标签
ReGRPO 提出了一种反思增强的策略优化框架，用于工具使用的视觉语言智能体，通过利用结构化的失败观测以及反思令牌与动作的联合优化，来改善从工具故障中的恢复能力，在 GTA 和 GAIA 基准测试上取得了最先进的结果。
本文介绍了反思增强缩放（RAS）方法，该方法利用失败Cypher查询的执行反馈，通过上下文学习迭代优化查询生成，在多个数据集和模型上将执行错误率降低了41-50%。