Los investigadores han formalizado la tarea de asignar artículos entrantes a una jerarquía específica del usuario sin entrenamiento por usuario como enrutamiento jerárquico personalizado de artículos (PHPR). Proponen PaperRouter-Agent, un agente LLM sin entrenamiento que fundamenta las decisiones de enrutamiento en los miembros de la carpeta en lugar de solo en los nombres de las carpetas.
- El agente reduce la jerarquía candidata y recupera evidencia específica de la carpeta.
- Verifica el ajuste inspeccionando los artículos miembros e incorpora retroalimentación con compuerta de similitud de rechazos pasados del usuario.
- En bibliotecas personales reales, aumenta Recall@1 de 0.39 a 0.61 y Recall@3 de 0.57 a 0.83.
- Las mayores ganancias ocurren en carpetas organizativas definidas por metadatos como el lugar de publicación o el año, donde los métodos de un solo disparo colapsan (Recall@1 de 0.09 a 0.50).
- En la prueba de referencia LaMP-2, la precisión mejora del 44.5% al 51.5%, lo que produce un macro-F1 +9.0 sobre una línea base de un solo disparo.
Este enfoque proporciona un uso práctico de bajo costo para organizar bibliotecas personales manejando con precisión estructuras de carpetas privadas y en evolución.