Agent / 规划与搜索：下一步该做什么
基础理解
让 LLM 把自然语言题目写成形式规格时，DRAGO 要防哪类“看似成功”？
Repairing LLM-Generated Specifications with Deterministic Diagnosis
问答新增：2026-10-27 · University of Oxford
展开答案与例子
答案：模型可能生成能解析、能求解，却遗漏要求的规格，后续求解器只会忠实解决这个错误版本。DRAGO 关注自然语言到形式系统的转换可靠性，用可定位诊断约束修复，而不是把拿到一个解当作原题已解决；规格和求解是两个需要分开检查的环节。
教学例子：例如题目要求两人都被安排，规格漏写一人后排班更容易有解，但这个“成功”恰好暴露了形式化阶段的遗漏。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么求解器返回可解，还不能证明形式规格忠实表达了题意？
Repairing LLM-Generated Specifications with Deterministic Diagnosis
问答新增：2026-10-27 · University of Oxford
展开答案与例子
答案：求解器只判断写下来的约束，不知道自然语言要求是否被遗漏或偷换。DRAGO 把词表合同、可达性探针与题意对齐分开诊断，修复必须严格减少阻塞且不删除目标来投机；探针耗尽预算只能报未知，不能捏造成已证明无解。
教学例子：例如题目要求同时到达两处，错误规格只写一处也可能可解；删掉困难目标会降低求解难度，却不是正确修复。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
删除松弛与完整 BFS 都检查可达性，为什么不能互相替代？
Repairing LLM-Generated Specifications with Deterministic Diagnosis
问答新增：2026-10-27 · University of Oxford
展开答案与例子
答案：删除松弛忽略 delete effect，固定点中仍不出现的目标可判不可达；出现则未必能联合实现。完整 BFS 保留删除效果，穷尽状态才证明无解，预算耗尽只能未知。前者较便宜、结论单向，后者更严格却受搜索规模限制。
教学例子：例如拿走钥匙会失去另一个条件，两个目标各自在松弛中可达，却可能无法同时满足；完整状态搜索才看见冲突。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
修复接纳时只要求阻塞权重不增加够吗？
Repairing LLM-Generated Specifications with Deterministic Diagnosis
问答新增：2026-10-27 · University of Oxford
展开答案与例子
答案：不够。必须严格下降，不新增阻塞轴、不减少目标数，对象数量只朝公开题意靠近，且原先可解规格不得退化为无解或未知；拒绝时保留旧对象并停止。只用非增加条件可能接纳无效改写，删除困难目标则会投机降低诊断。
教学例子：例如旧规格有两项阻塞，新规格仍有两项，只改了措辞不应接纳；删掉一个目标虽降阻塞也应被防退化检查拒绝。
依据：核心公式、本地复现与边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
Janus 为什么把尚未执行的提案也放入研究图？
Janus: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：未执行提案代表可以竞争预算的研究方向，预测价值提升、信息增益和探索收益后再决定执行哪个。图同时保存实际实验反馈与抽象技能，使下一轮提案依赖已有证据；提案预测只是选择依据，不能当作完成实验或已获得的分数。
教学例子：例如一个新模型改动和一个失败原因诊断都可先作为候选，系统按剩余预算决定先花算力测哪一个。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么实验提案先做成对比较，再拟合价值分数，而不是直接选描述最精彩的方案？
Janus: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：成对比较让价值提升、信息增益与探索收益形成可校准的相对次序，稀疏锦标赛再用 Bradley–Terry 分数连接这些局部判断。预测用于分配实验预算，执行后的成功与失败又更新模型和技能；预测高分不等于实验已成功，也不能替代真实执行。
教学例子：例如方案甲预期涨分高、乙更能排除关键假设，可按剩余预算调整探索权重，而不是把两句漂亮承诺当作结果。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
只按预测涨分选实验，与同时计入信息增益和探索收益有何区别？
Janus: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：单看涨分偏向当前最有希望的方向，可能反复利用已有区域；信息增益重视排除不确定假设，探索收益则给未知方向机会。Janus 随进度和剩余预算调整权重，体现探索利用取舍，但预测误差仍需由真实执行纠正。
教学例子：例如甲预期小幅涨分但结论已很确定，乙不一定涨分却能区分两种机制，早期预算可给乙更多机会。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
稀疏锦标赛的软比较如何形成提案价值分数？
Janus: Enhancing Long-Horizon Autonomous Research with Co-Evolving World Models
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：对比较边的软偏好用 BCE 拟合 sigmoid(g_m-g_n)，得到相对 Bradley–Terry 分数，再按三类收益加权。它连接局部偏好，不提供绝对成功概率；实验后再更新图与技能，不能用预测器自产分数替代 sandbox 的真实结果。
教学例子：例如甲略优于乙、乙优于丙，可拟合相对次序；甲得分更高仍不意味着它的实验已经超过当前最好模型。
依据：核心公式、本地复现、结果、验证与边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
代码模拟和模型评价在 lookahead 中分别承担什么责任？
Code Owns the Simulation, Jev Owns the Evaluation
问答新增：2026-10-27 · The Chinese University of Hong Kong
展开答案与例子
答案：代码在当前状态的独立副本执行合法动作，产生实际后继观察；模型比较公开后果并选择动作。分工减少仅凭文字想象环境变化的错误，但依赖模拟器正确隔离与忠实转移，选择函数本身不应擅自改变真实环境。
教学例子：例如打开抽屉先在副本中检查出现了什么，再决定是否真实打开；评分器不负责凭空编造抽屉内容。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
提供“后继状态新出现的可用动作”，比只给下一观察多了什么？
Code Owns the Simulation, Jev Owns the Evaluation
问答新增：2026-10-27 · The Chinese University of Hong Kong
展开答案与例子
答案：下一观察描述眼前变化，新动作集合则揭示该步打开了哪些后续通路，有助于比较短期无收益但长期有价值的动作。代码在克隆状态中负责真实模拟，决策模型只评公开后果；模拟器 reward 或正确计划不能作为偷偷提供给评分器的答案。
教学例子：例如拿到钥匙暂时没有完成任务，却新增“打开侧门”的合法动作；看见这一机会才能评价取钥匙的长期意义。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
与纯语义动作打分相比，一步模拟增加什么信息而仍不保证最优？
Code Owns the Simulation, Jev Owns the Evaluation
问答新增：2026-10-27 · The Chinese University of Hong Kong
展开答案与例子
答案：语义打分主要依据动作名称与任务描述，一步模拟额外给出下一观察和新可用动作，可揭示解锁后续机会。它仍只前瞻有限一步，评分模型也可能误判，因此不能把新增动作列表当完整长期规划 oracle。
教学例子：例如“拿钥匙”看似不接近终点，但模拟后出现开门动作；若门后还有未知障碍，一步信息仍不能保证最终成功。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
fork 返回不同对象是否已经足以保证分支隔离？
Code Owns the Simulation, Jev Owns the Evaluation
问答新增：2026-10-27 · The Chinese University of Hong Kong
展开答案与例子
答案：不足。深层可变状态、随机数生成器和外部资源也要隔离，不能因对象身份不同就共享真实文件或模拟状态。step 只返回可观察字符串，reward、gold plan 和成功标签不传给决策器；选择结果还需属于合法候选，并由调用方执行。
教学例子：例如两个浅拷贝共享同一背包列表，在副本拿钥匙会修改真实背包；这种实现虽有不同对象，仍破坏前瞻隔离。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
Agent 一条执行路线走不通时，JevSpawn 希望保留怎样的选择余地？
JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
问答新增：2026-10-27 · 原文首页未列第一作者机构
展开答案与例子
答案：长任务的早期判断可能不准，若过早把预算押在唯一行动，遇到反证就得重新寻找方案。JevSpawn 关注自适应推理分配：把任务的可选行动组织成可保留的组合分支，再根据执行反馈调整投入；保留的是备选机会，不是保证穷尽所有路线。
教学例子：例如先检查本地资料或先联网搜索都可能合理，第一条路受阻后还应能接续另一条已准备路线，而不从空白计划重来。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么保留多个动作分支，而不在第一次分布输出后立刻只留最高分？
JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
问答新增：2026-10-27 · 原文首页未列第一作者机构
展开答案与例子
答案：早期概率可能不准，多个组合动作保留了遇到反证时恢复的余地。新反馈对先验重新加权，后验应影响后续探索而不是回写过去的成功标签；分支数同时消耗预算，因此并行保留是风险与计算的取舍，不是自动穷尽所有可能。
教学例子：例如先保留“搜索资料”和“检查本地文件”两条路，搜索无结果后仍能转向已保留的检查分支，而不必从零重建计划。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
保留分支与每轮重新独立采样方案，恢复机制有何不同？
JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
问答新增：2026-10-27 · 原文首页未列第一作者机构
展开答案与例子
答案：保留分支保存早期未选方案的概率和状态，反馈后可继续利用；独立重采样可能重复旧错误或丢失已有进展。分支保留也占计算和记忆，不能只因保留更多候选就声称成本更低，需在相同预算下比较。
教学例子：例如搜索分支失效后可转向已有文件检查分支；重新采样则可能又提出同一次无效搜索。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
p(a)·exp(feedback) 更新后为什么仍需归一化与分支预算？
JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
问答新增：2026-10-27 · 原文首页未列第一作者机构
展开答案与例子
答案：乘法只给未归一化权重，必须除以所有候选权重和才能得到分布，再按有限预算保留分支。零先验分支无法仅靠这种乘法恢复，极大反馈也要注意数值稳定；本地仅验证有限后验和 top-branch retention，未调用 Jev checkpoint。
教学例子：例如两分支原概率各一半，反馈分别为零和一，权重变为一比 e，不能直接把后一项 e/2 当合法概率。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
对象级 worker 与元推理控制器的任务有什么不同？
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
问答新增：2026-10-27 · Meta Superintelligence Labs
展开答案与例子
答案：worker 直接完成检索、编码或分析等任务内容，控制器则评估当前进度、提出继续或分叉动作、比较收益并派发。控制也会消耗模型调用预算，不能把控制器成本排除后再声称同预算更高效；持久工件帮助避免反复重复已有工作。
教学例子：例如 worker 写测试文件，控制器决定下一步修失败、开另一方案还是停止；二者产物和成本不同。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么控制器使用紧凑状态，却把完整工作成果放到 artifact memory？
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
问答新增：2026-10-27 · Meta Superintelligence Labs
展开答案与例子
答案：控制决策只需掌握进度、候选动作和剩余预算，完整材料若反复进入提示会增加成本。持久工件保存可复用证据，控制器按需引用，再通过 Assess、Propose、Evaluate、Dispatch 分工决定继续或分叉；压缩控制状态不应把真实成果一并丢掉。
教学例子：例如两名 worker 已各写一份分析，控制器只保留结论与文件引用，需要核对时再打开原工件，无需每轮重抄全文。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
分成 Assess、Propose、Evaluate、Dispatch 与单次直接控制有什么取舍？
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
问答新增：2026-10-27 · Meta Superintelligence Labs
展开答案与例子
答案：拆分使状态总结、候选生成、比较和执行责任更明确，也能分别检查预算可行性；但增加控制步骤并非免费，任务过简单时可能不划算。直接控制更紧凑却可能混淆评估与执行，比较应计入全部调用与最终任务结果。
教学例子：例如只有一步计算的任务可能无需四轮控制；复杂研究中先评估是否值得分叉则可能避免昂贵重复实验。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
本地选择器如何处理预期价值与调用成本，哪些能力尚未验证？
Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
问答新增：2026-10-27 · Meta Superintelligence Labs
展开答案与例子
答案：实现先排除预算不可行的 action，再按预期价值与调用成本选择，完整 artifact 留在持久 memory、控制 state 保持紧凑。预期值来自明确输入，不是已训练前沿 worker 的真实成功预测；当前三 seed 诊断只验证调度和状态分离。
教学例子：例如剩两次调用时，需要三次的候选应直接不可行，即使预期价值最高；不能先派发后把超预算部分从账中删掉。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
符号 action gate 为什么要在动作执行前检查前置条件？
SAGE: Symbolic Action-Gating and Editing for LLM Task Planners
问答新增：2026-10-27 · 原文首页未列机构
展开答案与例子
答案：前置条件用于判断当前世界是否允许动作，执行前拦截可避免已知不合法或不安全操作，并给规划器类型化原因。门只覆盖已建模规则，不能因为符号检查通过就宣称现实绝对安全；环境状态与规则若不完整仍可能失效。
教学例子：例如抓取前要求手为空且物体可达，门可在执行前拦截“手里已有物体”的动作，而不是撞错后再解释。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
失败后为什么只编辑相关子目标的后缀，而不重写整条计划？
SAGE: Symbolic Action-Gating and Editing for LLM Task Planners
问答新增：2026-10-27 · 原文首页未列机构
展开答案与例子
答案：已完成前缀对应真实执行状态，全部重写容易重复动作或假设环境回到了起点。符号门先依据前置条件拦截并给类型化原因，再让规划器修复受影响的后续部分；保留前缀不是盲目坚持旧计划，而是维持与当前世界一致的执行历史。
教学例子：例如杯子已经洗净、下一步发现柜门锁住，应修改放置方案，而不再把“洗杯子”重复执行并假设柜门早已打开。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
类型化失败原因与一段自由文本“失败了”相比有什么用？
SAGE: Symbolic Action-Gating and Editing for LLM Task Planners
问答新增：2026-10-27 · 原文首页未列机构
展开答案与例子
答案：类型化原因把缺少资源、前提不满足或相关子目标问题区分开，局部编辑器可据此重写受影响后缀。泛化失败文本容易引发整计划重写或重复已完成动作；更明确的反馈也依赖符号状态正确，不能替代真实环境反馈。
教学例子：例如“柜门上锁”应触发取钥匙或换位置，而“物体不存在”应触发重新感知，两者不是同一种恢复。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
零 token gate 能证明完整 LLM 规划器已低成本复现吗？
SAGE: Symbolic Action-Gating and Editing for LLM Task Planners
问答新增：2026-10-27 · 原文首页未列机构
展开答案与例子
答案：不能。零 token 只指符号门自身不调用语言模型，计划生成与后缀改写仍有各自成本。本地只执行 gate 和局部后缀编辑 reference，未运行 AI2-THOR；三 seed fixture 通过不能当真实具身任务成功率或端到端推理成本。
教学例子：例如门用一个布尔检查拒绝开柜子，并不包含生成新计划的模型调用；只统计该检查会遗漏实际恢复成本。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
query—evidence—answer 图中的边为什么比网页清单更有解释力？
SearchAtlas: Analyzing Agentic Search Strategies via Evidential Query Graphs
问答新增：2026-10-27 · Duke University
展开答案与例子
答案：边显式说明一次查询找到什么证据、证据支持哪个约束或回答片段，可追踪信息如何进入结论。网页清单只显示访问过的来源，无法自动证明推理支持关系；图解析本身也可能错误，因此边存在不等于事实已被可靠证实。
教学例子：例如来源都在讨论价格，图可显示“当地可购买”结论没有入边，而一串十个链接不容易暴露这个缺口。
依据：背景与主要改动、核心公式或操作；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么搜索很多网页仍可能在 evidential query graph 中暴露证据缺口？
SearchAtlas: Analyzing Agentic Search Strategies via Evidential Query Graphs
问答新增：2026-10-27 · Duke University
展开答案与例子
答案：网页数量不是约束覆盖率。查询、证据与回答的有向关系要说明哪条证据支持哪个问题条件，最终结论是否跨越了未验证的边。图审计因此能区分重复搜到相同内容与真正补齐推理链；建立图的接口通过，也不等于搜索模型已经能可靠取证。
教学例子：例如十篇网页都只说明产品价格，却没有一篇确认地区可用性；最终宣称“当地可以买到”仍缺少对应证据边。
依据：背景与主要改动、核心公式或操作；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
搜索多样性与约束覆盖率为什么不是同一个指标？
SearchAtlas: Analyzing Agentic Search Strategies via Evidential Query Graphs
问答新增：2026-10-27 · Duke University
展开答案与例子
答案：多样性描述查询或来源差别，覆盖率关注问题要求是否被证据支持。不同网站可能重复相同事实，少数高质量来源也可能覆盖多个要求；SearchAtlas 的图审计强调支持结构，不能只用访问域名数替代有效证据链。
教学例子：例如来自五个网站的同一产品参数仍未回答售后政策，而一个官方政策页就可能补齐这个特定条件。
依据：背景与主要改动、核心公式或操作；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
本地证据传播边验证是否包含论文搜索 Agent 和自动解析模型？
SearchAtlas: Analyzing Agentic Search Strategies via Evidential Query Graphs
问答新增：2026-10-27 · Duke University
展开答案与例子
答案：不包含。本地只在公开 fixture 上构造与检查证据传播边，未运行论文五个搜索 Agent。原文 edge F1 是自动图解析与人工标注的一致性，不是本地问答准确率；图接口可执行也不能代表真实网页证据抽取和事实判断能力。
教学例子：例如预先给定“证据甲支持约束乙”的边后验证连通性，不能证明模型能从任意网页正确抽取这条支持关系。
依据：核心公式或操作、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
论文复现为什么是一项持续变化的软件工程任务，而不只是翻译算法公式？
DeepRepro: State-Aware Subplanning for Paper-to-Code Reproduction in Evolving Repositories
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：公式只是部分规格，真实复现还会遇到依赖、数据格式、接口和测试约束。前一步实现会改变下一步可做的工作，DeepRepro 因而研究如何在不断演进的仓库中推进实现与验证，重点是维持论文目标和实际工程状态的联系，而非一次写出长计划就完成。
教学例子：例如网络结构已经写好，数据加载却暴露新轴顺序要求，后续训练代码需适配真实接口，不能只照论文段落顺序继续补文件。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么论文到代码的子计划必须读取当前仓库状态，而不能只按论文顺序展开？
DeepRepro: State-Aware Subplanning for Paper-to-Code Reproduction in Evolving Repositories
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：实现过程中接口、依赖和文件会不断变化，上一阶段成立的假设可能已失效。细粒度子计划把当前 repository state 与执行反馈作为输入，重新决定下一步；论文定义提供目标约束，仓库状态提供可执行条件，二者都不能由初始的一份静态清单替代。
教学例子：例如论文下一步要接评测器，但仓库刚改了数据接口；子计划应先适配新合同，而非照旧生成无法连接的实验脚本。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
检查已有产物与重新执行复现流程，分别能回答什么问题？
DeepRepro: State-Aware Subplanning for Paper-to-Code Reproduction in Evolving Repositories
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：产物检查能核对代码、日志和测试记录是否对应指定论文与版本，适合审计已有执行；重新执行还要实际安装依赖、调用模型和运行测试，才能观察当前环境能否重现结果。两者证据范围不同，DeepRepro 本地 replay 的一致性不能代替一次完整 Code-Dev 执行。
教学例子：教学例：日志里有测试通过记录，可检查它对应哪个提交；换到干净环境能否再次通过，仍需真实安装与运行。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
产物 replay 能否算作已经重新执行官方 PaperBench Code-Dev？
DeepRepro: State-Aware Subplanning for Paper-to-Code Reproduction in Evolving Repositories
问答新增：2026-10-27 · Institute of Computing Technology, Chinese Academy of Sciences
展开答案与例子
答案：不能。replay 读取固定 revision 的真实导出，按论文和状态顺序检查计划、执行步骤与测试覆盖；它没有重新支付模型 API 和完整实现实验成本。确定性 mini-suite 满分也只验证状态驱动路径，不能与官方复现能力或成本直接横比。
教学例子：例如回放旧测试记录能检查某次改计划是否覆盖失败项，但没有在当前环境重新生成代码并运行全部测试。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
长程搜索 Agent 为什么需要能恢复路线的反思，而不只在结尾解释失败？
LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：搜索常包含多跳取证与尝试，早期选错方向可能让后续步骤都围绕错误证据展开。LoongReflect 希望反思能改变当前信息状态和继续路径，让 Agent 在任务结束前恢复；结尾总结即使写得合理，也已经无法改善这次执行的后续取证。
教学例子：例如一路搜索只找到同一报道的转载，Agent 应及时回到先前分叉换来源，而不是最终答案写完后才承认证据单一。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么 reflect/backtrack 要建模为可逆的 memory-control actions？
LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：长搜索不仅选择外部动作，也要控制保留哪些轨迹、回到哪个分叉点。把反思和回退显式纳入策略，才能学习何时改变记忆状态；特权教师提供训练信号，结果奖励补充长期成败，但评测时不能把教师的全局视角或未来答案直接交给学生。
教学例子：例如搜索走入死胡同后应回到前一个分支并保留失败原因；仅追加一段反思文字却不改变轨迹状态，不能实现真正回退。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
privileged teacher 快通道与 outcome GRPO 慢通道监督什么不同信号？
LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：快通道通过教师视角为反思相关决策提供细粒度蒸馏，慢通道用轨迹最终结果优化长程策略。前者提供局部引导，后者检验整体有效性；特权信息只能留在训练教师或评分侧，部署学生不能读取 gold 结果来选择回溯。
教学例子：例如教师可指出某次搜索缺少关键证据，最终奖励再检验完整回答是否成功；学生在线仍只能根据已有观察行动。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
本地 mini-suite 的低 average cost 能代表真实长上下文模型节省吗？
LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：不能。当前确定性 suite 验证反思、回溯与过程状态，不调用真实浏览器、外部工具或论文大模型。成本字段属于该诊断定义，正确率饱和时更应检查实际分支与记录，不将代理调用数直接换算真实 token 或 API 费用。
教学例子：例如一个规则分支只记零点几单位成本，并不表示真实模型反思这一步只耗同样比例的 token 或时间。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
工具集合经常更换时，ToolLIFT 希望迁移的是哪一部分经验？
ToolLIFT: Lifting Tool-Specific Trajectories into Function-Level Graphs for Generalizable Tool Planning
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：不同服务的 API 名、参数和返回格式会变，但任务常有稳定的功能步骤，例如先查身份再读取记录。ToolLIFT 关注保留这些程序性经验，再在当前工具目录里寻找实现方式，避免旧轨迹一换服务就报废；具体接口仍必须重新核对。
教学例子：例如从甲系统迁到乙系统后，查客户再查订单的需求仍在，但原先两个函数名和字段不能直接复制到新系统。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
把轨迹提升为 function workflow graph，为什么有利于换一套工具后复用计划？
ToolLIFT: Lifting Tool-Specific Trajectories into Function-Level Graphs for Generalizable Tool Planning
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：功能图保留“需要完成哪种操作及其依赖”，把具体工具名称与接口推迟到执行时选择。换工具集后仍可沿功能关系规划，再按当前 schema 找实现；这不是忽略参数合同，功能节点仍须由具备所需输入输出能力的真实工具完成。
教学例子：例如旧工具叫 search_web、新工具叫 lookup，若二者都实现查找证据功能，工作流可复用，但参数与返回格式还须重新匹配。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
功能 workflow graph 与可直接执行的工具调用计划，分别需要哪些信息？
ToolLIFT: Lifting Tool-Specific Trajectories into Function-Level Graphs for Generalizable Tool Planning
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：功能图描述目标操作与状态依赖，可跨工具目录保留程序性结构；可执行计划还必须把每个节点绑定到当前 API、参数和实际可用对象。前者提供迁移用的抽象，后者承担接口落地，缺少任一层都不能保证执行：图合理不等于参数合法，调用合法也不等于功能完整。
教学例子：教学例：功能图写“查客户→查订单”；落地时仍要确认新服务返回 customer_id 还是 account_id，以及订单接口接受哪个字段。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
Lift 与 Select 两步实现时，为什么要保留状态依赖而不只存功能列表？
ToolLIFT: Lifting Tool-Specific Trajectories into Function-Level Graphs for Generalizable Tool Planning
问答新增：2026-10-27 · Authors did not disclose affiliation
展开答案与例子
答案：图边说明后一步需要前一步产生的证据或对象，Select 还要根据当前状态选择工具。无序功能列表会丢掉变量来源和执行前提；本地 mini-suite 只验证提升与选择控制流，未调用真实工具集，不能用其满分推断未见服务泛化。
教学例子：例如先查订单得到 order_id，再取消该订单；只存“查询、取消”而不绑定 ID，会让第二步无法构造合法调用。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
为什么找到一个名称相关的工具，还不足以完成多步工具任务？
HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
问答新增：2026-10-27 · University of New South Wales
展开答案与例子
答案：工具能不能调用取决于输入是否已经取得，输出又可能是后一步必需的资源。HyperAgent 研究如何把任务要求与这些生产依赖联系起来，补齐当前状态缺口，而不只挑文字最相似的接口；完整流程需要多个合法转移共同形成。
教学例子：例如检索到“退款”工具仍不能直接退款，可能还需订单标识和付款记录，任务首先缺的是产生这些输入的步骤。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
工具为什么用输入到输出的超边表示，而不只按名称做相似度检索？
HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
问答新增：2026-10-27 · University of New South Wales
展开答案与例子
答案：一个工具可能同时要求多种输入并产生多个输出，超边能表达这些联合前提。任务 DAG 先明确缺什么状态，再沿 producer 关系寻找能补齐输入的工具链；名称相似只说明文字接近，不能保证所选工具拿得到必需参数或能生成后续所需字段。
教学例子：例如发票工具同时需要订单号与税号，前一步只找到订单号还不能执行；超图会继续寻找税号生产者，而不直接调用。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
任务 DAG 与 producer support graph 分别描述需求还是供给？
HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
问答新增：2026-10-27 · University of New South Wales
展开答案与例子
答案：任务 DAG 表达目标状态之间的依赖，说明完成后续子任务还缺哪些输入；producer support graph 从工具 schema 描述谁能生产这些输入，以及生产者自身还需要什么。两张结构配合才能把需求连成可执行工具链；工具有生产能力并不表示该输出已经存在。
教学例子：教学例：任务要求给订单退款，DAG 暴露订单号缺口；support graph 找到查订单工具，再检查它需要的用户标识能否先取得。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
扩展 producer 时，如何避免把工具输出当成已经存在的状态？
HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
问答新增：2026-10-27 · University of New South Wales
展开答案与例子
答案：图中的生产能力仅代表调用后可能得到字段，执行前仍需确认所有输入实际可用，并在真实结果后更新状态。当前本地在确定性 planbench 验证依赖路径，未运行 AppWorld；图节点齐全或 mini-suite 满分不能替代实际 API 返回和任务验证。
教学例子：例如图显示查客户可产出 customer_id，不代表 ID 已可用；必须真正查询并核对结果，不能凭 schema 直接填一个 ID。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
SIRA 为什么关注“用户问法与证据用词不同”的检索困难？
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
问答新增：2026-10-27 · Meta Superintelligence Labs / Rice University（工作完成于 Meta）
展开答案与例子
答案：倒排检索依赖词项重合，用户可能描述一个现象，文档却使用专业术语或另一种表达，相关证据因此排不到前面。SIRA 利用冻结 LLM 补充可能的证据词汇，再以当前语料约束扩展，目标是改善查询与文档之间的词汇桥接，而非训练新的答案生成器。
教学例子：例如用户问“程序越跑越占内存”，技术文档可能写 memory leak；补上该术语有机会召回原问句未命中的材料。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
生成的扩展词为什么还要用倒排索引里的文档频率过滤？
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
问答新增：2026-10-27 · Meta Superintelligence Labs / Rice University（工作完成于 Meta）
展开答案与例子
答案：LLM 可能提出语义合理却不在语料里的词，也可能加入到处都出现、没有区分力的词。文档频率约束先验证这些扩展确实可检索且不过泛，再与原查询做一次加权 BM25；它保留词法检索路径，不是让模型想象词存在就当成已找到证据。
教学例子：例如查询稀有疾病时，扩展出语料没有的缩写不会带来召回；扩展成“研究”又太泛，过滤后才有有效词项。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
单次加权 BM25 扩展与多轮 agent 搜索在控制流上有何不同？
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
问答新增：2026-10-27 · Meta Superintelligence Labs / Rice University（工作完成于 Meta）
展开答案与例子
答案：SIRA 先生成并过滤缺失词，再将原查询与扩展共同用于一次加权检索，没有每轮看结果后再规划搜索的长闭环。它减少交互结构复杂度，也限制了对初次失败的适应性；不能因名称含 agent 就假定存在多轮自纠错。
教学例子：例如一次扩展得到三个术语后直接返回排名，不会自动阅读首轮网页再提出另一组问题，除非另加外层流程。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
DF 条件的零值、上界和原查询权重应怎样处理？
Superintelligent Retrieval Agent: The Next Frontier of Agentic Retrieval
问答新增：2026-10-27 · Meta Superintelligence Labs / Rice University（工作完成于 Meta）
展开答案与例子
答案：扩展词必须满足 0<DF(t)≤τ|C|，零频词与超过上界的词都排除；最终分数保留原查询 BM25，再加 w 倍扩展部分。不能用扩展替换原查询或悄悄改变为多轮检索，本地只实现该 gate 和组合，没有论文规模索引与 LLM。
教学例子：例如过滤后扩展为空，系统仍应由原查询产生结果，而不是因没有新词就把整个查询丢掉。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
为什么在工具任务中生成一条看似合理的推理链，还不足以完成 LATS 要处理的问题？
LATS
问答新增：2026-10-27 · University of Illinois Urbana-Champaign
展开答案与例子
答案：工具或环境可能返回与预想不同的结果，单一路线失败后也未必能继续。LATS 把推理和行动放进可探索的搜索树，让候选通过执行反馈接受检验，并利用失败反思尝试其他路线。目标是把语言提案与环境结果连接起来，搜索预算和判断错误仍会限制效果。
教学例子：教学例：网页搜索第一条结果没有所需价格，Agent 可以回到先前搜索节点改关键词，而不是沿错误页面继续编答案。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
UCT 中探索项为什么能让暂时低分的动作仍获得尝试？
LATS
问答新增：2026-10-27 · University of Illinois Urbana-Champaign
展开答案与例子
答案：平均价值反映已见回报，探索项随父节点访问增多、子动作访问稀少而变大，给不确定分支试验机会。执行反馈再更新价值，失败反思帮助后续扩展；若仅反复选当前最高估值，就可能过早锁定错误分支，模型自评分也不能替代环境反馈。
教学例子：例如动作甲试了十次均一般，乙只试一次失败，UCT 可能再探乙以减少不确定性，而不是从此把它永久排除。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
LATS 的 MCTS 与按层保留若干 thought 的搜索，在预算分配上有什么区别？
LATS
问答新增：2026-10-27 · University of Illinois Urbana-Champaign
展开答案与例子
答案：MCTS 沿已有树反复选择分支、执行 rollout，再回传回报与访问统计，可把后续预算投向值得重访的路径；按层保留 thought 的方法通常在同一深度比较并裁剪前沿。两者都依赖候选与评价质量，区别是搜索组织和反馈利用方式，不能据此断言某类任务必然更优。
教学例子：教学例：深度二的一条路线曾接近成功，MCTS 可再深入它；固定层宽搜索则可能在该层只按当前评价保留若干候选。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
本地完整计划叶节点搜索是否等同论文的 LM value 搜索？
LATS
问答新增：2026-10-27 · University of Illinois Urbana-Champaign
展开答案与例子
答案：不等同。当前保留 MCTS 统计、环境奖励、反思与回溯，但以完整计划作为叶节点，未调用 LM value、HumanEval executor 或 WebShop。其确定性 mini-suite 满分只能验证搜索路径，不能当成论文代码生成或网页任务成功率。
教学例子：例如四条预构造完整路线中选到合法路线，和在真实网页逐步生成行动、评估中间节点不是同等任务。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
多步工具任务为什么可能把大量费用花在重复阅读既有内容上？
ReWOO
问答新增：2026-10-27 · Microsoft Research
展开答案与例子
答案：若每次工具返回都重新让规划模型读取任务、旧计划和全部证据，输入会随流程增长，即使下一步只是填入一个已知结果。ReWOO 研究将规划、工具执行和最后综合分工，减少重复的规划工作；它适合可预先表达依赖的流程，意外情况仍需恢复设计。
教学例子：例如先找作者再查出生地，两步结构已清楚，不必每拿到一个字符串都重新生成整份计划和重读之前所有证据。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
Planner 不反复读取中间观察，为什么仍能表达工具之间的依赖？
ReWOO
问答新增：2026-10-27 · Microsoft Research
展开答案与例子
答案：它先把依赖写成变量引用，Worker 执行时把已得到证据填入后续工具参数，Solver 最后统一使用成果。因此减少的是反复规划调用，不是删除数据流；若后续路线真的依赖尚未知的观察而初始计划没有表达，静态计划也会受适应性限制。
教学例子：例如先查人物出生地记为 E1，再用 E1 查当地人口；第二步的具体城市可晚绑定，而无需 Planner 每次重新生成整段计划。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
ReWOO 与 ReAct 在适应中间异常方面有什么取舍？
ReWOO
问答新增：2026-10-27 · Microsoft Research
展开答案与例子
答案：ReAct 每轮观察后重新推理，可调整后续路线但重复模型调用成本较高；ReWOO 先规划后执行，减少规划器反复读取证据，却更依赖初始依赖计划可行。遇到意外错误需要额外恢复设计，不能把静态计划天然视为完整闭环。
教学例子：例如首个查询返回多个同名人时，ReAct 可立即加消歧；ReWOO 原计划若未安排该分支，需要外层处理而非盲目继续。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
Worker 何时能并行执行，何时必须等待证据变量？
ReWOO
问答新增：2026-10-27 · Microsoft Research
展开答案与例子
答案：没有未满足依赖的调用可以并行，引用前面 E 变量的调用必须等结果可用。Solver 最后同时读取计划与真实证据，不能用 Planner 想象的结果代替工具观察；本地只验证控制流与计数，没有真实搜索 API 或多尺寸 LLM 比较。
教学例子：例如两个独立城市天气查询可并行，但“查询刚找到的城市天气”必须等城市检索结果，不能提前猜参数。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
ToT 为什么适合需要试探、发现死路再回退的推理任务？
Tree of Thoughts
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：这类任务的局部选择会影响后续可行性，一次从头写到底容易把错误决定带到结尾。ToT 将过程表示成可继续展开的中间状态，允许保留多个方向、判断进展和回退；前提是中间状态确实可评价，搜索本身不会自动提供可靠的判断标准。
教学例子：教学例：算式拼到一半已无法得到目标数时，可以换前一步的组合，而不必把整道题的完整解释再生成一遍。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
把推理切成 thought 再做树搜索，与一次生成多条完整答案有什么不同？
Tree of Thoughts
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：中间 thought 是可单独评价和扩展的状态，可以在早期保留多种方向、剪去死路并回退。多条完整答案则常在终点才比较，重复支付错误前缀的成本；ToT 的收益仍受价值估计和搜索宽深预算限制，树结构本身不保证评价正确。
教学例子：例如算术题第一步有三种分解，先检验哪种保留可行余量再扩展，能避免把明显不可能的分解一路写到完整答案。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
ToT 的 BFS 与 DFS 各怎样安排有限的搜索预算？
Tree of Thoughts
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：BFS 同时维护一层的多个状态，便于在相近进度上比较方向，但需要保存并评价较宽前沿；DFS 先沿一条路径深入，遇到不合适状态再回退，前沿较窄却可能在坏分支耗费深度。选择宽度、深度和剪枝阈值时，仍要考虑具体任务的评价可靠性。
教学例子：教学例：有三种开局，BFS 各走一步后比较；DFS 可能先把第一种走到尽头，再决定是否回头试第二种。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
本地 workflow coherence value 能代表 GPT-4 自评质量吗？
Tree of Thoughts
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：不能。本地在小型 PlanBench 上用确定性 workflow coherence、固定 beam 与回溯检查 thought tree 控制流，未调用 GPT-4 或运行 Game of 24。节点数和回溯次数可说明搜索实际发生，满分不代表语言价值函数已学会判断开放推理。
教学例子：例如规则可判某动作顺序违反前提，却不能证明大模型能给创意写作片段打出同样可靠的未来价值。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
基础理解
ReAct 为什么把回答问题和与外部世界交互放在同一个循环里？
ReAct
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：仅凭模型内部知识，Agent 可能缺少最新事实，也无法知道动作是否真的成功。ReAct 让模型一边推理一边调用工具或环境，并把返回结果用于后续决定，适用于信息获取与行动交织的任务。真实观察增加纠错机会，但工具错误和错误解释观察仍可能导致失败。
教学例子：教学例：查某商品是否有货，Agent 先查询库存，再根据返回结果决定继续下单还是找替代品，不能只凭常识猜库存。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
核心机制
为什么 observation 必须回到下一轮上下文，而不能让模型只继续自己的 reasoning？
ReAct
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：动作的意义在于获得真实外部反馈，下一轮据此修正信念与计划。若只沿原推理续写，模型可能把预期当成实际结果，失去行动与认知的闭环；ReAct 的关键是推理、可执行动作和观察交替，不是单纯在文本里写出几个工具名称。
教学例子：例如模型猜文件存在后执行读取，工具实际返回不存在；下一步应改变搜索路径，而非沿“文件已读到”的想象继续分析。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
方法对比
ReAct 与纯 CoT 在错误暴露的时机上有什么差别？
ReAct
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：纯 CoT 可一直在内部假设上推演，错误未必接触外部事实；ReAct 通过行动获得观察，可在途中修正计划。外部反馈也可能不完整或工具失败，因此交替结构不保证事实正确，仍要核对工具结果和最终支持关系。
教学例子：例如假设某书作者是甲，检索发现作者为乙后可及时修正；纯内部推演可能继续围绕甲生成更多错误细节。
依据：背景与主要改动、核心公式；例子用于解释机制。
原论文 · 实现解读 · 问题链接
Agent / 规划与搜索：下一步该做什么
实现细节
ReAct 的训练或评估为何要区分生成 token 与环境 token？
ReAct
问答新增：2026-10-27 · Princeton University
展开答案与例子
答案：工具观察是外部提供的状态，不是策略选择的动作，不能把它们当作模型生成能力或策略梯度目标。当前本地确定性 suite 只验证循环与计数，另有隔离能力协议也需保持 policy 不读 reference；两种证据范围不能因方法相同就混合。
教学例子：例如工具返回一百个词不应算成策略成功生成的一百个词，更不能把其中隐藏答案写入可见 reference 字段帮助决策。
依据：核心公式、本地复现、复现边界；例子用于解释机制。
原论文 · 实现解读 · 问题链接