AI Agent的核心算法：自主学习与反思（Self-Reflection / Critique）
一、元认知的觉醒：为什么反思是Agent的"第二大脑"
人类认知心理学中有一个核心概念叫元认知（Metacognition）——即"对思考的思考"。一个优秀的解题者不仅知道答案，更知道自己在哪一步可能出错、哪种策略在当前语境下失效。将这一能力迁移到AI Agent，便是Self-Reflection的本质：Agent不再被动执行预设工作流，而是主动审视自身的推理轨迹、工具调用与决策逻辑，并从中提炼可复用的经验。
早期的LLM Agent架构（如ReAct）已经建立了"思考-行动-观察"的循环范式，但存在一个根本缺陷：Agent的每一步推理都基于当前上下文，缺乏对历史失败模式的系统性记忆。这导致Agent在复杂长程任务中反复陷入相同的陷阱——比如错误地选择搜索关键词、忽略任务约束条件、或在多步推理中累积幻觉。
Johns Hopkins大学的一项系统性研究证实，引入Self-Reflection后，LLM Agent在LSAT-Analytical Reasoning等复杂推理任务上的准确率实现了统计学显著的提升（p < 0.001），且反思内容的信息密度直接决定改进幅度：包含完整解释、指令和逐步解决方案的"复合反思"（Composite Reflection）远优于简单的"重试"（Retry）或"关键词提示"（Keywords）。
这揭示了一个关键洞察：反思的质量，决定了Agent进化的速度。
1.1 认知架构的基石：CoALA框架
要理解反思机制在Agent系统中的位置，必须首先理解 CoALA（Cognitive Architectures for Language Agents） 框架。这是由普林斯顿大学Sumers等人于2023年提出的认知架构，将语言Agent的记忆系统划分为四个核心模块：
┌─────────────────────────────────────────────────────────────┐
│ CoALA 认知架构全景图 │
├─────────────────────────────────────────────────────────────┤
│ ┌──────────────────┐ │
│ │ Working Memory │ ← 工作记忆：当前上下文窗口 │
│ │ (工作记忆) │ 感知输入、活跃目标、中间推理步骤 │
│ └────────┬─────────┘ │
│ │ 检索 / 写入 │
│ ▼ │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ Long-Term Memory (长期记忆) │ │
│ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────────┐ │ │
│ │ │ Episodic │ │ Semantic │ │ Procedural │ │ │
│ │ │ 情景记忆 │ │ 语义记忆 │ │ 程序记忆 │ │ │
│ │ │ 过去事件记录 │ │ 世界知识 │ │ 技能/规则/代码 │ │ │
│ │ └─────────────┘ └─────────────┘ └─────────────────┘ │ │
│ └─────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────────┐ ┌───────────────────┐ │
│ │ Internal Actions │ │ External Actions │ │
│ │ 内部动作：推理、 │ │ 外部动作：物理/对话│ │
│ │ 检索、学习 │ │/数字交互 │ │
│ └──────────────────┘ └───────────────────┘ │
└──────────────────────────────────────────────────────────────┘
CoALA的核心洞见在于：反思不是孤立的功能，而是嵌入在完整的认知循环中。Agent通过"内部动作"（推理、检索、学习）与"外部动作"（工具调用、环境交互）的交替执行，不断在工作记忆和长期记忆之间交换信息。反思机制正是连接"失败经验"（情景记忆）与"改进策略"（程序记忆）的桥梁。
二、从ReAct到Reflexion：反思范式的三次跃迁
2.1 第一代：ReAct —— 推理与行动的交织
ReAct（Reasoning + Acting）是Agent架构的奠基性工作。它通过交替生成推理轨迹（Thought）和行动（Action），让LLM的"内部思维"与外部工具调用形成闭环。ReAct的推理-行动循环可以用以下伪代码表示：
循环：
1. 观察环境状态（Observation）
2. 生成推理轨迹（Thought）："基于当前观察，我需要..."
3. 选择并执行行动（Action）：调用工具 / 生成答案
4. 获取环境反馈（Observation）
5. 回到步骤1
然而，ReAct的反思是隐式的、被动的——Agent只在获得环境反馈（如工具返回错误）时才调整策略，缺乏主动的、结构化的自我批判。这就像一个学生只在考试发卷后才知道自己错了，却从未在解题过程中停下来审视自己的思路。
2.2 第二代：Reflexion —— 语言化的强化学习
2023年，Reflexion框架的提出标志着反思机制从"隐式"走向"显式"。其核心创新在于引入了Verbal Reinforcement Learning（语言化强化学习）：Agent不再依赖权重更新，而是通过自然语言形式的"自我反思"来存储失败经验，并在后续尝试中通过上下文注入（In-Context Learning）实现策略改进。
Reflexion的架构由三个核心角色构成：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Actor │ --> │ Evaluator │ --> │ Reflector │
│ (执行者) │ │ (评估者) │ │ (反思者) │
└─────────────┘ └─────────────┘ └─────────────┘
↑ │
└────────── 语言化反馈注入 ---------------┘
Actor基于ReAct生成行动序列；Evaluator对Actor的输出进行评分（如单元测试通过率、任务完成度）；Reflector在任务失败后，分析完整轨迹，生成结构化的语言反馈（如"我在第三步错误地假设了X，应该优先验证Y"），并存入Episodic Memory（情景记忆）。
Reflexion的关键突破在于：它将强化学习中的"价值函数"替换为自然语言形式的"反思文本"。传统RL需要梯度更新来优化策略，而Reflexion通过将反思文本注入后续任务的上下文，实现了无需参数更新的策略改进。在HumanEval编程任务上，Reflexion将pass@1从GPT-4的基准水平提升至91%，这一结果证明了语言化反思可以作为梯度下降的有效替代方案。
2.3 第三代：Self-Refine & CRITIC —— 迭代批判与工具验证
如果说Reflexion解决了"如何记住失败"，那么Self-Refine和CRITIC则解决了"如何修正错误"。
Self-Refine（Madaan et al., NeurIPS 2023）建立了一个纯粹的迭代循环：生成 → 批判 → 修正，无需外部监督。同一LLM在三个角色间切换，通过自我反馈实现约20%的绝对性能提升。这一"单模型多角色"的范式后来成为多Agent系统中最稳健的基线设计。
CRITIC（Gou et al., ICLR 2024）则引入了一个关键洞察：LLM的自我批判如果没有外部验证，可能反而恶化性能。CRITIC框架要求Agent在生成初始输出后，主动调用外部工具（搜索引擎、代码解释器、毒性检测API）进行事实核查，再根据工具反馈进行修正。这一"验证→批判→修正→再验证"的循环，在开放式问答中将F1分数提升了7.7个百分点，在数学程序合成中显著提高了代码可执行性。
三、反思的认知科学基础：为什么LLM会"自我修正盲区"
在深入探讨2025-2026年的前沿突破之前，有必要理解一个根本性的认知局限：LLM存在"自我修正盲区"（Self-Correction Blind Spot）。
2025年的一项开创性研究通过系统性的错误注入实验揭示了一个惊人发现：LLM能够可靠地修正外部输入中的错误，却无法修正自己生成的错误。这一现象被命名为"自我修正盲区"，它解释了为什么"幻觉雪球"（Hallucination Snowballing）如此顽固——一旦LLM生成了错误信息，后续token会倾向于与该错误保持一致，形成自我强化的错误传播链。
这一发现与认知心理学中的 偏见盲区（Bias Blind Spot） 高度相似：人类倾向于识别他人的认知偏见，却难以觉察自身的偏见。LLM在训练过程中学习了大量人类文本，可能继承了这种"对外敏锐、对内迟钝"的认知模式。
更重要的是，该研究还发现：简单的测试时干预（如追加"Wait"提示词）可以激活原本处于休眠状态的自我修正机制。这解释了为什么OpenAI的o1和DeepSeek-R1等推理模型通过延长思考时间能够获得显著性能提升——它们本质上是在通过增加计算预算来"唤醒"模型内在的反思能力。
四、2025-2026前沿：反思机制的七大突破
进入2025-2026年，Self-Reflection研究呈现出从"被动回顾"到"主动预判"、从"单Agent内省"到"多Agent互省"、从"Prompt工程"到"模型训练"的深刻转向。以下是七个最具代表性的突破方向：
4.1 PreFlect：从"事后反思"到"事前预判"
传统反思框架（Reflexion、Self-Refine）都是回顾性（Retrospective）的——Agent先执行、失败、再反思。但2026年提出的PreFlect框架颠覆了这一逻辑：在执行前就对计划进行前瞻性批判（Prospective Reflection）。
PreFlect的核心机制包含两个组件：
- Planning Errors（规划错误库）：基于历史失败轨迹构建的结构化错误模式库，涵盖"约束条件验证不足"（64.92%的错误占比）、“工具选择不当”（32.84%）等典型故障类型；
- Dynamic Re-Planning（动态重规划）：在执行过程中持续监控轨迹可行性，当检测到原计划失效时（如搜索查询反复无结果），触发策略转向而非机械重试。
在GAIA基准测试上，PreFlect在GPT-4.1和Gemini-2.5-pro上分别达到了58.18%和59.39%的总分，相比基线平均提升17.14%和11.68%。更值得注意的是，在Level 3（最高复杂度）任务上，PreFlect的优势达到14.29%——这说明前瞻性反思在长程、高错误传播风险的任务中价值最大。
4.2 MIRROR：多Agent的内省与互省
当Agent系统从单体演进为协作网络时，反思机制也需要从"独白"升级为"对话"。MIRROR框架提出了 Intra-Reflection（内省） 与 Inter-Reflection（互省） 的双层架构：
- Intra-Reflection：每个Agent在输出传递给下游前，先进行自我评分（1-10分）。Planner Agent评估任务分解的完整性与效率，Tool Agent评估工具选择的适配性。只有评分超过阈值（θ_p, θ_t）的输出才被放行，否则进入迭代修正。
- Inter-Reflection：执行完成后，多Agent系统基于短期记忆（STM）和长期记忆（LTM）对完整轨迹进行集体复盘，提炼跨任务的协作经验。
这种设计将质量控制从"系统级兜底"前移到"节点级拦截"，显著降低了错误在Agent流水线中的传播概率。
4.3 SAMULE：从Prompting到Training的反思范式转移
一个长期被忽视的问题是：现有反思框架大多依赖 提示工程（Prompting） 来激发基础模型已有的反思能力，但并未真正"教会"模型如何反思。SAMULE（2025）首次将反思能力从"激发"转向"训练"——通过微调一个专门的Reflection LLM，使其能够为Executor Agent提供高质量的批判性反馈。
这一范式的转变意味着：反思不再是一次性的上下文技巧，而是可以被蒸馏、量化、持续优化的可学习技能。这为未来构建"反思即服务"（Reflection-as-a-Service）的模块化架构奠定了基础。
4.4 FORGE：群体级别的自进化记忆
FORGE框架将反思机制从单Agent尺度扩展到**群体（Population）**尺度。它不再存储完整的原始轨迹，而是执行显式的轨迹分析，将失败经验提炼为结构化的知识工件（Knowledge Artifacts），并通过 群体广播（Population Broadcast） 机制在多个专业子Agent间共享。
其架构本质上是"Reflexion内循环 + 群体选择外循环"的层次化设计：底层是ReAct式的任务执行，中层是Reflexion式的轨迹反思，顶层是跨Agent群体的知识进化与优胜劣汰。这种设计在对抗性、随机性的网络安全POMDP环境中展现了强大的自适应能力。
4.5 回顾性进度感知自精炼：长程任务的"进度条"思维
2026年提出的Retrospective Progress-Aware Self-Refinement方法，针对长程任务中Agent"迷失方向"的痛点，引入了一个精妙的设计：Agent在任务完成后，回顾性地评估中间每一步对最终目标的贡献度，并据此生成"进度目标"（Progress Targets）来训练自己。
与传统方法修正单个动作或推理步骤不同，这种方法让Agent学会在任务执行中实时感知"我离目标还有多远"——类似于人类在长途旅行中不时查看地图确认方位。这种任务级的进度感知能力，对于需要数十步甚至数百步交互的复杂策略游戏和自动化工作流至关重要。
4.6 ASCoT：对抗"晚期脆弱性"的自适应修正
2025年，一项挑战传统认知的研究揭示了 “晚期脆弱性”（Late-Stage Fragility） 现象：与直觉相反，推理链中后期出现的错误比早期错误更有害。传统"级联失败"假说认为早期错误会污染后续所有步骤，但实验表明，LLM对早期错误有较强的恢复能力（可能触发了潜在的自我修正机制），而后期错误则因模型已产生"语义承诺"而难以纠正。
ASCoT（Adaptive Self-Correction Chain-of-Thought）方法通过以下机制应对这一挑战：
- 智能路由机制（IRM）：压缩推理链，识别并剪枝冗余token；
- 自适应验证管理器（AVM）：基于位置影响评分函数I(k)为不同步骤分配权重，优先识别高风险晚期步骤；
- 多视角修正引擎（MSCE）：对标记步骤同时执行"内在修正"（自我反思）和"外在修正"（独立重生成），选择质量更高的候选。
在GSM8K和MATH基准上，ASCoT在LLaMA-3.1-8B上分别减少21%和30%的token使用，同时仅造成1.1%和1.8%的准确率下降，实现了效率与质量的最佳平衡。
4.7 推理模型的"Aha Moment"：从涌现到内化
2025年初，DeepSeek-R1的发布震撼了AI社区。该模型通过纯强化学习（无需SFT）训练，在推理过程中自发涌现出"自我反思"行为——即著名的"Aha Moment"。模型会在推理链中突然"意识到"自己的错误，发出"Wait, wait. That’s an aha moment…"之类的拟人化感叹，然后回溯修正。
后续研究深入剖析了这一现象：
- Aha Moment并非RL训练的独有产物：DeepSeek-V3-Base（未经RL的基础模型）本身就能生成"Aha"、“wait”、"verify the problem"等反思关键词，说明基础模型已具备反思的"种子"能力；
- RL的作用是放大和结构化：GRPO（Group Relative Policy Optimization）算法通过规则奖励（正确性奖励+格式奖励）将零散的反思行为强化为稳定的推理策略；
- 但反思频率≠准确率提升：更多反思token并不总是带来更好结果，存在"过度思考"（Overthinking）问题——模型对已经正确的答案进行不必要的反复验证。
这一发现催生了高效推理的新方向：如何让模型"聪明地思考"而非"冗长地思考"。DEPO（Decoupled Advantage Policy Optimization）等方法通过解耦高效推理片段和冗余反思片段的优势计算，在保持准确率的同时显著缩短推理长度。
五、记忆架构：反思的"存储与检索"基础设施
反思机制的有效性不仅取决于反思算法本身，更取决于记忆架构能否高效地存储、检索和更新反思成果。2025-2026年，Agent记忆系统经历了从简单向量存储到分层认知架构的深刻进化。
5.1 从四层到六层：记忆分类学的扩展
基于CoALA框架，业界逐渐形成了统一的记忆分类学：
| 记忆类型 | 存储内容 | 典型实现 | 检索方式 |
|---|---|---|---|
| 工作记忆（Working） | 当前会话上下文 | LLM上下文窗口 | 直接推理 |
| 情景记忆（Episodic） | 过去事件与交互记录 | 向量数据库、记忆流 | 语义相似度检索 |
| 语义记忆（Semantic） | 事实知识、定义 | 知识图谱、RAG | 结构化查询 |
| 程序记忆（Procedural） | 技能、规则、行为指令 | 系统提示、代码、LoRA | 隐式执行 |
| 组织上下文（Organizational） | 企业治理定义、血缘 | 元数据图谱 | 策略驱动检索 |
| 资源记忆（Resource） | 工具/API使用模式 | 工具注册表 | 功能匹配 |
MIRIX框架进一步将记忆管理升级为元记忆控制器（Meta-Memory Controller），由专门的Agent协调六种记忆类型的读写操作，在MemoryScope基准上实现了31%的性能提升。
5.2 DuoMem：双空间蒸馏让边缘设备拥有反思能力
一个长期被忽视的问题是：反思机制通常依赖大模型（72B+参数）和大量上下文，难以部署在资源受限的边缘设备上。DuoMem（2026）通过双空间蒸馏框架解决了这一难题：
- 上下文空间蒸馏（Context-Space Distillation）：用72B教师模型离线生成高质量程序记忆，在推理时预置到4B学生模型的上下文中；
- 参数空间蒸馏（Parameter-Space Distillation）：用LoRA适配器在成功教师轨迹上微调学生模型。
在ALFWorld具身智能基准上，DuoMem将4B模型的任务成功率从4.3%提升至77.9%，接近72B教师的87.1%，同时推理速度提升3倍以上。这证明了反思能力可以被有效蒸馏到小模型，为边缘Agent的普及铺平道路。
5.3 图原生记忆：超越向量检索的反思基础设施
传统向量数据库擅长模糊语义召回，但无法表达反思经验中的因果关系和时序依赖。2026年提出的 图原生认知记忆（Graph-Native Cognitive Memory） 将记忆建模为版本化的推理图：
- 每个"信念"（Belief）是一个节点，带有置信度分数；
- 信念之间的"支持"（Supports）和"反驳"（Refutes）关系构成边；
- 当新反思经验与旧信念冲突时，系统创建新版本并通过"Supersedes"边链接，而非直接覆盖。
这种设计支持向后遍历（Backward Traversal）：从任意证据节点出发，可以追溯所有历史评估和修正记录，回答"这个结论是如何被验证的"这一关键问题。
六、评估体系：如何衡量反思的质量
反思机制的评估长期缺乏标准化，2025-2026年涌现了一批专门基准：
6.1 LLF-Bench：交互式反思的标准化
LLF-Bench（Cheng et al., 2023）是首个专门为交互式自我反思设计的基准。它将任务指令作为环境的一部分（而非Agent的一部分），并支持随机化指令描述和反馈文本，防止Agent过拟合到特定环境。
6.2 Reflection-Bench：认知反思的六维分解
Reflection-Bench从认知科学角度将反思能力分解为六个维度：
- 新信息感知：能否识别环境中的意外信号；
- 记忆使用：能否有效检索相关历史经验；
- 信念更新：在获得反证后能否修正原有信念；
- 决策调整：能否根据反馈改变行动策略；
- 反事实推理：能否想象"如果当初选择不同…"；
- 元反思：能否反思自己的反思过程。
6.3 BenchTrace：从任务分数到反思质量
BenchTrace（2026）突破了"只看最终答案对错"的粗糙评估，建立了快照-反思数据集：1,821个标注 episodes 涵盖六种任务类型，通过 反射评估（Reflection Evaluation） 和 进化评估（Evolution Evaluation） 两个维度分别测试失败识别能力和经验转化能力。
其核心指标 FAR（Failure Avoidance Rate） 衡量Agent在测试案例中成功避免目标失败的比例。实验揭示了一个令人警醒的事实：Qwen3-32B和GPT-4.1的反思评估端到端通过率均低于30%， 诊断（Diagnosis）是主要瓶颈 。更关键的是，Agent会随着噪声episodes的积累而"遗忘"早期教训，且难以将反思经验泛化到新上下文——这揭示了当前自进化方法的结构性局限。
七、工程实践：构建生产级反思系统的五大原则
将上述前沿研究转化为可落地的工程架构，需要遵循以下原则：
7.1 原则一：Verifier的可靠性决定反思的上限
一个被反复验证的结论是：Generator + Verifier是唯一能持续产生正向收益的多Agent设计模式。当Verifier是确定的（Python解释器、单元测试、PDDL规划器、形式化证明器）时，反思循环几乎总是有效的；但当Verifier本身也是LLM时，收益会变得不稳定——这被称为"同骨干谄媚"（Same-Backbone Bias）问题。
工程建议：优先使用外部确定性工具作为Verifier（如代码执行环境、数据库查询、API响应校验），仅在无法获得外部信号时退回到LLM-as-a-Judge模式，并引入多模型交叉验证来降低偏见。
7.2 原则二：反思的触发需要"难度路由"
并非每一步都需要反思。2026年的研究表明，无差别的重度反思会显著增加延迟、Token消耗和用户疲劳。更优的策略是引入Difficulty Router（难度路由器）：先用轻量级分类器判断当前任务的复杂度与风险等级，仅对高复杂度、高风险的会话启用完整的反思-重规划流程，常规会话保持轻量级基线路径。
这种"按需反思"的设计在客服Agent场景中已被证明能在提升复杂请求可靠性的同时，保持标准工作流的效率。
7.3 原则三：记忆结构决定反思的复用半径
反思的价值不仅在于修正当前任务，更在于避免未来重复犯错。DeltaMem（2026）提出的 Residual Tree（残差树） 结构值得借鉴：将经验记忆分为"基础技能树"（Base Skill Tree）和"增量修正树"（Δ Skill Tree），新经验以"增量补丁"的形式挂载到基础节点上，而非重复存储完整轨迹。这种设计在检索时能够动态组装无冲突的记忆上下文，显著提升了长程任务中的经验复用效率。
7.4 原则四：从"单轮反思"到"持续反思进程"
SmartFuzz等系统提出的 Continuous Reflection Process（CRP） 将反思从离散的事件升级为持续的进程：Agent在生成、执行、获取环境反馈、全局/局部反思、修订的循环中持续收敛。这要求系统架构支持：
- 异步反思通道（不阻塞主执行流）
- 反思结果的版本化管理
- 反思策略本身的元学习（即"反思如何反思"）
7.5 原则五：安全与对齐——反思的伦理边界
一个能持续自我修正的Agent，其最终行为边界由初始目标函数决定，还是由反思过程中涌现的价值观决定？这涉及AI对齐（Alignment）的深层命题。2026年的研究开始关注：
- 记忆投毒（Memory Poisoning）：攻击者通过注入虚假经验污染Agent的长期记忆；
- 反思劫持（Reflection Hijacking）：操纵反思过程使Agent"学习"到有害策略；
- 遗忘权（Right to be Forgotten）：GDPR等法规要求Agent能够精确删除特定记忆，而非全量重置。
这些挑战催生了Agentic Unlearning等新兴研究方向，要求反思系统在设计之初就内置安全审计和记忆血缘追踪能力。
八、未解之谜与方向展望
尽管Self-Reflection领域进展迅猛，几个根本性问题仍悬而未决：
8.1 反思的幻觉问题
LLM在反思时可能产生"虚假的批判"——即错误地认为自己犯了错，或错误地诊断了错误原因。如何为反思本身建立可靠的元验证机制，是下一个关键挑战。DISC框架提出的"二元判断门"（Binary Judgment Gate）是一个有希望的方向：在修正前先判断"是否真的需要修正"，避免无条件修订带来的噪声。
8.2 反思成本的Scaling Law
随着任务复杂度提升，反思所需的Token和延迟呈超线性增长。是否存在"反思效率的Scaling Law"？如何在推理预算约束下优化反思深度？DEPO和ThinkPrune等研究已经开始探索"推理长度-准确率"的帕累托前沿。
8.3 从工具使用到世界建模
当前反思大多基于工具反馈和文本轨迹。当Agent进入物理世界（机器人、自动驾驶）时，反思需要整合多模态感知信号和物理约束，这将催生全新的Embodied Reflection范式。VLM-R³等研究已经开始探索视觉-语言推理中的区域级反思，但物理世界的反思仍是一片蓝海。
8.4 从涌现到设计：能否"编程"反思能力？
DeepSeek-R1的Aha Moment是"涌现"的——研究者并未显式设计反思机制，而是RL训练的自然产物。但工程实践需要可预测、可控制的反思行为。未来的研究方向包括：将反思能力编码为可插拔的模块（如SAMULE的Reflection LLM）、通过形式化方法验证反思策略的正确性、以及建立反思行为的"安全沙箱"。
九、结语
Self-Reflection正在从LLM Agent的"可选插件"演变为"核心基础设施"。从ReAct的隐式反馈，到Reflexion的语言化强化学习，再到PreFlect的前瞻性预判、MIRROR的多Agent互省、SAMULE的训练时反思、ASCoT的晚期脆弱性对抗、以及DuoMem的边缘部署——我们正见证一个Agent认知架构的完整拼图逐渐清晰。
未来的AI Agent不会因为它从未犯错而强大，而会因为它从每一次犯错中提炼出的经验，比人类更高效、更系统、更持久而强大。反思，正是这一进化引擎的点火装置。
参考阅读：
| 论文/框架 | 年份 | 核心贡献 |
|---|---|---|
| ReAct | 2023 | 推理与行动交织的Agent范式 |
| Reflexion | 2023 | 语言化强化学习，情景记忆存储失败经验 |
| Self-Refine | 2023 | 单模型多角色的迭代修正 |
| CRITIC | 2024 | 工具交互式事实核查 |
| CoALA | 2023 | 语言Agent的认知架构框架 |
| CoVe | 2024 | 链式验证减少幻觉 |
| SCoRe | 2024 | 多轮RL训练自我修正能力 |
| DeepSeek-R1 | 2025 | 纯RL涌现Aha Moment |
| PreFlect | 2026 | 前瞻性反思框架 |
| MIRROR | 2025 | 多Agent内省与互省 |
| ASCoT | 2025 | 对抗晚期脆弱性的自适应修正 |
| DuoMem | 2026 | 双空间蒸馏实现边缘反思 |
| BenchTrace | 2026 | 反思质量的标准化评估 |
| MIRIX | 2025 | 六层记忆系统的元记忆控制 |
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
4
0- 0
已为社区贡献8条内容
所有评论(0)