REPOT：通过检查点修复可恢复的思想计划

一次性思维计划 (PoT) 发出一个 Python 程序，打印一个原始行动计划；单个无效动作会默默地使轨迹失效。我们引入了 RePoT（可恢复 PoT）：一种确定性的验证重放，它使计划在环境中运行到第一个无效转换，然后是一个从验证的前缀恢复的 LLM 调用。对于 PoT 失败的约 14% 的问题，RePoT 至多需要一次额外的 LLM 调用。在 PuzzleZoo-775 上的四种封闭模型配置中，RePoT 比 PoT 领先 +3 至 +11 个百分点，峰值为 96.9%，而在 gpt-5.4-minimedium 上则为 86.3%；与匹配预算 PoT 重试基线相比，RePoT 在 Gemini 上取得了决定性的胜利（+3.8pp，95% CI [+2.2,+5.4]），在 GPT-medium 和 Claude 上处于采样噪声范围内，并在 GPT-mini 上失败——我们开始使用自适应 RePoT 来解决这种能力扩展模式，自适应 RePoT 是一种基于规则的调度程序，可根据验证的前缀长度在后缀修复和新的 PoT 重试之间进行路由（初步）。我们在 PlanBench Blocksworld（+1.1 至 +11.4pp）和四个开放权重模型（四个中的三个上+3.3 至 +20.0pp）上进行复制。在我们的受控恢复基准 Derail-550 上，每个能够访问检查点信息的条件在 GPT-medium 上清除 >=30%，在 Gemini 上清除 >=70%，而对于仅错误反馈，则清除 <=3.1%——这表明检查点信息，而不是特定的已验证前缀尾部，是承载恢复信号。