双过程语言智能体的认知扩展：交互环境中的记忆与自我反思
🧭 Agent 执行控制与记忆增强
Instituto Superior Técnico, Universidade de Lisboa, Portugal · INESC-ID, Lisboa, Portugal
为 SwiftSage 双过程 agent 加入自适应记忆与自我反思模块，在 ScienceWorld 上提升任务成功率与效率
📌 工作参考价值（4 点）
- 在电商/推荐 Agent 中加入轻量执行时校验（SRM 思路）：调用工具前检查商品 ID、参数格式、API 返回，拦截无效动作，降低错误率与 token 成本。
- 长会话推荐系统可借鉴显著性门控记忆：只存储用户偏好突变、任务失败原因等关键事件，触发式检索而非全量上下文，避免长对话遗忘与上下文膨胀。
- 双过程架构可解耦推理与响应：快速动作提议器即时回复用户，慢规划器异步优化推荐策略或营销动作，兼顾体验与决策质量。
- 增加无进展检测：当推荐 Agent 重复推荐或反复询问时强制执行反思/切换策略，防止陷入无效循环，提升多轮交互成功率。
面向短视频假新闻检测的自反思多模态推理框架
🧭 多模态自反思推理 · 假新闻检测
China University of Mining and Technology - Beijing · Fudan University · The Institute of Semiconductors of the Chinese Academy of Sciences
SRM-FND 通过对比反思、迭代根因诊断与校正提示优化，提升短视频假新闻检测的可靠性与可解释性
📌 工作参考价值（4 点）
- 多角色辩论式推理可用于电商内容审核：盲分析者、反结论推理者、自洽仲裁者的协作机制能有效保留判别性证据，可迁移到短视频商品描述、直播切片、用户评论的真实性/合规性审核，尤其适合不确定样本的二次裁决。
- 置信度驱动的跨样本检索值得借鉴：对低置信样本检索同事件/同商品的可信与可疑参照，通过对比增强判定，可应用于商品虚假卖点识别、竞品对比内容审核、广告合规检测等场景。
- 双阶段主题自适应 VLM 微调是低成本部署路径：先做多模态 grounding，再做轻量 topic specialization，适合在算力有限的电商风控团队中快速适配新品类或新违规模式。
- 自反思无需 ground-truth CoT 监督：在缺乏高质量推理标注的电商内容安全场景，可通过迭代根因诊断和提示修正自动提升推理质量，降低人工标注成本。
RoE-FND：融合经验学习增强LLM的通用证据型假新闻检测
🧭 LLM 推理增强 · 经验检索
Fudan University · Hohai University
构建可复用推理经验库并通过检索经验裁决对立论证，提升LLM假新闻检测与跨域泛化能力
📌 工作参考价值（4 点）
- 经验库构建方法：在电商内容审核（如虚假评论、商品描述真实性）中，可让 LLM 同时生成无约束判断与给定真实标签后的条件判断，将两者分歧提炼为可复用的审核规则/经验条目，沉淀成行业/品类专属经验库。
- 双论证对抗裁决：对高风险 case，不要单次 LLM 判断，而是给出两个相反伪标签分别生成论证，再检索类似历史经验对关键分歧点做裁决；可迁移到客服纠纷判责、商家资质审核等需要证据链推理的业务。
- 无需微调的跨域迁移：适合电商多品类、多平台快速冷启动，避免频繁训练模型；只需维护经验库与检索器，即可在新类目复用推理能力。
- 与现有 RAG 结合：把经验库当作比事实片段更高阶的"推理模式索引"，修正 LLM 易被表面说服的倾向，可增强 Agent 在复杂决策中的鲁棒性。
大语言模型中的元认知：基础、进展与机遇
🧭 LLM 元认知能力评估与增强
Yale University · University of California, Irvine
系统综述 LLM 元认知研究，提出监控与控制双过程框架，总结评估与增强技术
📌 工作参考价值（4 点）
- 推荐置信度过滤：在生成式推荐或对话 Agent 中，利用模型的校准（calibration）和不确定性估计能力，对推荐结果进行置信度评分，过滤低质量输出，提升推荐可靠性。
- 自我反思增强 Agent 决策：借鉴元认知监控-控制循环，在搜索/推荐 Agent 中加入自我评估步骤，让模型判断信息是否充分、是否需要调整查询或调用工具，提高任务完成率。
- 提示工程激发元认知：通过特定提示（如要求模型先解释推理过程再给出答案）诱导模型的自我反思，改善复杂推荐任务（如动态查询改写、广告文案生成）的准确性和可解释性。
- 减少幻觉与错误累积：在多步推理或序列推荐场景，引入元认知监控可以及时检测和纠正逻辑错误，防止错误传播，特别适用于需要长链条规划的购物助手或营销策略生成。
回顾式进度感知训练：让LLM智能体在长程任务中自我反思
🧭 LLM智能体训练 · 进度元认知 ★ 深度解读
Shanghai Jiao Tong University · OPPO Research Institute
提出RePro框架，通过前向执行-回顾反思范式训练智能体从已完成轨迹中学习进度估计，以辅助长程任务决策，无需额外奖励模型
📌 工作参考价值（4 点）
- 长程多步决策中引入进度信号：在电商导购、多轮对话等 multi-step agent 场景，可借鉴 RePro 的前向-回顾范式，让模型在完成完整交互后重新标定每一步的完成度，以此作为辅助训练信号，缓解稀疏奖励问题。
- 过程奖励设计思路：复合奖励（进度塑造 + 在线-回顾对齐 + 格式正则化）避免了训练昂贵的独立过程奖励模型，可直接接入 GRPO/GiGPO 等现有 RL 训练管线，适合需要快速迭代的工业界 agent 训练。
- 元认知评估指标：使用 Intermediate Discrimination（成功与失败轨迹的最终进度差）作为进度估计质量的代理指标，可应用于 agent 上线前的离线评估，判断模型是否具备可靠的自我诊断能力。
- 低成本冷启动模板：利用少量外部 LLM 生成的回顾演示进行 SFT 预热，即可建立格式正确的反思行为，然后通过 RL 逐步内化，适合在业务数据上以较少样本启动 agent 的自我反思能力。