★ 3
arXiv 提出 ReflectPO：反思引导策略优化提升长程智能体纠错
针对长程工具使用任务中早期错误沿决策链累积的问题，论文提出 ReflectPO 强化学习框架。其核心为反思引导采样（利用轨迹分支差异与重复访问构造纠错提示）与树结构信用分配（按父子奖励差与恢复增益分配动作级信用）。在两个长程工具使用基准上多数领域超越现有基线，平均表现最佳。
arXiv NLP10 天前
#错误恢复
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
ParaRecover：并行工具智能体错误定位与恢复基准
现有智能体基准多只评估最终任务成败或工具调用正确性，难以衡量智能体能否诊断并恢复中间执行失败。作者提出 ParaRecover，一个面向多轮并行工具调用智能体的过程级基准，基于 14 类错误分类构建 10,626 个实例，并提出 SDE 评分标准衡量结构完整性、诊断推理与演化策略。实验显示即便最先…
arXiv cs.LG49 天前
★ 2
研究提出 ReCoF：预测 LLM 智能体错误能否自恢复
论文构建 ReInBench 数据集，含 1259 条智能体轨迹与 1403 个错误事件，发现其中 725 个错误可在数步内自恢复。作者据此提出 ReCoF 方法，预测错误是否会自恢复以决定是否介入，Macro-F1 较最强基线平均提升 9.02%。
arXiv cs.AI5 天前
★ 2
LLM智能体恢复机制需因果评估
论文指出仅用平均任务成功率衡量智能体错误恢复会掩盖风险：同一恢复操作可能救活失败轨迹，也可能破坏本可成功的轨迹。作者将恢复建模为因果决策问题，提出轻量策略CIR，在恢复前判断是否值得干预。在ALFWorld长程任务上，CIR将Qwen3-14B成功率从70.33%提升至73.33%，且不干扰观测正…
arXiv cs.AI31 天前
这个主题的相关资产
相关公司阿里巴巴1