智能体识别出任务做不了，却仍继续动手：把可行性判断写进运行框架，严格自省从两成升到六成
智能体常能看出任务缺少前提，却仍继续执行；一项新评测把“识别阻碍”和“据此停手”分开打分，并在不改模型权重的前提下用运行框架搜索把严格自省从两成提到六成。
CoTrace 用与运行时匹配的轨迹配方，把 Qwen3.5-9B 在 Tmax 上从 78 提升到 88（RL 变体达 90）
该工作提出 CoTrace——一种在模型与运行时（harness）交替协同演化中显式管理轨迹路由、来源匹配与课程刷新的数据配方：它把执行失败导向 harness 合成，只用在已采纳运行时下验证成功的轨迹训练策略；在 Tmax 的 102 任务评测划分上，Qwen3.5-9B 经监督微调从 78 提升到 88，在线强化学习变体达到 90，而规模更大的跨 harness 混合语料却未带来任何被采纳的模型更新。
已读完全部报道