Ajay Vohra

DeReAct 提出一种模块化智能体架构，把动作授权与完成判定从单一 LLM 策略中分离出来，交由 Critic 在执行前校验提议动作、由 Context Manager 重建环境支持的 State 并认证任务完成；在 GAIA 与 SWE-bench Verified 上，它对较弱 Brain 模型提升最大（Qwen3-Coder-480B 提升 6.5–7.0 分，Claude Sonnet 4.5 提升 4.2–5.2 分），随 Brain 能力增强增益递减，而在 Claude Opus 4.5 上 Pass@1 与 ReAct 相当但轨迹更具证据完整性与约束满足性。

DeReAct 提出一种模块化智能体架构，把动作授权与完成判定从单一 LLM 策略中分离出来，交由 Critic 在执行前校验提议动作、由 Context Manager 重建环境支持的 State 并认证任务完成；在 GAIA 与 SWE-bench Verified 上，它对较弱 Brain 模型提升最大（Qwen3-Coder-480B 提升 6.5–7.0 分，Claude Sonnet 4.5 提升 4.2–5.2 分），随 Brain 能力增强增益递减，而在 Claude Opus 4.5 上 Pass@1 与 ReAct 相当但轨迹更具证据完整性与约束满足性。