Agent-Reflex：教语言 Agent 反思行动
提出三阶段训练框架，提升长程工具使用中的主动反思与失败恢复。
为什么重要
为噪声工具反馈和用户纠错场景下训练更稳健的 Agent 提供了可复现框架。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文提出 Agent-Reflex，一个用于激励 Agent 主动反思的通用训练框架。方法包含三阶段：RSD 在环境扩展中注入有根据的工具反馈扰动，挖掘成功-失败配对并总结反思元技能；ReSFT 将技能转为自反思、技能恢复和用户纠正监督；ORPO 结合噪声交互下的 Agent 强化学习与反思引导的 on-policy 蒸馏。基于 Qwen3-8B，Agent-Reflex 在五个长程工具使用基准上达到 58.6 overall，在 AgentNoiseBench 上达到 29.1。代码已在 GitHub 提供。
要点（AI 据原文整理，数字均已与原文核对）
- Built on Qwen3-8B, Agent-Reflex reaches 58.6 overall on five long-horizon tool-use benchmarks and 29.1 on AgentNoiseBench, surpassing strong environment-scaling and reflection baselines.
- Experiments on six challenging agent benchmark suites demonstrate the effectiveness of Agent-Reflex.
- Our code is available at https://github.com/RUC-NLPIR/Agent-Reflex.