Structured Feedback Improves Repair in an LLM Agent Loop

作者提出 VeriHarness，让外部验证器控制候选接受、预算和执行 trace，并比较不同反馈接口对修复循环的影响。在 ARC-AGI 修复任务中，GPT-4.1-mini 使用结构化反馈达到 9.0%，原始诊断为 0.9%，无反馈为 0.0%。这个结果把“给模型更多错误信息”细分成反馈格式问题，显示结构化接口比堆原始日志更能转化为修复动作。