Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction
Di cosa parla
Si propone un metodo che, prima di avviare tentativi di autocorrezione da parte di un agente, cerca di diagnosticare che tipo di errore è avvenuto e di scartare le strategie di riparazione non adatte. L'obiettivo è evitare di allargare inutilmente il contesto o le ricerche quando il fallimento non fornisce segnali precisi, rendendo la correzione più selettiva e spesso più efficiente.
Cosa permette di osservare
Permette di esplorare come stabilire in anticipo quali errori un agente può davvero riparare e quanto investire in prove e informazioni prima di correggere, invece di ampliare sempre il contesto in modo indiscriminato.
Dalla fonte
Self-correction is particularly useful when a failure constrains the next repair. Coding agents benefit from this property because compilers, tests, and execution traces turn many failures into typed recovery signals, but broad language-agent tasks often expose only a coarse task failure. This creates a tension for generic recovery playbooks: they broaden the agent's context precisely when the system needs a narrower repair interface, mixing incompatible signals for invalid actions, missing procedures, and strict-format errors. Our insight is that development-set failures can recover part of the missing diagnostic substrate by deciding which recovery interventions are admissible before test-time correction. We propose DARC, a diagnosis-guided recovery harness that profiles task-family failure modes, prunes mismatched interventions from a shared recovery library, and freezes a verifier-s…