@omarsar0：基于大模型的智能体喜欢结构化数据。我见过这种方法效果非常好，但主要是在复杂的代码库中。但我认为……

X AI KOLs Following 新闻
llm-agents context-graphs legal-ai structured-data long-horizon-tasks

摘要

基于大模型的智能体在结构化数据上表现更好，正如 Harvey 在 Legal Agent Bench 上展示的上下文图（context graphs）在长周期法律任务中的应用；作者提到 DAIR.AI 正在为研究类任务探索类似的方法。

基于大模型的智能体喜欢结构化数据。 我见过这种方法效果非常好，但主要是在复杂的代码库中。但我认为上下文图（context graphs）有更广泛的应用场景，正如 Harvey 在法律知识任务上发布的这份报告所展示的。 我们 @dair_ai 正在为研究相关任务研究这种方法。很快会分享更多信息。
查看原文
查看缓存全文

缓存时间: 2026/10/16 02:19

基于 LLM 的智能体非常喜欢结构化数据。

我见过它在复杂代码库中表现得非常出色。但我认为上下文图谱有更广泛的应用场景，正如 Harvey 关于法律知识任务的这份报告所展示的那样。

我们正在 @dair_ai 为研究相关任务推进这项工作，敬请期待更多分享。

Harvey (@harvey)： 我们构建了上下文图谱，以帮助智能体处理长周期的法律任务。

从 Legal Agent Bench 中 11 个类别的任务（如并购尽职调查和合同谈判）入手，我们让智能体构建底层文档的上下文图谱（无需访问评估任务本身或……

相似文章

法律中多智能体协商研究

arXiv cs.AI

本文研究了使用LLM进行法律推理任务的多智能体协商方法，引入了两种受法庭程序启发的新框架。实验表明，多智能体系统在整体性能上与单一LLM相当，但能产生截然不同的答案，并能解决基线模型无法处理的案例，突显了多智能体方法在法律AI中的潜力。

LLM智能体能够查看代码仓库

Hugging Face Daily Papers

本文首次系统性地实证研究了使用可视化仓库表示来增强基于LLM的编码智能体，结果表明，将可视化图作为补充模态集成，可以在保持或提高问题解决准确率的同时，将令牌消耗降低高达26%。