基于关键感知自反馈重试的智能体强化学习

针对大语言模型智能体在长程交互任务中难以有效利用失败轨迹的问题，本文提出 PivoARL 框架。该方法通过结构化反思识别关键错误节点，仅从该状态进行局部重试以复用正确前缀，从而降低交互成本并集中经验信号。此外，设计了关键感知的信用分配机制，通过隐式反思回报优化反思质量。实验表明，PivoARL 在多项任务及基准测试中显著提升了 Pass@2/3 指标，平均增益约 11.5%，并在扫雷环境中大幅优于现有方法，同时减少了交互轮次。