斯坦福提出 Librarian Agents 优化长上下文信息组织
斯坦福提出 Librarian Agents 优化长上下文
斯坦福研究者提出 Librarian Agents，让智能体自行整理长上下文工作区、预判查询，以优化信息组织方式提升下游效用。作者 Chelsea Finn 称该思路即使在 OOD 领域也能带来 30+% 的提升，论文与代码已公开在 librarian-agents.github.io。该工作针对 agentic search 虽可扩展到任意规模信息、却容易遗漏相关内容的局限。
Chelsea Finn· @chelseabfinn · X·2026-10-22 06:36· 26 分钟前AI 评分44
AI 导读
我们如何扩展 LLM 的上下文？ Agentic search 可扩展到任意规模的信息，但很容易遗漏相关信息。 想法💡：针对下游效用优化信息的组织方式。即使在 OOD 领域也能带来 30+% 的提升 论文 + 代码：https://librarian-agents.github.io/
正文 · 原文
How do we scale up the context of LLMs?
Agentic search scales to arbitrarily large amounts of info, but can easily miss relevant info.
Idea💡: Optimize organization of info for downstream utility. Leads to 30+% gains even on OOD domains
Paper + code: https://librarian-agents.github.io/
LLMs deployed in specialized domains, from enterprise codebases to law firms, dig through a mountain of unstructured context! Our new paper, Librarian Agents, asks: can an agent adapt by curating its own long-context workspace, anticipating queries before they arrive? 🧵⬇️在 X 查看被引用的帖子
来源：Chelsea Finn · x.com
来源：RadarAI · aihot.news