SynAct：以决策级主动反馈提升LLM智能体表现

01 摘要

LLM智能体在多步任务中失败可归为可恢复失误与知识缺口两类，前者重试可修复，后者需外部反馈。SynAct将专家反馈视为稀缺资源，在决策级别上根据所选动作与最终结果间的互信息排序，将反馈集中在最高价值的决策上，并将纠正蒸馏为可复用规则。作者报告在四个基准和四个模型共16个设置中均提升泛化准确率，平均+11.7个百分点。

02 关键点

1. SynAct将专家反馈分配到单个决策级别，而非整个任务级别，以应对专家注意力稀缺的约束。
2. 通过重复采样计算动作与最终结果之间的互信息，识别出对结果有区分度的决策点，理论分析给出了分离条件。
3. 在多基准多模型评估中，SynAct平均提升11.7个百分点，且单一针对性纠正优于多次无目标重试。
4. 该信号还可用于推理时路由，在多数设置中优于预算匹配的级联、不确定性和专家判断路由策略。