Librarian Agents：訓練大模型提前整理長文件工作區

长文档推理一直是大语言模型的难点。常见做法是检索增强：等问题来了，再去语料里找相关片段。这种做法天生是被动的。当问题需要把多篇文档的线索拼在一起时，检索环节就成了整个智能体的瓶颈。另一条路是提前计算好结构，比如知识图谱，但它依赖人工设计的僵硬启发式规则，往往不适配各种各样的未来问题。这篇论文换了一个问法：能不能让智能体在推理开始之前，就主动地、有方向地整理好语料，让它为将来各种不同的查询做好准备？作者把这件事称为 anticipatory directed curation，也就是带有预见性的定向整理。围绕这个想法，论文提出了 Librarian Agents 框架。

它的核心贡献有三点：给出了一种把无结构语料变成可复用工作区的方式；把这个构建过程形式化为可以用强化学习训练的问题；并在两个基准上验证了效果和泛化能力。论文的出发点是现代智能体运行环境（例如 Claude Code）中的一个不对称现象。LLM 智能体很擅长在已有的文件系统里导航，去完成眼前的任务，却几乎没有人训练它们为未来使用而去构建可复用的工作区。Librarian Agents 正是要补上这一块。框架里有两个角色。builder agent 读取原始文档，把它们转换成一个层级式文件系统，里面包含合成出来的文件和彼此之间的引用链接。下游的 answering agent 则在这个工作区里查找信息、回答问题。也就是说，builder 不是简单地切块或建索引，而是像图书管理员一样，决定怎样归类、怎样写综述性文件、怎样用链接把相关内容连起来。

训练上，作者把工作区构建建模为马尔可夫决策过程：builder 的每一步操作是动作，整个构建过程形成一条轨迹，最终的奖励直接来自 answering agent 在这个工作区上的回答准确率。builder 的策略用强化学习来优化，目标就是直接最大化下游准确率，而不是去优化某个中间代理指标。这样一来，什么样的组织方式有用，由下游任务的结果来裁决，而不是由人写的规则来决定。实验方面，论文主要在两个基准上评估。第一个是 BrowseComp-Plus，这类任务需要跨文档的复杂推理。结果显示，Librarian Agents 比最强的检索基线和预计算基线高出 33 个百分点，差距相当大。第二个是 BRIGHT，作者用它来检验泛化：builder 只经过训练，在未见过的领域上零样本使用，依然取得了平均 31 个点的准确率提升。这说明 builder 学到的不是针对某个语料的技巧，而是一种比较通用的整理能力。

另一个值得注意的结论与成本有关。构建工作区需要前期投入，这笔开销是否划算，取决于后面有多少查询来分担。论文报告称，这笔前期构建成本可以在重复查询中被摊销，也就是说，同一个语料被问得越多，这种先整理后回答的方式就越合算。摘要没有给出更细的消融数据，所以对各个设计选择各自贡献多少，我们这里不做推断。从行业角度看，这项工作指出了智能体系统里一个被忽视的环节：整理知识和使用知识可以分开，并且整理这一步本身是可以学习的。对工业落地来说，企业内部常有一批相对稳定、会被反复查询的文档，比如技术文档、案例库、研究资料。在这类场景里，先花一次代价让 builder 把它们整理成层级工作区，再让 answering agent 反复使用，比每次都临时检索更有吸引力。对开源社区和后续研究来说，这篇论文给出了一个清晰的框架：把工作区构建当作强化学习问题，用下游准确率做奖励。这为研究智能体的记忆、长期上下文管理和知识库自动维护提供了可以直接延伸的思路，比如让工作区随新文档增量更新，或者让 builder 针对不同类型的查询分布做适配。当然，摘要显示的结果只覆盖了两个基准，真实业务语料的规模、更新频率和噪声都可能不同，前期构建成本在具体场景里是否划算，仍需要实际验证。尽管如此，让智能体学会为未来的自己和其他智能体准备好资料，这个方向值得持续关注。