Agent-Reflex:让语言智能体学会反思
AI 总结
一篇新 arXiv 论文提出 Agent-Reflex,一个训练框架,目标是让语言智能体在 MCP 工具服务返回噪声反馈或用户介入纠正时进行反思。框架分三阶段:环境反思技能发现(RSD)从成功与失败配对中提炼可复用的反思元技能;反思监督微调(ReSFT)把这些技能转化为监督信号;在策略反思策略优化(ORPO)结合噪声交互下的智能体强化学习与反思引导的在策略蒸馏。基于 Qwen3-8B,作者报告其在五个长程工具使用基准上总体得分 58.6、在 AgentNoiseBench 上得分 29.1,并称超过环境扩展与反思基线;这些结果均为作者自报,未经独立验证,论文称代码已公开。
深度见解
作者指出,真实部署中工具反馈噪声和用户纠正很常见,而现有方法对反思学习与失败恢复的监督有限。
Computer Science > Computation and Language
arXiv:2610.17953 (cs)
[Submitted on 13 Oct 2026]
Title:Agent-Reflex: Teaching Language Agents to Act Reflectively
Authors:Guanting Dong, Xinyu Yang, Jiajie Jin, Yuyang Hu, Xiaoshuai Song, Yifei Chen, Xiaoxi Li, Jiejun Tan, Yutao Zhu, Tat-Seng Chua, Ji-Rong Wen, Zhicheng Dou
View a PDF of the paper titled Agent-Reflex: Teaching Language Agents to Act Reflectively, by Guanting Dong and 11 other authors