ReflexGrad：基于进度门控双过程路由的 LLM 代理单元回放失败恢复

我们提出 ReflexGrad，这是一种无需演示样本的 LLM 代理单元在单元回放期间进行失败恢复的双过程架构。当代理早期提交错误方法并耗尽步骤预算时，事后失败的轨迹中包含逃出的线索——但目前没有任何已发布的架构能在单个单元回话中处理这些信息。ReflexGrad 在每隔 $k{=}3$ 步进行 TextGrad 风格的连续细化（快速过程），以及在 $m{=}5$ 连续低进度得分触发路由门时进行 Reflexion 风格的因果诊断（慢速过程）。确定性优先合并保持自然语言策略的连贯性，每次慢速激活会产生三个可观测产物：可复现的触发器、因果诊断和已验证的修复。实验表明，在 ALFWorld 134 个任务上（$n{=}10$ 个随机种子，无演示样本），ReflexGrad 将 Qwen-3-8B 的准确率从 $35.1\%$ 提升至 $75.4\%$（提升 $40.3$ 个百分点），超越计算匹配的 1-shot LATS 提升 $2.7$ 个百分点（$p{\approx}0.01$），超越 ToT 提升 $5.7$ 个百分点（$p{<}10^{-4}$），超越 Self-Refine 提升 $6.7$ 个百分点（$p{<}10^{-5}$）；在 GPT-5 上提升幅度为 $46.3{\to}88.1\%$（提升 $41.8$ 个百分点）。$1.5$ 个百分点的跨模型差异在随机种子噪声范围内（$p{\approx}0.13$），表明路由机制而非模型规模是主要性能提升来源。我们发布了代码、提示语、每个随机种子的日志以及灵敏度扫描结果。