Reflective Context Learning：研究上下文空间的优化原语

基于摘要分析。本文研究智能体如何通过经验更新上下文，并使所学行为跨任务与环境泛化，提出 Reflective Context Learning（RCL）统一框架，将反复交互、行为与失败反思、上下文迭代更新视为上下文空间中的优化过程，而非模型参数训练。 核心机制是：reflection 根据交互轨迹和当前上下文生成方向性更新信号，作用类比梯度；mutation 则应用该信号修改上下文，以改善后续行为。这是功能类比，摘要并未说明其采用可微梯度计算。作者将近期上下文优化方法重述为这一共同学习问题的实例，并引入六类经典优化原语：批处理、分组 rollout、改进的信用分配信号、辅助损失、失败重放和优化器状态。摘要未给出各原语的具体实现、损失形式或状态表示。 作者报告，在 AppWorld、BrowseComp+ 和 RewardBench2 上，这些原语相较强基线带来改善，且相对重要性随任务条件变化；摘要未提供具体指标、增益、基线名称或评估划分，因而不能量化效果或判断各组件的独立贡献。研究还分析了初始化鲁棒性、批处理动态，以及将能力不同的模型分配给不同优化组件的影响，但具体结论尚未验证。实验协议、消融及统计信息尚未验证，复现还需核对上下文更新规则、交互预算与模型配置。 本文主要对象是通过上下文更新学习的通用智能体，并非 EEG 信号建模或 BCI 解码。摘要未建立这些优化原语与神经信号瓶颈的具体对应关系，因此目前不能据此推断 EEG/BCI 效果；已有 EEG 相关工作尚未检索确认。