超越单一路径：评估与增强交互式 LLM Agent 的发散性思维

现有大模型评估多局限于单轮生成，难以捕捉交互中的迭代推理过程。本文提出 MUTATE 基准，从路径级（多方案探索）和动作级（非常规对象使用）两个层面评估 Agent 的发散性思维。针对现有框架在收敛压力下易陷入行动固化的缺陷，作者提出 ReDNA 方法，将无约束的候选生成与收敛选择分离。实验表明，ReDNA 显著提升了各层面的发散性表现，并证实了其源于对韧性发散推理的质性增强，而非简单的环境探索。