RIR框架自报可让长程LLM智能体回滚修复并保留反思记忆
微软系作者Yi Yu等五人自报的RIR框架将错误恢复建模为回滚边界控制问题，回滚修复环境同时蒸馏反思记忆，在三个长程基准上自报一致提升。
重要性局部证据E2 未复现
读者现在可以了解一种让长程LLM智能体从错误中恢复的新做法：RIR（回滚诱导反思）框架把错误恢复建模为回滚边界控制问题，回滚到选定的先前状态修复被破坏的环境，同时保留从废弃轨迹蒸馏出的反思记忆，避免重蹈覆辙。
此前的做法缺乏这种带记忆的回滚机制，智能体一旦破坏环境便难以修复，还可能在重试时重蹈覆辙。
作者自报，在三个长程基准、多个LLM骨干上任务表现一致提升；摘要未给出具体数值，该结果由作者自测，尚待独立验证。
边界：该结果未覆盖具体数值与更多基准；由Yi Yu等五位作者于9月16日提交arXiv预印本（17日更新v2，编号2609.18304），尚无独立团队复现。