標籤 強化學習

史丹佛團隊的 Librarian Agents 研究用強化學習訓練建置代理，在問題出現前把文件整理成分層工作空間，回答代理沿結構找證據，在 BrowseComp-Plus 比最強檢索基線平均多 33 個百分點；建置成本約 17.9 萬 tokens，損益兩平估在每個文件集合約 31 題，程式碼 MIT 開源但權重未隨附。