#Error Correction

4 篇

ReViCo: Unveiling the Limitations of VLMs in Visual Text Understanding via Error Correction

通过视觉文本纠错揭示视觉语言模型在图像文本理解上的局限

🧭 多模态评估 · 视觉文本纠错

State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, CAS, Beijing, China · School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China · Fanyu AI Laboratory, Zhongke Fanyu Technology Co., Ltd, Beijing, China · Mohamed bin Zayed University of Artificial Intelligence

提出 ReViCo 基准，以视觉文本纠错任务评估 VLM 对图像内文字及其视觉上下文的理解能力

📌 工作参考价值（4 点）

电商/广告图像中大量文字（价格、促销、成分、资质）是决策关键。可借鉴 ReViCo 的视觉文本纠错任务，构建内部“商品图文字纠错”评测集，重点考察模型对价格数字、折扣文案、生产日期等易错文本的识别与修正能力。
业务用 VLM 做图文理解或信息抽取时，不要只依赖 OCR 指标；应增加“给出错误位置+修正结果”的输出要求，暴露模型在视觉上下文中误读文本的问题，降低后续 Agent 或推荐链路中的错误传播。
若需要快速提升，可参考其 targeted training 范式：用少量带标注的视觉文本纠错数据微调多模态模型，尤其针对业务中高频图像模板（banner、主图、详情页）提升鲁棒性；同时保留 prompt-based 基线做对比。
评估结果提示，即使 SOTA VLM 也可能误解图像内文字，设计 Agent 工作流时应增加校验环节，比如让模型输出原文与修正后文本，再由规则或 OCR 引擎交叉验证。

Eval | 2026-08-27 | cs.CV | score 6/10

Experience Memory Graph: One-Shot Error Correction for Agents

经验记忆图：智能体的一次性错误修正

🧭 图匹配驱动的Agent一次性错误纠正

University of Electronic Science and Technology of China · Yangtze Delta Region Institute (Quzhou), UESTC · Shenzhen Institute for Advanced Study, UESTC

通过图匹配失败与成功轨迹，提取编辑操作实现零试错的Agent错误修复

📌 工作参考价值（4 点）

对推荐/对话Agent的失败修复：可离线从成功与失败轨迹构建动作决策图，在线匹配快速纠正，避免反复试错带来的延迟和成本。
跨任务泛化：利用跨任务边共享修正经验，例如电商搜索中不同品类下的意图误解或步骤遗漏问题，可复用修正模式。
工程轻量：记忆图可预先构建，推理时仅需子图匹配与编辑操作检索，不依赖大模型多次推理，适合低延迟场景。
扩展至生成式推荐：在生成式推荐流程中，若出现不合理item生成，可借鉴编辑路径思想（增、删、替换）快速调整上下文，提升生成质量。

Agent | 2026-07-15 | cs.AI | score 7/10

Error Correction Graph Matching Experience Memory LLM Agents One-Shot Learning Self-Correction

Learning from Your Own Mistakes: Constructing Learnable Micro-Reflective Trajectories for Self-Distillation

从自身错误中学习：构建可学习的微反思轨迹用于自我蒸馏

🧭 LLM 自我蒸馏 · 轨迹增强

Qwen Business Unit of Alibaba · Tsinghua University · Peking University

通过修正模型自身的错误轨迹并插入自然语言诊断，将自我蒸馏从分布对齐升级为显式轨迹构造。

📌 工作参考价值（4 点）

电商/广告场景中若用 LLM 生成推荐理由或解释，可借鉴 TAPO 对比式轨迹构建：收集模型自身的正确与错误回复，在失败点插入反思诊断，形成新的微调样本，提升解释准确性与错误恢复能力。
对于搜索意图理解等推理链路长且容易出错的任务，可利用难度感知筛选，只在高能力边界的样本上构造反思轨迹，避免简单样本浪费训练资源，并保持 on-policy 分布。
解耦优势估计的技巧可迁移至多策略混合训练中，防止不同难度或不同来源轨迹间的梯度互相干扰，改善训练的稳定性。
工程实现上，TAPO 无需外部更强模型参与，完全依赖模型自身的采样群组，适合在闭环推荐系统中持续自我优化，降低人工标注与模型蒸馏成本。

Training | 2026-06-16 | HF Daily | score 7/10

Self-Distillation Reinforcement Learning Trajectory Construction LLM Reasoning GRPO Error Correction

Learning from Failures: Correction-Oriented Policy Optimization with Verifiable Rewards

从失败中学习：基于可验证奖励的修正导向策略优化

🧭 利用失败轨迹的修正训练增强 RLVR ★ 深度解读

Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences · University of Chinese Academy of Sciences · Xiaohongshu Inc.

将 RLVR 中的失败轨迹转化为修正监督，无需额外信号，显著提升推理与自我纠错能力

📌 工作参考价值（4 点）

在构建对话推荐 Agent 时，可利用用户交互中的失败轨迹（如不满意回复）构造修正对，通过 RL 训练提升 Agent 自我纠错能力，而非简单抑制。
生成式推荐或代码生成 Agent 可借鉴难度感知偏好采样（Section 3.3），优先重放中等通过率的样本，避免在过难或过易问题上浪费计算。
自适应重放比率与风险厌恶奖励塑形（Section 3.2）可迁移到推荐策略 RL 训练中，动态平衡正确与错误轨迹，防止遗忘已学知识并抑制能力退化。
在线修正机制无需外部标注或奖励模型，适合电商 Agent 在无人工反馈的条件下持续优化多步规划与纠错能力。

Training | 2026-05-13 | HF Daily | score 8/10

RLVR GRPO Error Correction Self-Refinement Reasoning Code Generation