验证、修复、重复还是停止？LLM Agent 中噪声验证 - 修复循环的鲁棒停止策略

验证 - 修复循环是 LLM Agent 修正代码生成、数学推理及工具使用中错误计划的标准方法。当验证器与修复器均存在噪声时，修复可能破坏原本正确的计划，导致报告接受率上升而真实有效性下降。本文提出 VRR-Stop，一种针对噪声验证 - 修复循环的鲁棒停止框架。该方法通过四参数噪声模型分离验证器的误判与修复器的破坏行为，利用信念过滤将多次验证投票转化为有效性估计，并依据真实边际增益的符号决定停止或继续。此外，结合无需估计的 VRR-Guard 作为 fallback 机制。实验表明，该方法显著提升了最终结果的真实有效性。