11 月 10 日提交的 arXiv 2611.13966 把分类体系构建写成一道受约束的工程题。论文由 Jonas Limniatis、Bennet Schaarmann、Georg Reuber 与 Robert Stahlbock 四人署名，投往 Knowledge-Based Systems，代码放在 GitHub。分类体系支撑语义检索与检索增强生成，从一组固定候选实体自动长出来时，产物得完整、层级关系合法、组织原则前后一致；作者列出的老问题是迭代式自由生成会漏实体、造出不存在的实体、给出无效层级。
TIGA 是工具接地分类体系归纳的缩写，把构建形式化为显式状态与约束动作空间上的迭代决策过程。编辑工具负责改动，交互记忆记录每次工具调用、理由与结果，运行时自适应组织策略由智能体在推理中自行修订，可选的全局审阅器再按候选集与当前策略评估成品。评测用了 4 个基准分类体系、2 个 LLM 骨干，对照组是单次生成与迭代提示两类基线。
结论写得克制。多数配置下 TIGA 的结构质量居前，但论文明确说它并未在每一项精度指标上都占优；收益伴随明显更高的词元消耗、API 调用量与推理时间，摘要把两者定性为有前景但昂贵。消融里，组织策略与交互记忆两个部件稳定带来收益，全局审阅器的效果取决于数据集与可用的修订预算。
站内 2166 号量过另一笔账，planner-coder-reviewer 三段式架构成本 3.22 倍、用时 3.24 倍且不解题更多，换成便宜角色后成本降到 0.39 倍但通过率掉了 6.7 分。那笔是多智能体交接的协调税，TIGA 这笔是约束动作空间带来的工具调用开销，都把代价写进结论。区别在于 TIGA 换来的不是更高的通过率，而是产物结构上的合法性。
摘要没给的东西要逐项列清。4 个基准分类体系的规模、2 个骨干的具体型号、词元与调用量上升的倍数，都没有写出；全局审阅器在不同修订预算下的收益曲线也没有数值；消融表与人工复核结果同样未在摘要出现。代码已公开，第三方在同样约束下重跑的成本，眼下也没有独立结果。