论文页面 - REPOT：通过检查点修复实现可恢复的思维程序

来源：https://huggingface.co/papers/2605.30052

摘要

RePoT 改进了单次思维程序（Program-of-Thought），通过环境交互实现确定性验证回放与恢复，在多个模型和基准测试上取得了更高的成功率。

单次思维程序（Program-of-Thought，PoT）会生成一段 Python 程序，该程序打印出一个原始动作计划；任何一个无效动作都会静默地使轨迹失效。我们引入了 RePoT（可恢复的 PoT）：一种确定性验证回放机制，它会在环境中逐步骤执行该计划直到首次无效转换，然后调用一次 LLM 调用，从已验证的前缀处继续执行。RePoT 在 PoT 失败的大约 14% 的问题上最多只需额外一次 LLM 调用。在 PuzzleZoo-775 上，RePoT 在四种闭源模型配置上比 PoT 高出 +3 到 +11 个百分点，并在 gpt-5.4-mini-medium 上达到 96.9%（对比 PoT 的 86.3%）的峰值；与预算匹配的 PoT-重试基线相比，RePoT 在 Gemini 上取得决定性胜利（+3.8 个百分点，95% 置信区间 [+2.2, +5.4]），在 GPT-medium 和 Claude 上处于采样噪声范围内，在 GPT-mini 上则落后——我们开始通过 AdaptiveRePoT（一种基于验证前缀长度的规则调度器，在恢复后缀与全新 PoT 重试之间进行路由（初步））来应对这一能力扩展模式。我们在 PlanBench Blocksworld（+1.1 到 +11.4 个百分点）以及四个开放权重模型（四个中的三个上 +3.3 到 +20.0 个百分点）上进行了复现。在我们控制的恢复基准测试 Derail-550 上，所有能够访问检查点信息的条件在 GPT-medium 上达到 >=30%，在 Gemini 上达到 >=70%，而仅依赖于错误反馈的条件 <=3.1%——这表明检查点信息（而非特定的已验证前缀尾部）才是承担负载的恢复信号。

查看 arXiv 页面（https://arxiv.org/abs/2605.30052）查看 PDF（https://arxiv.org/pdf/2605.30052）项目页面（https://huggingface.co/datasets/parsa-mz/puzzlezoo）GitHub0（https://github.com/parsa-mz/RePot）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.30052）

在您的智能体中获取此论文：

hf papers read 2605.30052

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

尚无模型链接此论文

请在模型的 README.md 中引用 arxiv.org/abs/2605.30052 以在此页面建立链接。

引用此论文的数据集1

parsa-mz/puzzlezoo 查看器• 约11小时前更新 • 1.7k • 3（https://huggingface.co/datasets/parsa-mz/puzzlezoo）

引用此论文的 Spaces0

尚无 Space 链接此论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2605.30052 以在此页面建立链接。

包含此论文的收藏集0

尚无收藏集包含此论文

将本论文添加到一个收藏集（https://huggingface.co/new-collection）以在此页面建立链接。