AI 에이전트연구 프리프린트
Librarian Agents, 질문 전에 문서 작업 공간을 구성해 검색 정확도 비교
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Librarian Agents는 나중에 올 질문을 위해 원문을 계층적 파일과 참조 링크로 다시 구성하는 모델을 학습한다.
작업 공간 구성
- 빌더 에이전트가 원문 문서를 합성 파일·폴더와 원본 참조 링크로 정리하고 후속 답변 에이전트가 이를 탐색한다.
- 구성 정책은 후속 질문의 답변 정확도를 보상으로 강화학습한다.
도표 크게 보기 ↗ (새 탭에서 열림)왼쪽은 빌더가 문서를 합성 파일과 폴더로 구성하는 과정, 오른쪽은 고정된 답변 에이전트가 이를 재사용하는 과정이다. 정확도와 구성 비용의 실험 수치를 나타내는 그림은 아니다.
출처: Anikait Singh, Teresa Zhang, Yoonho Lee, Roshen Sanjay Nair, Aviral Kumar, Chelsea Finn · Figure 1 · arXiv:2610.22273v1
원문 도표·설명 ↗ · CC-BY-4.0
원본 래스터를 메타데이터 없는 WebP로 재인코딩하고 최대 폭 1280px로 조정했다. 투명 영역은 흰색으로 채웠다.
정확도와 비용
- BrowseComp-Plus의 표 1에서 GraphRAG 정확도는 36%, Librarian Agents는 77%였다.
- 같은 표의 구성 비용은 각각 11,923토큰과 178,926토큰이어서 사용 빈도에 따라 경제성이 달라진다.
범위
- BRIGHT에서는 미학습 영역에 대한 개선을 보고했지만 실제 조직 문서의 업데이트·권한 관리는 따로 평가해야 한다.
함께 확인할 조건
- 작업 공간을 먼저 만드는 높은 비용은 반복 질문에서만 상쇄될 수 있다.
- 연구 자료군 밖 실제 기업 문서에서의 성능과 유지 비용은 확인하지 않았다.
이 글의 용어
기사에서 다루는 개념을 검수된 용어집에서 살펴보세요.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.