action-selection

Co-ReAct 引入了一种基于评分标准的动作选择框架，在推理过程中将评分标准作为 ReAct 代理的步骤级指导，提高了轨迹质量，并在 DeepResearchBench 和 SQA-CS-V2 上超越了基线模型。

提出VeGAS框架，一种针对基于MLLM的具身智能体的测试时框架，该框架采样多个候选动作，并利用生成式验证器选择最可靠的动作，在挑战性任务上相比CoT基线实现了高达36%的相对性能提升。