Recursive Agentic Reasoning

作者将迭代改写、分解重组和重复采样统一成轨迹递归算子 GROW、PRUNE、BRANCH，并在同一提示、token 预算和评分器下比较。五个基准、三个模型的 14 个设置共计 49,327 个样本和 151,876 次调用；BRANCH 全部提升、平均 +5.98 点且 12 次最佳，GROW 平均 +2.18 点并在两项退化，PRUNE 只有 +0.94 点。BRANCH 的优势还与基线空输出/预算耗尽率相关，相关系数 r=0.72。