Agent-Reflex ist ein Trainingsverfahren für Sprachmodelle, die Werkzeuge einsetzen und Aufgaben über mehrere Schritte bearbeiten. Die Forschungsarbeit setzt bei Situationen an, in denen Werkzeugdienste verrauschte Rückmeldungen liefern oder Nutzer in den Ablauf eingreifen, um den Agenten zu korrigieren. Das Framework soll solche Bedingungen für das Training nutzen und proaktives Nachdenken über Fehler fördern.
Das Verfahren besteht aus drei Stufen. Zunächst erzeugt Environment Reflection Skill Discovery (RSD) veränderte Werkzeugrückmeldungen in Trainingsumgebungen. Ein Pool unterschiedlicher Sprachmodelle bearbeitet diese Aufgaben; das Verfahren sucht anschließend nach passenden Paaren aus erfolgreichen und fehlgeschlagenen Versuchen. Daraus werden wiederverwendbare Reflexionsfähigkeiten abgeleitet.
In der zweiten Stufe, Reflective Supervised Fine-Tuning (ReSFT), werden diese Fähigkeiten in Trainingsbeispiele für Selbstreflexion, die Wiederaufnahme einer Fähigkeit nach einem Fehler und nutzerorientierte Korrekturen umgewandelt. Die dritte Stufe heißt On-Policy Reflective Policy Optimization (ORPO). Sie verbindet agentisches Reinforcement Learning unter verrauschten Interaktionen mit einer Reflexions-gesteuerten Distillation auf Basis aktueller Modellaktionen.
In den Experimenten wurde Agent-Reflex auf Qwen3-8B aufgebaut. Die Arbeit nennt einen Gesamtwert von 58.6 über fünf Benchmarks für Werkzeugnutzung bei lang andauernden Aufgaben sowie 29.1 auf AgentNoiseBench. Nach Angaben der Forschungsarbeit liegt das Verfahren damit vor starken Vergleichswerten für Environment Scaling und Reflexion. Die Untersuchung umfasst sechs anspruchsvolle Benchmark-Suites; weitere Analysen berichten von höherer Robustheit gegenüber Störungen bei stabilen Trainingsabläufen. Der Code ist auf GitHub verfügbar.