MIRA-AC 策略行为对比：区分性假设测试 16.8%→28%，无效微调近半减

MIRA-AC 后续研究显示，训练后的策略在 400 组匹配轨迹对的 LLM 评审中行为明显变化，能区分不同假设的测试从 16.8% 升至 28.0%。对停滞想法反复做微小小改的比例从 33.5% 降至 18.8%。学到的策略更多去调查未解决的不确定性，而非在死胡同里空转。