arXiv 2026年10月2日该工作提出“来源学习”，用可持久修订的“来源模型”表示对某一持久权威来源的可复用理解，并通过自主导向来源学习（检查—研究—整合，自适应选择深化或连接动作）与任务导向来源学习（失败引导的局部修补加跨任务表示策略再校准）两种机制逐步完善该模型，且持久更新始终从权威来源重建；在文档问答、代码问答、工具使用与交互环境五个基准、三个LLM后端共15个设置中，SourceLearn在13个取得最佳，较Hybrid RAG平均提升14.3、4.9、13.4分，最高提升22.6分。该工作提出“来源学习”，用可持久修订的“来源模型”表示对某一持久权威来源的可复用理解，并通过自主导向来源学习（检查—研究—整合，自适应选择深化或连接动作）与任务导向来源学习（失败引导的局部修补加跨任务表示策略再校准）两种机制逐步完善该模型，且持久更新始终从权威来源重建；在文档问答、代码问答、工具使用与交互环境五个基准、三个LLM后端共15个设置中，SourceLearn在13个取得最佳，较Hybrid RAG平均提升14.3、4.9、13.4分，最高提升22.6分。SourceLearn让LLM智能体把反复使用同一权威来源变成可累积的来源专属能力，在15个设置中13个取得最佳成绩该工作提出“来源学习”，用可持久修订的“来源模型”表示对某一持久权威来源的可复用理解，并通过自主导向来源学习（检查—研究—整合，自适应选择深化或连接动作）与任务导向来源学习（失败引导的局部修补加跨任务表示策略再校准）两种机制逐步完善该模型，且持久更新始终从权威来源重建；在文档问答、代码问答、工具使用与交互环境五个基准、三个LLM后端共15个设置中，SourceLearn在13个取得最佳，较Hybrid RAG平均提升14.3、4.9、13.4分，最高提升22.6分。该工作提出“来源学习”，用可持久修订的“来源模型”表示对某一持久权威来源的可复用理解，并通过自主导向来源学习（检查—研究—整合，自适应选择深化或连接动作）与任务导向来源学习（失败引导的局部修补加跨任务表示策略再校准）两种机制逐步完善该模型，且持久更新始终从权威来源重建；在文档问答、代码问答、工具使用与交互环境五个基准、三个LLM后端共15个设置中，SourceLearn在13个取得最佳，较Hybrid RAG平均提升14.3、4.9、13.4分，最高提升22.6分。