Os pesquisadores formalizaram a tarefa de atribuir artigos recebidos a uma hierarquia específica do usuário sem treinamento por usuário como roteamento hierárquico personalizado de artigos (PHPR). Eles propõem o PaperRouter-Agent, um agente LLM sem treinamento que fundamenta as decisões de roteamento nos membros da pasta em vez de apenas nos nomes das pastas.
- O agente reduz a hierarquia candidata e recupera evidências específicas da pasta.
- Ele verifica o ajuste inspecionando os artigos membros e incorpora feedback com portão de similaridade de rejeições passadas do usuário.
- Em bibliotecas pessoais reais, ele aumenta Recall@1 de 0.39 para 0.61 e Recall@3 de 0.57 para 0.83.
- Os maiores ganhos ocorrem em pastas organizacionais definidas por metadados como local ou ano, onde métodos de único disparo colapsam (Recall@1 de 0.09 para 0.50).
- No benchmark LaMP-2, a precisão melhora de 44,5% para 51,5%, gerando um macro-F1 +9.0 sobre uma linha de base de único disparo.
Esta abordagem fornece uso prático de baixo custo para organizar bibliotecas pessoais ao lidar com precisão com estruturas de pastas privadas e em evolução.