DeReAct：可靠人工智能代理的分解推理和行动

arXiv:2610.02351v1 公告类型：新摘要：基于 ReAct 的代理通常依赖于单个 LLM 策略来提出操作、与环境交互并决定任务何时完成。这种耦合使得操作授权和完成控制难以独立执行，从而导致错误传播和不受支持的完成声明终止执行。我们引入了 DeReAct，一种模块化代理架构，它具体化了两种门控策略：一个在执行前验证建议操作的 Critic，以及一个重建环境支持的 \textsc{State} 并验证任务完成的上下文管理器。在 GAIA 和 SWE-bench Verified 中，DeReAct 对较弱 Brain 模型的 Pass@1 提升最大，Qwen3-Coder-480B 提高了 6.5--7.0 分，Claude Sonnet~4.5 提高了 4.2--5.2 分；随着大脑能力的增强，收益会减少。轨迹和消融分析表明，当目标故障足够普遍并且门控策略本身就足够时，外部门控是有效的。对于 Claude Opus~4.5，Pass@1 仍然与 ReAct 相当，而 DeReAct 产生了更多证据完整和约束满足的轨迹，表明完成控制可以用更早的终止来换取更强的基础。总体而言，DeReAct 改进了较弱的代理，同时随着模型的增强保留了基础优势。