Agent-Reflex：教语言智能体学会反思性行动

研究团队提出 Agent-Reflex 训练框架，通过环境反思技能发现（RSD）、反思监督微调（ReSFT）和同策略反思策略优化（ORPO）三阶段，激励语言智能体主动反思。基于 Qwen3-8B，该框架在五个长程工具使用基准上达到 58.6 总分，在 AgentNoiseBench 上达到 29.1，超越环境扩展与反思基线。代码已开源。