面向 LLM Agent 训练的回顾式进度感知自我优化

基于强化学习的 LLM Agent 缺乏任务进度的元认知意识，阻碍长程任务扩展。研究发现在线进度提示效果不佳，而回顾性演示有益。本文提出 RePro 框架，采用“先执行后反思”范式，训练 Agent 根据完整轨迹和结果自动生成进度信号。该方法通过回顾性预热初始化，并利用复合奖励进行无监督持续训练。实验表明，RePro 显著提升了 Qwen 系列模型在多个基准上的成功率。