标签
提出了一种对比反思（Contrastive Reflection）迭代提示优化框架，用于智能体信息检索工作流。该框架利用结构化轨迹识别错误锚定的行为切片，并通过教师LLM进行对比修复，在HotpotQA上实现了显著改进。
对比反思（CORE）是一种非参数算法，通过比较成功与不成功的推理轨迹，生成简洁、可解释的洞见，从而以比现有方法更少的样本和 rollout 次数，实现语言模型更快、更高效的自我改进。