优先展示覆盖情况与实测结果；需要审计时再打开运行记录和技术细节。
0/3
条结论获得证据支持
0
获得支持
0
受到挑战或冲突
0
遭到反驳
0
无法判定
3
尚未评估
每一行是一条真实执行记录；命令、日志、哈希和签名都收纳在详情中。
尚无复现运行
论文中的实验方案开始执行后，运行记录会显示在这里。
逐个实验展示当前执行状态、阻塞原因、恢复动作和证据去向；技术执行与科研结论始终分开。 另有 1 条结论本次未安排独立复现。
执行成功不等于论文结论成立
目标状态回答平台有没有跑完；右侧科学结论只由不可变证据和 Assessment 决定。资源不足或平台故障不会被写成反驳论文的科研结论。
Across five trials, DoCtOR improves initial task success rates by 22% on HotPotQA, 26% on ChartQAPro, and 27% on Mind2Web, and outperforms the reported reflection baselines.
Independent DoCtOR success-rate reconstruction
下一步
等待所需代码、数据或输入补齐后继续。
结论与实验绑定已建立
执行失败
实验执行 · 失败
尚无已关联的不可变 Artifact
尚无 Assessment
历史任务未记录目标级资源要求
ProFA achieves the strongest reported agent-level and step-level failure-attribution accuracies among the listed methods on the held-in HotPotQA, ChartQAPro, and Mind2Web datasets and on the held-out Algorithm-Generated and Hand-Crafted subsets.
Independent ProFA failure-attribution reconstruction
下一步
不会自动重试，需要人工决定后续处理。
结论与实验绑定已建立
执行失败
实验执行 · 失败
尚无已关联的不可变 Artifact
尚无 Assessment
历史任务未记录目标级资源要求
Using only reasoning steps after the decisive error step produces reflection quality comparable to using the complete failure trajectory, while diagnosis, correction, and PPO each contribute to performance.
这条结论尚无可执行实验方案。
