Chain of Agents（COA）：大型语言模型在长文本任务中的协作新范式

随着人工智能技术的飞速发展，大型语言模型（LLM）在自然语言处理领域的应用日益广泛。然而，LLM在处理长文本任务时仍面临诸多挑战。传统的解决方案，如截断输入上下文或使用基于检索增强生成（RAG）的方法(面向企业RAG（Retrieval Augmented Generation）系统的多维检索框架)，往往存在信息丢失或检索不准确的问题。为了更有效地处理长文本任务，Chain of Agents（CoA）框架应运而生。CoA通过多个LLM的协作，实现了对长文本的高效处理，为LLM在长文本任务中的应用提供了新的思路。

一、问题背景

LLM在处理长文本时面临的挑战主要源于其有限的上下文窗口大小。当输入文本超过模型的上下文窗口时(RAG与长上下文LLM（Long-Context LLM）：一场AI领域的对决)，模型可能无法捕捉到所