LEDGER：通过依赖关系感知图检索扩展代理文档编辑

我们引入 LEDGER 来解决代理文档编辑的新上下文工程挑战，其中必须有效地应用对长结构化文档的本地化编辑，而不会破坏交叉引用或语义一致性。 LEDGER 构建了一个轻量级依赖图，它显式地对文档结构进行建模，包括层次结构、显式引用、隐式依赖关系和语义关系。对于每次编辑，图形引导检索仅选择必要的上下文，避免完整文档处理，同时保持一致性。我们在包含各种文档类型和长度的 1.9k 测试用例的策划基准上评估 LEDGER，涵盖六个最先进的模型：LEDGER 将所有六个模型和测试场景的一致性从 56% 提高到 76%，同时减少了词元使用。值得注意的是，推理工作量较低的 LEDGER 使用较少的标记与推理工作量较高的基线性能相匹配，这表明显式依赖表示可以部分替代代理文档编辑中昂贵的内部推理。