文（获 Tinker grants 支持），面向企业代码库、律师事务所等专有领域的 LLM 需翻阅海量非结构化上下文的难题。该框架让 builder agent 通过强化学习主动策划自己的长上下文，把原始文档语料重组为可复用的分层文件系统式工作区，供下游查询使用。实验显示 RAG 检索准确率从 44% 提升至 77%，提高 33 个百分点。

2026-10-19 ~ 2026-10-21 · 3 条相关

• Librarian Agents 论文：让智能体自建长上下文工作区应对专业领域查询 — charles_irl · 2026-10-19
• 斯坦福 Librarian Agents:RL 训练 LLM 预整理工作区,检索准确率提升 33 个百分点 — StanfordUniversity · 2026-10-20
• Librarian Agents 论文:智能体自建文件系统,RAG 准确率 44% 升至 77% — simonguozirui · 2026-10-21