搜索、失败、恢复：一种面向纠错感知的推理训练框架

许多推理任务无法由单一的从左到右链条描述，求解者常需探索分支、观察延迟失败并回退至可完成的前缀。本文提出 Pyligent 框架，将推理表示为对部分解链的验证搜索。利用任务验证器标记生成延续与失败，构建监督目标以训练继续、完成和回溯三种动作。在隐藏有向图、数独及 BlocksWorld 等任务上的实验表明，相比仅使用黄金数据微调，该方法显著提升了求解率，证明显式的失败分支监督能教会模型超越模仿 polished 解链的有用恢复行为。