💬 NLP

Is Progressive Disclosure All You Need for Long-Context Agents?

Dit artikel presenteert de eerste gecontroleerde studie naar progressieve onthulling in lang-context agenten, waarbij wordt onthuld dat hoewel het beperkte voordelen biedt wanneer agenten al over sterke retrieval-capaciteiten beschikken, het doorslaggevend wordt bij het schalen naar taken met meerdere boeken waar navigatie door ruwe documenten faalt, hoewel het toevoegen van meer dan één onthullingsniveau geen aanvullend voordeel biedt.

Oorspronkelijke auteurs: Yifeng He, Yinzhe Zhao, Jicheng Wang, Hao Chen

Gepubliceerd 2026-07-21

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Yifeng He, Yinzhe Zhao, Jicheng Wang, Hao Chen

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert een specifiek feit te vinden in een bibliotheek die miljoenen boeken bevat. Je hebt twee manieren om dit aan te pakken. De eerste manier is om de hele bibliotheek in één keer uit je hoofd te leren, in de hoop dat je brein groot genoeg is om elke pagina te bevatten. De tweede manier is om een bibliothecaris in te huren die de boeken niet uit het hoofd kent, maar een kaartcatalogus heeft; je vraagt de bibliothecaris om een trefwoord, zij halen een paar relevante pagina's tevoorschijn en jij leest die. Een lange tijd hebben computerwetenschappers gedebatteerd over welke van deze twee methoden het beste werkt voor kunstmatige intelligentie (AI).

Echter, er is een derde, nieuwere idee opgekomen: de AI de hele bibliotheek geven, maar de AI leren hoe hij een kaart moet gebruiken. In plaats van de AI te dwingen alles te lezen of te vertrouwen op een externe bibliothecaris, geef je de AI een "skill pack". Dit is alsof je de AI een inhoudsopgave geeft die beschrijft waar elk hoofdstuk over gaat. De AI kan naar de beschrijvingen kijken, beslissen welk hoofdstuk nuttig lijkt, en pas daarna dat specifieke boek openen om de details te lezen. Deze methode wordt "progressive disclosure" genoemd. Het is een beetje als een detective die een enorm dossier krijgt, maar eerst een samenvatting van elke map te zien krijgt, waardoor hij de juiste map kan kiezen voordat hij in de details duikt. De grote vraag is: helpt deze kaart de detective de zaak sneller en beter op te lossen, of is het slechts extra papierwerk dat hem vertraagt?

Dit artikel zet zich af om precies die vraag te testen. De onderzoekers bouwden een digitale speeltuin genaamd "LOONGDOC" waar ze AI-agenten konden zien proberen vragen te beantwoorden over lange boeken. Ze testten drie verschillende strategieën: de AI door de ruwe tekst laten dwalen zonder hulp, de AI een kaart van één niveau geven (een eenvoudige inhoudsopgave), en de AI een diepe, meerlagige kaart geven (waarbij elk hoofdstuk zijn eigen gedetailleerde samenvatting heeft). Ze voerden deze tests uit op verschillende soorten AI-"hersenen" en met bibliotheken variërend van één boek tot twintig boeken.

De resultaten waren verrassend en zeer specifiek. Wanneer de AI te maken had met slechts één boek, hielpen de chique kaarten niet echt als de AI al slim genoeg was om zijn weg zelf te vinden. Bijvoorbeeld, een van de AI-modellen die ze testten (Codex) was zo goed in het scannen van tekst dat het de juiste antwoorden kon vinden door simpelweg te "greppen" (zoeken op trefwoorden), waardoor de kaart volkomen overbodig was. Sterker nog, voor deze slimme AI maakte het toevoegen van een complexe, meerlagige kaart de boel zelfs slechter; het verwarde het systeem en verlaagde de nauwkeurigheid. De onderzoekers ontdekten dat een eenvoudige, eenlagige kaart voldoende was; het toevoegen van een tweede laag diepte hielp nooit en maakte het systeem soms zelfs volledig kapot.

Echter, het verhaal verandert volledig wanneer je opschaalt naar een bibliotheek van twintig boeken. Hier stort de "ruwe" aanpak, waarbij de AI blind ronddwaalt, in elkaar. De AI raakt verdwaald, verbruikt al zijn geheugen door in de verkeerde boeken te proberen te lezen, en slaagt er niet in de vragen te beantwoorden. Maar de AI met de eenvoudige, eenlagige kaart? Die bewaarde de rust. De AI gebruikte de kaart om snel het juiste boek te identificeren en las vervolgens alleen wat nodig was. In dit scenario van een drukke bibliotheek was de kaart niet alleen behulpzaam; het was het verschil tussen succes en falen. De onderzoekers concluderen dat "progressive disclosure" de AI niet slimmer maakt; het geeft het simpelweg betere context. Het is een hulpmiddel dat nutteloos is wanneer de AI al een genie is in navigeren, maar absoluut essentieel wanneer de bibliotheek te groot wordt om zonder gids te verkennen. Uiteindelijk suggereert het artikel dat voor lange documenten een enkele laag van "progressive disclosure" het ideale evenwicht is, terwijl diepere, complexere hiërarchieën meestal een verspilling van tijd zijn.

Technische Samenvatting: Progressieve Onthulling voor Long-Context Agents

1. Probleemstelling

Vraagbeantwoording (QA) over lange documenten dwingt traditioneel af tussen twee suboptimale strategieën: het volledige document in het contextvenster laden (wat vaak de effectieve aandachtslimieten overschrijdt) of vertrouwen op een externe retriever om fragmenten op te halen. Agentic AI stelt een derde optie voor: de agent het pad naar het document verstrekken en de agent laten beslissen wat en wanneer er gelezen wordt.

Terwijl praktijkgebruikers snel Agent Skills hebben geadopteerd—een standaard voor het verpakken van expertise in on-demand mappen via progressieve onthulling (waarbij alleen wordt blootgesteld wat een query nodig heeft, van korte beschrijvingen tot specifieke passages)—is dit patroon gedreven door engineering-intuïtie in plaats van gecontroleerd bewijs. Specifiek blijft het onduidelijk of progressieve onthulling beter presteert dan navigatie door ruwe documenten bij taken van boeklengte, en hoe de diepte van de onthullingshiërarchie (plat versus recursief) de prestaties beïnvloedt. Bovovenstaande is het eveneens onduidelijk of bestaande literatuur twee ontwerpkeuzes verward: de diepte van de routeringshiërarchie en de fysieke locatie van de per-chunk index (altijd geladen versus laden bij activatie).

2. Methodologie

De auteurs introduceren LOONGDOC, een interactieve agent-omgeving gebouwd op het BenchFlow-framework, die de statische $\infty$ Bench benchmark transformeert naar een gesandboxed bestandssysteem-taak. Dit maakt het mogelijk om trajecten van agents, tool-calls en tokengebruik op te nemen.

Experimenteel Ontwerp

De studie vergelijkt drie verschillende benaderingen voor het navigeren door een document van boeklengte, die allemaal een identieke vaste set chunks en beschrijvingen delen om de "bedrading" als enige variabele te isoleren:

Raw-Document Navigation (raw): De agent ontvangt het ruwe boekbestand in de sandbox zonder skill pack. De agent moet het bestand volledig zelf navigeren, 'greppen' of lezen.
Flat Disclosure (flat): Het document is verpakt als een enkele Agent Skill. Een root SKILL.md bestand (altijd in de context) bevat een inhoudsopgave die chunk-bestanden indexeert. De agent leest de root-beschrijving, activeert de skill en laadt vervolgens specifieke chunk-bestanden uit een references/ directory op aanvraag. Per-chunk beschrijvingen worden pas geladen bij activatie.
Hierarchical Disclosure (hierarchical): Een recursieve structuur waarbij elke chunk zijn eigen skill is. Een meta-router (altijd in de context) routeert naar child-skills, die elk een eigen SKILL.md hebben met een beschrijving die altijd in de context staat. Dit verhoogt de "altijd geladen" context-belasting.

Evaluatie Setup

Benchmarks: $\infty$ Bench subsets: English Multiple Choice (En.MC), English Open QA (En.QA), en Chinese Open QA (Zh.QA).
Schaal: Experimenten draaien op één boek en schalen naar een bibliotheek van $K \in \{5, 10, 20\}$ boeken.
Modellen & Harnesses: Drie agent harnesses (Codex, Pi, Claude-Code) die drie modelfamilies aansturen (gpt-5.4-mini, qwen3.6-27b, claude-haiku-4.5).
Baseline: Een klassieke Hybrid RAG (retrieve-and-rerank) pipeline dient als extern referentiepunt.

3. Belangrijkste Bijdragen

Gecontroleerde Vergelijking: De eerste systematische studie die de effecten van ruwe navigatie versus platte en hiërarchische progressieve onthulling isoleert op een gestandaardiseerde long-document benchmark.
LOONGDOC Omgeving: Een reproduceerbare testomgeving die statische boek-QA transformeert in interactieve agent-taken, waarbij volledige trajecten worden gelogd om te verklaren hoe agents falen of slagen, in plaats van alleen de uiteindelijke nauwkeurigheid te rapporteren.
Ontwerp-isolatie: De studie ontkoppelt de effecten van routeringsdiepte en indexlocatie, en toont aan dat het succes van het "boek-naar-skill" recept sterk afhangt van de natuurlijke navigatiecapaciteiten van de agent en de omvang van de corpus.

4. Resultaten

Prestaties bij een enkel boek

Afhankelijkheid van de Harness: Progressieve onthulling is geen universele hefboom voor nauwkeurigheid.
- Zwakke Navigators (Pi, Claude-Code): Platte onthulling komt overeen met of overtreft ruwe navigatie. De skill pack hels de agents die moeite hebben met het lokaliseren van passages in ruwe tekst.
- Sterke Navigators (Codex): Voor agents zoals Codex (gpt-5.4-mini), die van nature entiteiten "greppen" en alleen gematchte passages lezen, voegt de skill pack geen enkele winst in nauwkeurigheid toe. De agent reconstrueert de 'locate-then-read' capaciteit on the fly, waardoor de vooraf uitgesneden skill redundant wordt.
Diepte-straf (Depth Penalty): De hiërarchische benadering (diepere recursie) presteert nooit beter dan de platte benadering op een enkel boek en verslechtert de nauwkeurigheid vaak aanzienlijk (bijv. een daling van 0.91 naar 0.63 op Pi voor En.MC). De constante context-load van altijd geladen child-beschrijvingen verzadigt de context van de router voordat deze een chunk kiest.

Prestaties op bibliotheek-schaal (Schalen naar $K=20$ )

Instorting van Raw Navigation: Naarmate de corpus groeit, stort ruwe document-navigatie in. Voor sterke agents zoals Codex daalt de nauwkeurigheid op open QA drastisch (bijv. En.QA valt van ~0.66 naar ~0.26), omdat de agent niet betrouwbaar het juiste boek onder vele boeken kan lokaliseren zonder excessieve context te verbruiken.
Flat Disclosure als Redding: De platte skill pack degradeert veel langzamer en haalt de inhaalslag in op ruwe navigatie bij schaalvergroting. Het stelt de agent in staat zich eerst te committeren aan het doelboek voordat de bibliotheek wordt doorzocht.
Falende Hiërarchie op Schaal: De hiërarchische pack slaagt er niet in de redding te reproduceren die de platte pack biedt. De "altijd geladen" beschrijvingen van alle chunks over 20 boeken blazen het contextbudget op, waardoor de druk ontstaat die de methode juist probeert te verlichten.
Efficiëntie: De platte pack is niet alleen nauwkeuriger, maar ook efficiënter. Bij $K=20$ bereikt het bijna de dubbele nauwkeurigheid van ruwe navigatie tegen ongeveer de helft van de tokenkosten.

Vergelijking met Baseline

Progressieve onthulling (specifiek de platte variant) presteert over het algemeen beter dan de klassieke Hybrid RAG baseline, met name op open QA-taken, wat suggereert dat in-skill indexing een effectiever routeringsmechanisme is dan standaard retrieve-and-rerank pipelines voor gestructureerde lange documenten.

5. Betekenis en Claims

De paper concludeert dat progressieve onthulling context koopt, geen intelligentie.

Redundantie versus Besluitvaardigheid: Voor een enkel boek, als een agent sterk genoeg is om effectief door ruwe tekst te navigeren, is progressieve onthulling redundant. Echter, zodra de corpus te groot wordt voor natuurlijke navigatie (bibliotheek-schaal), wordt progressieve onthulling doorslaggevend.
Optimale Structuur: Eén niveau van onthulling (plat) is voldoende. Het toevoegen van een tweede, dieper routingniveau (hiërarchisch) helpt nooit en schaadt de nauwkeurigheid vaak door de context window te verzadigen met metadata.
Praktische Richtlijn: Voor het verpakken van materiaal van boeklengte, raden de auteurs een enkele skill aan met een laag van progressieve onthulling (een platte index), in plaats van een diepe hiërarchie van child-skills.

De studie benadrukt dat de voordelen van dit patroon taak- en taalspecifiek zijn, waarbij de grootste winsten worden geboekt op Engelse open QA en minimale of negatieve effecten optreden bij Chinese QA (waar de capaciteit van het basismodel de bovengrens vormt) en multiple-choice taken (waar pre-training memorisatie de resultaten vertroebelt).