DeReAct：解耦推理与行动，让 AI Agent 更可靠
当 Agent 既当运动员又当裁判
基于 ReAct 范式的 AI Agent 有一个长期存在的结构性问题：它依赖单一 LLM 策略同时完成三件事——提出行动、与环境交互、判断任务是否完成。这种耦合让「行动授权」和「完成控制」难以独立约束，错误会沿着轨迹一路传播，而 Agent 甚至可以给出缺乏依据的「任务已完成」声明并直接终止执行。
来自 arXiv 的一篇新论文 《DeReAct: Decomposed Reasoning and Acting for Reliable AI Agents》（作者 Ajay Vohra、Tao Chen、Neeti Narayan、Caron Zhang）提出了一个模块化架构来解决这个问题。
把「门控」从主策略中拆出来
DeReAct 的核心思路是外置两个门控策略：
- Critic（评审者）：在行动真正执行之前，验证所提议的动作是否合理；
- Context Manager（上下文管理器）：重建一个有环境证据支撑的 State，并据此认证任务是否真的完成。
换句话说，Agent 的「大脑」（Brain）负责推理与提议，但「能不能做」和「算不算做完」这两件事被交给独立的模块来把关。
实验结果：弱模型受益最大
论文在 GAIA 和 SWE-bench Verified 两个基准上进行了评测，结论颇有意味：
- 对 Qwen3-Coder-480B，Pass@1 提升 6.5–7.0 个百分点；
- 对 Claude Sonnet 4.5，提升 4.2–5.2 个百分点；
- 随着 Brain 模型能力增强，增益逐渐减弱——用 Claude Opus 4.5 时，Pass@1 与 ReAct 基本持平。
这说明外部门控的价值，恰恰体现在主策略本身不够强、特定类型失败足够普遍的场景中。
一个值得注意的权衡
论文的轨迹与消融分析还揭示了一个细节：在 Claude Opus 4.5 上，DeReAct 虽然没能把 Pass@1 拉高，但产出的轨迹证据更完整、更满足约束条件。这意味着完成控制可能用「更早终止」换来了「更强的落地依据（grounding）」。
对正在搭建生产级 Agent 的团队而言，这篇工作的启示是：与其一味堆砌更强的基座模型，不如先想清楚——哪些决策应该被独立校验。当失败模式集中在「乱执行」和「假完成」上时，一个外置的 Critic 和 Context Manager，可能比换一个更大的模型更划算。
论文编号 arXiv:2610.02351，属于 cs.AI 与 cs.LG 分类。