链式推理，树式学习：用于多轮智能体策略优化的自我修正与嫁接

针对大语言模型智能体在多步推理任务中面临的稀疏奖励难题，本文提出 T-STAR 框架。该方法通过将独立轨迹整合为统一的“认知树”，识别并合并功能相似的步骤，从而恢复潜在的关联奖励结构。利用内省估值机制在树上传播奖励以获取步级优势，并通过上下文思维嫁接技术对比成功与失败分支合成修正推理。实验表明，该方法在需要扩展推理链的任务上显著优于现有基线。