IE 作为缓存：信息提取增强代理推理

信息提取旨在从非结构化文本中提取结构化的、与决策相关的信息，作为下游理解和推理的基础。然而，传统上它仅被视为最终目标：一旦提取，所得结构通常会被单独使用，而不是在多步推理期间维护和重用。除此之外，我们提出 \textit{IE-as-Cache}，一个将 IE 重新用作认知缓存以增强代理推理的框架。从分层计算机内存中汲取灵感，我们的方法将查询驱动的提取与缓存感知推理相结合，以动态维护紧凑的中间信息并过滤噪声。在不同 LLM 的挑战性基准上进行的实验表明，推理准确性显着提高，表明 IE 可以有效地重新利用为可重用的认知资源，并为 IE 下游使用的未来研究提供了一个有希望的方向。