大型语言模型（LLM）代理依赖外部 harness 在模型与环境之间传递信息，并在执行错误后进行恢复。传统评估仅看平均任务成功率，掩盖了关键张力：同一恢复操作可能拯救失败轨迹，也可能破坏本应成功的轨迹。我们将恢复建模为因果决策问题。给定相同执行状态，比较有无恢复的结果，分别统计救援（rescue）和伤害（harm），并研究恢复价值随时间的变化。随后提出因果干预路由器（Causal Intervention Router，CIR），一种轻量策略，利用恢复前可得信息判断干预是否值得。实验在长时序 ALFWorld 任务上使用 Qwen3‑14B，CIR 将成功率从 70.33% 提升至 73.33%，提升 3.00 个百分点，并保持所有已正确观测的轨迹不受影响。额外对照实验表明，恢复收益并非仅来源于环境返回的新观测。该工作提供了评估恢复的实用方法，并实现选择性应用。
点评