Librarian Agents：训练 LLM 为未来查询预先整理长上下文工作区

论文提出 Librarian Agents 框架，用强化学习训练构建型智能体把原始文档重组为合成文件与引用链接构成的分层文件系统工作区，供下游回答智能体使用。该方法把工作区构建建模为马尔可夫决策过程，直接以下游回答准确率为优化目标，在 BrowseComp-Plus 上比最强检索与预计算基线高 33 个百分点，并可在多次查询间摊销前期构建成本。