DeReAct：分解推理与行动实现可靠智能体
原文标题：DeReAct: Decomposed Reasoning and Acting for Reliable AI Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出 ReAct 智能体将动作提议、环境交互与完成判定耦合在单一策略中，导致错误传播与无依据的完成声明。为此提出 DeReAct，外化两个门控策略：执行前验证动作的 Critic 与重建环境支持状态并认证完成的 Context Manager。在 GAIA 与 SWE-bench Verified 上，DeReAct 对较弱模型提升显著，Qwen3-Coder-480B 提升 6.5-7.0 分，且随模型增强收益递减。
- 问题
- ReAct智能体把动作提议、环境交互与完成判定耦合在单一策略中，导致错误传播与无依据完成声明。
- 方法
- DeReAct外化两个门控策略：执行前验证动作的Critic与重建环境支持状态并认证完成的Context Manager。
- 结果
- GAIA与SWE-bench Verified上Qwen3-Coder-480B提升6.5-7.0分，Claude Sonnet 4.5提升4.2-5.2分，模型越强收益越小。
- 影响
- 模块化门控能以少量架构改动提升弱模型Agent可靠性，强模型则换来更强证据支撑。
深读 · 结论先行AI 生成展开看要点与影响 ↓
DeReAct外化动作验证与完成认证两个门控，Qwen3-Coder-480B在GAIA与SWE-bench上提升6.5–7.0分。
- •针对ReAct把动作提议、环境交互、完成判定耦合在单一策略中的问题
- •Critic在执行前验证动作，Context Manager重建环境支持状态并认证完成
- •Qwen3-Coder-480B提升6.5–7.0分，Claude Sonnet 4.5提升4.2–5.2分
- •收益随模型能力增强而递减，Claude Opus 4.5上Pass@1与ReAct相当
- •Opus 4.5下轨迹更证据完整、更满足约束，说明完成控制可用更早终止换更强依据
为什么重要：无依据的完成声明是智能体可靠性的常见失效点；外部门控对弱模型收益明显，对强模型则体现为轨迹质量而非分数。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。