Co-ReAct：将评分标准作为 ReAct 代理的逐步协作伙伴

针对搜索密集型多步推理任务中 ReAct 代理依赖内部判断导致轨迹浅显冗余的问题，本文提出 Co-ReAct 框架。该框架在推理阶段将评分标准（rubrics）作为逐步指导注入上下文，明确证据搜集与推理目标。为确保指导可靠性，作者利用 GRPO 训练专用评分标准生成器，优化列表级排序相关性奖励以契合专家共识。实验表明，Co-ReAct 在多个基准测试及不同规模模型上均显著优于现有 ReAct 及测试时计算基线，且生成器可作为即插即用组件提升各类代理性能。