1. 反馈来源
1.1. 环境反馈
环境反馈直接来自动作结果，如编译错误、测试失败、网页状态或数据库约束。它与当前动作有明确因果联系，是修正参数和计划的首要依据。
反馈要保留原始错误类型和相关上下文。过早改写成笼统摘要，会丢失定位下一动作所需细节。
1.2. 验证器反馈
验证器根据目标谓词检查环境结果，可以是测试、规则、证明器或来源核验。它独立于生成策略，减少模型自评的偏差。
同一个模型担任生成者和评审者时，仍可提供信号，但不能视为独立证据。高风险任务需要外部可检查条件。
2. 语言反思
2.1. 失败归因
反思把轨迹中的失败压缩为可操作约束，例如缺少前置读取、参数范围错误或验证覆盖不足。有效反思应指向下一轮能改变的决策。
“需要更仔细”没有动作含义，也无法评测。反思若无法对应工具、状态或计划变更，不应长期保存。
2.2. 记忆写入
一次失败产生的反思先属于当前轨迹。跨任务写入长期记忆前，要验证原因是否具有普遍性，并记录适用环境。
错误归因一旦持久化，会在许多后续任务中扩大影响。记忆系统因此需要版本、撤销和来源链接。
3. 反馈闭环
3.1. 修正动作
反馈可以触发参数修正、选择其他工具、调整计划或停止。控制器按错误类别限制可用转移，避免同一失败无限重试。
修正后再次运行同一验证器，才能确认反馈被正确利用。仅生成一段反思文字不能证明行为改善。
3.2. 评测反馈价值
可以比较无反馈、原始反馈、摘要反馈和反思反馈下的恢复率与额外成本。这样能区分信息本身和额外模型调用的贡献。
评测还要检查错误恢复是否引入新副作用。完成率上升但越权操作增加，不代表反馈机制更可靠。
4. 反馈失真与信用分配
4.1. 谁造成了失败
长轨迹终局失败的来源包括查询、计划、工具故障和提交。把同一负反馈归给所有动作会惩罚正确步骤。信用分配需要动作—观察因果链、子目标验证与首次偏离分析。
步骤 verifier 提供密集信号，却可能奖励局部捷径；终局 verifier 更贴近目标，却稀疏。系统可用局部信号指导恢复，仍以终局与安全约束决定成功。
4.2. 反馈失真
测试覆盖不足会接受错误代码，网页成功提示可能是缓存，搜索摘要可能不支持结论。模型反思又可能把症状归为错误根因。反馈记录来源、版本、覆盖范围与置信度，冲突时重新验证。
反馈中还可能包含提示注入或敏感数据。工具结果属于不可信输入，语言摘要不能获得系统指令权限。安全边界依旧由执行器强制。
4.3. 自我修正的边界
没有新增证据的自我批评容易重复原错误。CRITIC 通过搜索、代码解释器等外部工具检查初稿，再据反馈修订；Reflexion 用任务反馈生成反思供下一尝试使用。两者都比“请再检查”增加了可观察信号。
反思应指出可改变的动作、证据缺口或约束。笼统的“更仔细”无法评测。写入跨尝试记忆前，系统检查归因是否被轨迹支持，并限定任务作用域。
5. 对照实验与案例
5.1. Reflexion实验
Reflexion 不更新权重，而是把标量或语言反馈转成反思，加入 episodic memory 后重试。论文覆盖 ALFWorld、HotpotQA 与代码任务，摘要报告 HumanEval pass@1 91%，基础 GPT-4 80%。改进包含外部测试、反思和多次尝试的联合贡献。
消融要分别去掉测试反馈、语言反思与记忆，固定尝试次数和 token。否则更多重试本身就可能提高 pass@1。错误反思和任务特例还会造成负迁移，因此结果不能外推为长期通用记忆。
5.2. 代码修正轨迹
模型生成函数后，编译器通过，单元测试在空输入失败。原始反馈包含断言、输入和堆栈，verifier 将其绑定到当前补丁。反思归因“遗漏空集合分支”，模型修改并重跑全部测试。
若只修目标用例却破坏普通输入，回归 verifier 阻止完成。反思更新为“分支位置改变了非空路径”，而不是保留第一次归因。最终成功要求目标与回归测试通过，并检查差异范围。
5.3. 对照口径
比较无反馈、模型自评、原始工具反馈、工具反馈加摘要和 Reflexion 记忆，固定模型、任务、最大尝试与总预算。指标包括首次成功、最终成功、恢复率、额外调用、错误反思率和副作用。
评审模型只能作为一类 verifier，并在人工或确定性集合上校准。对事实、代码和环境状态优先使用可执行检查。任何反馈方法提高平均完成率却增加越权、循环或成本，都需要单独报告。
Verifier 类型。
确定性 verifier 返回真假与反例，如编译器、单测和 schema；统计 verifier 返回分数与置信度；模型 verifier 返回判断与证据引用。三者不能压成同一个通过字段。安全约束作硬门，目标正确性作主要门，风格作软分数。
结果绑定资源版本。测试针对提交 A，不能批准提交 B；网页价格检查带时间与会话，不能证明稍后提交金额。缓存只有在环境、配置和资源哈希一致时复用。
反馈转换。
转换器从长日志提取错误类型、对象、期望、实际、位置和可重试性，并保留原始产物指针。无法确定时标记 unknown，不补写根因。反思再回答哪项决策应改变、哪些成果仍有效。
同一超时可来自复杂度、死锁或资源不足。反思先列可区分假设，再选择诊断动作。新 observation 排除候选后才更新结论；“更仔细”这类文本没有动作含义。
跨尝试记忆与信用分配。
跨尝试记忆。
Reflexion 将反思加入 episodic memory。记录包含任务、尝试号、反馈来源和有效范围。某个迷宫布局的方向经验不应迁移到新布局，通用检查步骤才可能复用。
缓冲区按可操作性、证据和新颖性选择反思。连续失败后停止，而非不断生成更长反思。它没有更新模型权重，清空 memory 后收益会消失，评测需明确记忆预算。
信用分配案例。
研究 Agent 最终把百万写成十亿。轨迹包含查询、读取、提取、单位转换和写作。首次偏离在转换，前面的来源选择仍正确。反馈绑定原始值、公式和成稿值，只重做依赖该字段的节点。
终局零分若不定位，会诱导模型重新检索，增加成本而不修问题。正确信用还要保留成功前缀，训练或技能提炼时不能因终局失败丢弃全部有效动作。
6. 失败控制、实验与发布验收
6.1. 反馈污染与修正停止
反馈污染。
网页可伪造“验证通过”，日志可包含用户控制的指令。适配器只信受控状态字段，文本作为数据。安全相关规则只能由受信策略发布，反思不能扩大工具权限。
反馈还可能泄漏秘密。测试反例进入反思后若写入共享记忆，会跨任务暴露。数据标签随 observation 传播到摘要、日志和记忆，读取前重新过滤。
修正停止。
循环设置最大尝试、连续同类错误、无状态进展和成本上限。两次修改得到相同 verifier 结果时，策略改变假设或停止，并可回滚到最近通过检查点。
达到上限时交付已验证部分、失败证据和所需人类决定。固定尝试次数和总预算后再比较 Reflexion 等方法，否则更多重试本身就会提高累计成功。
6.2. 评测矩阵与闭环计算
评测矩阵。
任务覆盖代码、知识问答、网页与状态决策，并包含强反馈、弱反馈和误导反馈。条件包括无反馈、自评、外部 verifier、反馈加反思和跨尝试记忆。
指标包括检出率、归因准确、修正成功、累计成功、负迁移、token、工具与安全事件。固定生成策略替换 verifier，再固定 verifier 替换修正策略，分离证据质量与利用能力。
闭环计算。
设候选为 ，环境结果为 ，反馈 ，修正 。循环在 verifier 通过、预算耗尽或无进展时终止。只读 是自评，同时读 才能核验外部结果。
代码中 是补丁， 含退出码和日志， 含失败用例、期望、实际和位置。研究任务中 verifier 建立主张—来源矩阵，缺少支持时要求补证据或收缩主张。
6.3. 轨迹对照、反例与发布验收
Reflexion 轨迹。
ALFWorld 尝试失败后，Evaluator 根据动作轨迹判断状态遗漏或低效规划，Self-Reflection 生成“拿取前确认容器已打开”等经验并写入 episodic memory。下一尝试读取该经验，环境再次给奖励；连续失败达到上限后停止。
HumanEval 中 Actor 生成代码，测试提供反馈，反思解释失败并再次生成。论文摘要报告 Reflexion 91%、基础 GPT-4 80%。该数字包含测试、反思和多尝试，不能与一次裸生成按相同预算解释。
CRITIC 轨迹。
CRITIC 从初稿出发，选择搜索、解释器或分类器核验，依据工具 observation 生成 critique，再修订。若初稿把论文年份写错，搜索会议原页后，critique 指向年份并修改依赖时间线。
工具也会错。聚合摘要、不可执行测试或注入网页会产生失真反馈。对照需要同等次数的无工具自我修正，才能判断提升来自外部证据还是额外采样。
信用分配。
五步轨迹搜索、读取、提取、换算、写作，最终因百万写成十亿得零分。把零分给所有步骤会惩罚正确前缀。步骤 verifier 将偏离定位到换算，只重跑换算及其依赖写作。
反事实重放固定前三步并替换换算后成功，说明换算具有因果贡献；重新搜索但保留错误换算仍失败，说明检索不是根因。无需穷举全部反事实，可从检查点测试代表候选。
6.4. 反馈反例、消融与发布验收
反馈反例。
同一模型无新证据地反复批评，可能输出更长但不更准。公开测试还可能被硬编码绕过，网页成功提示也可能来自缓存。改进 verifier 覆盖与独立性，比增加反思轮数更直接。
语言反思会负迁移。一次暂时超时若总结成“该工具不可用”，后续任务会永久绕开服务。正确记录应保留时间、错误类型和重试条件，并限制作用域。
消融与噪声。
第一组固定 Actor，比较无 verifier、自评与外部 verifier。第二组固定外部反馈，比较原始 observation、摘要和反思。第三组固定反思，比较当前使用与跨尝试 memory。各组保持相同尝试数和 token。
注入 verifier 误报、漏报和错误位置，检查系统是否盲从。鲁棒系统在反馈与环境冲突时请求第二证据。报告首次与累计成功、恢复、负迁移、成本和安全事件。
发布验收。
每类 verifier 建黄金集合与版本回归，反馈 schema 包含错误码、对象、期望、实际、证据与可重试性。运行中监测同类错误重复、修正成功和回滚。
最终验收要求反馈改变下一动作并经目标重新验证。生成 critique、保存 memory 或增加尝试都是过程指标；环境终局正确、安全约束满足且成本可接受，才是闭环改进。
Verifier 误报率 会让正确输出被反复修改，漏报率 会让循环过早停止。重复同一相关 verifier 不会自动降低误差，多种独立检查才可能互补。
过程反馈回答步骤是否合理，结果反馈回答终局是否满足。过程信号密集但会奖励表面进展，结果信号稀疏却更接近目标。系统用过程反馈指导搜索，用结果 verifier 决定完成。
可执行诊断包含错误码、资源、位置、期望、实际、状态版本和区分原因的下一动作。没有对象与证据的“更仔细”只是评论。诊断建议仍由策略选择，不能绕过权限。
支付回调重复入账时，终局发现同一 event ID 两条账目。轨迹定位数据库无唯一约束。应用层先查后写仍有并发竞态，风险 verifier 因此选择唯一键与冲突处理。负载测试随后发现死锁，系统保留幂等修复，只改锁顺序。
事实核验初稿把相对提升写成百分点。来源 verifier 打开原论文，数值 verifier 根据基线计算绝对差，反馈只修单位和依赖结论。反思写成“报告提升时核对相对量与基线”，比“不要相信博客”更可操作。
Reflexion 消融应给对照相同尝试数。移除语言反思但保留环境反馈，测反思的边际贡献；保留反思却打乱任务，测作用域污染。否则更多采样本身会提高累计成功。
CRITIC 消融固定初稿与修订模型，分别隐藏工具、observation 或 critique。工具可见但无 critique 时模型可能直接修订；有 critique 无可靠工具时仍会自洽出错。条件分离才能定位收益。
Verifier 反例包括硬编码公开测试、伪造网页成功横幅和多个转载同一错误来源。隐藏测试、后端状态与独立原始来源用于揭示捷径。“可执行”只说明检查能运行，不说明覆盖充分。
反馈冲突进入争议状态。编译通过但静态分析拒绝时检查规则版本；两个数字不同则检查口径和时间。模型不能挑选更有利结果，硬冲突未解决就阻止完成。
语言反馈有版本与作用域。一次超时不能沉淀成“工具不可用”，应记录时间、暂时错误和查询条件。工具升级后旧反思失效，用户更正后旧版本退出默认上下文。
生产监测将反馈利用定义为后续动作发生相关改变，并检查 verifier 是否改善。只生成反思而动作不变是未利用，动作改变但结果更差是错误利用。两者比反思长度更能诊断系统。
停止质量也要评测。正确停止包括目标通过、证据不足、权限阻塞和预算终止；错误停止包括过早完成和可恢复时放弃。无限尝试同样失败，因为成本和副作用失控。
完整系统必须回答：哪个事实触发判断，哪个动作最早偏离，下一步改变什么，之后用什么重验。Reflexion、CRITIC 与 verifier 是不同实现，不应压成统一的“自我反思”标签。
Verifier 组合还要考虑条件依赖。编译失败时无需运行昂贵端到端测试，引用链接打不开时无需先评价文字风格。检查图按前置条件调度，失败尽早返回；所有硬门通过后才执行软质量评分。这样减少成本，也让反馈更聚焦。
结果反馈可以分解为向量 。正确但越权的轨迹不能因平均分较高而通过，安全项作为硬约束；完整性不足可触发补充动作，成本超限则阻止继续搜索。多维反馈保留权衡，不把不同失败压成标量。
过程 verifier 需要避免泄漏未来答案。训练或评测时若反馈直接给出正确动作，测到的是复制能力。反馈应提供可由环境获得的反例和约束，让策略完成修正。对照可加入“只给错误标记”和“给完整答案”两个上限，定位诊断信息的贡献。
自我修正还会发生 oscillation：第一次把 A 改成 B，下一 verifier 又要求改回 A。系统比较状态与反馈版本，检测周期并停止，随后请求独立证据。盲目选择最新 critique 会在两个有偏评审间来回消耗预算。
代码案例中，格式化 verifier 与快照测试可能冲突：格式化改变输出空白，快照拒绝。诊断先确认快照是否把无意义空白当成契约；若是，则更新快照需要用户或测试所有者授权，模型不能为了绿色结果自行修改验收标准。
网页动作的 verifier 要读取后端状态。点击“保存”后按钮禁用不能证明数据已经持久化，刷新或 API 查询才能确认。响应丢失时进入未知提交，正确反馈要求查询记录，禁止直接重复点击。这个规则把反馈闭环与幂等执行连接起来。
研究回答的 verifier 逐句检查主张与来源。来源相关但不直接支持、时间过期、引用多个转载同一原文，都使用不同错误类型。修正器可以缩小主张、换来源或标注时间，不能用增加引用数量掩盖证据不足。
反思写入前做反事实审查：如果按该规则修改，当前失败是否会消失，是否会破坏已通过节点。无法回答时保留为候选假设，不进入跨尝试默认记忆。经过多个独立任务支持后，才扩大作用域。
消融报告每轮累计曲线。某方法第一轮较差、三轮后较高，说明依赖恢复；另一方法首轮高但后续不改善，可能反馈无效。平均最终分隐藏了学习速度与额外成本。曲线还应标记连续失败停止规则。
人工评审用于开放质量时，给出盲化轨迹和明确 rubric，测评审一致性。模型 verifier 在同一集合上校准，并报告与人工的混淆矩阵。把模型评分直接当真值，会让生成者与评审者共享偏差。
反馈系统本身发生故障时要可见。测试服务超时标为 verifier unavailable，不把候选判错；评审模型拒答标为缺失反馈，不自动通过。Runtime 可以重试或降级，但降级路径与置信度进入终局报告。
最终对照应保持工具、环境、尝试次数、总 token 和停止条件一致。若 Reflexion 额外使用测试生成器，CRITIC 额外使用搜索，成本和外部能力分别列出。只有这样，语言反思、外部证据和额外计算的贡献才能被区分。
生产验收还要抽查反馈文本与动作是否一致。反思声称检查边界条件，后续轨迹却没有新增测试，说明语言输出没有进入控制状态。系统只把可观察的动作变化计入反馈利用率，避免把表达能力误当成修正能力。 反思只有在能改变后继决定时才有价值。固定在每一步追加“检查一下”会增加文字和延迟，却未必发现新证据。触发条件应来自 verifier 失败、预期与观察冲突、连续无进展、高风险提交前检查或预算偏离。
反思输入以事实为中心：当前目标、候选动作、关键 observation、资源版本、失败分类和剩余预算。把整段自由推理再次交给模型，容易让它围绕原叙事自洽。独立证据和结构化差异更有机会打破确认偏差。
验证分为语法、局部语义、环境效果和任务终局。JSON 可解析不代表参数正确，工具返回成功不代表环境目标满足，局部测试通过不代表用户路径成立。每一层有不同 verifier，结果不能压成一个布尔值。
verifier 必须尽量独立于被验证产物。代码 Agent 无权修改隐藏测试，网页 Agent 通过后台记录确认提交，研究 Agent 的引用检查打开原始来源。若策略能同时生成答案和评分依据，奖励黑客会把漏洞当捷径。
验证器也可能出错。假阳性接受未完成或投机结果，假阴性拒绝等价正确方案。测试集包含已知正例、错误例、等价变体和攻击样本；verifier 升级后回放历史产物，比较判定变化与人工裁决。
过程 verifier 适合尽早发现错误，但容易把中间代理指标当最终目标。例如奖励“调用了测试工具”会诱导无意义测试，奖励“引用数量”会鼓励堆转载。过程信号要通过消融证明能提升终局且没有增加投机。
自我反思与独立 critic 有不同相关性。同一模型重新阅读自己的输出，可能重复相同盲点；换提示或采样能增加多样性，却不保证独立。确定性检查、环境执行和异构模型可以提供不同证据，成本与权限也更高。
反思产物应是可执行修订：指出哪个假设被何种证据否定、哪个计划节点失效、下一动作怎样区分候选原因。泛泛写“需要更谨慎”不能改变状态，也无法评测。修订引用事件 ID，使后继能核对。
考虑一个研究任务：初稿称某软件当前默认启用某功能，依据是一篇两年前博客。引用 verifier 打开最新官方文档，发现功能现为可选。反思不只是改掉一个词，还要识别时间失配，重新检查所有依赖同一旧版本的主张。
系统更新主张—证据图，旧博客保留为历史背景，当前结论引用新文档。若二者实际针对不同版本，最终文本明确条件，而非简单用新来源覆盖旧来源。验证推动的是证据结构修复。
另一个代码案例中，测试失败显示超时。第一次反思假设机器慢，提议增加等待；Runtime 检查发现事件从未发出。反事实验证手动触发事件后测试稳定通过，根因转向状态通知，而非时长。结构证据阻止了常见的 sleep 补丁。
反馈学习把这些轨迹转成数据前需要归因。成功修订可能来自反思，也可能来自额外工具、更多 token 或人工提示。配对实验在相同前缀下比较有无特定反馈，才能估计机制贡献。直接收集所有成功后半段会混入选择偏差。
监督数据可保存失败 observation 与正确修订动作，偏好数据比较原动作和经验证改进，强化学习使用独立环境回报。三者都记录生成策略、工具版本和 verifier；缺少元数据时，旧接口错误会被误学成普遍行为。
反馈循环要防止 evaluator overfitting。团队长期针对固定测试调整模型，测试集逐渐成为训练信号。保留封闭集、新鲜任务和对抗变体，限制详细反馈暴露。公开 benchmark 高分不能单独证明真实泛化。
稀疏终局失败需要分层归因。定位首次偏离后，只把受影响动作与恢复段作为重点样本；把同一负奖励复制给整条长轨迹会惩罚此前正确步骤。价值函数、step verifier 或反事实重放可以提供更细信用，但各自会引入偏差。
反馈记忆具有有效期。一条“某工具经常超时”的经验可能随服务升级失效，不能永久影响选择。运行统计绑定时间和版本，策略使用前核对当前状态。个人项目经验也不自动推广到所有仓库。
人在环反馈需区分偏好、事实修正和授权。用户喜欢简短答案属于偏好，指出文件版本错误属于事实，批准发布属于一次性能力。混在一条文本记忆里，会让后续任务误用授权或把偏好当硬规则。
反例是用最终答案的流畅度 judge 工具执行。模型可以给未完成任务写出可信总结，judge 又偏爱相似文风，形成假阳性。环境终局始终优先，judge 只评价无法形式化的开放维度，并在人类集上校准。
另一个反例是无限 critique-revise。每轮模型都能找到措辞改进，任务永不停止。系统设置完成谓词、最大修订次数和最小预期增益；关键事实与安全缺陷优先，纯风格变化在达到门槛后停止。
反馈成本包括额外模型调用、验证环境、人工时间和延迟。比较无反思、按触发反思和每步反思，在相同总预算下测终局。按触发策略若保持成功并降低调用，说明控制器有效；只看单次质量会忽略吞吐。
线上监控记录触发原因、反思是否改变动作、改变后是否成功、引入的新错误和成本。大量反思未改变任何决定，说明触发过宽；频繁在不可逆动作后发现问题，说明验证位置过晚。
反事实重放是诊断反馈价值的工具。从反思前检查点分别注入原动作、修订动作和 oracle 动作，多次续跑比较成功概率。修订优于原动作说明反馈有用，与 oracle 差距则揭示仍未解决的能力。
安全反馈不能只靠奖励。模型即使在训练中学会通常拒绝越权，部署 Runtime 仍需权限硬约束。反馈用于提高正确请求和解释，执行器保证错误策略无法突破边界。高奖励不能交换不可接受风险。
成熟反馈系统形成可验证闭环：环境产生证据，verifier 给出结构化判定，归因定位可修复层，策略据此调整，独立复测确认效果。反思文字只是其中一个计算步骤，真正价值体现在状态和终局变化。
验证结果应包含判定、证据、适用版本和置信度。单一错误字符串无法告诉策略哪些产物仍有效。编译失败可能只影响一个模块，引用错误可能只影响一个主张；结构化范围让计划局部失效，避免整条任务重做。
多个 verifier 冲突时，系统不按数量投票。先检查它们是否评价同一谓词和版本，再比较权威性。隐藏测试与静态规则可能对动态行为给出不同结论，人工裁决也应引用环境证据。冲突本身成为待解决状态。
反馈延迟会影响信用。外部业务指标可能几天后才出现，期间模型和环境已经变化。日志保存当时策略、动作和上下文版本，离线回收结果时按因果 ID 关联。无法确定归因的长期指标用于监控，不直接训练具体 token。
负面反馈要区分不可行与未探索。权限拒绝说明当前主体不能执行，不代表目标永远无法完成；搜索无结果说明当前查询未找到，不证明事实不存在。错误标签若过度绝对，模型会学会在可恢复状态提前放弃。
正面反馈也可能来自环境泄漏。测试夹具包含答案、搜索缓存直接返回 benchmark 补丁、人工在后台修复任务，都会产生伪成功。训练前重放轨迹并核对效果来源，排除策略未造成的终局。
反馈采样要覆盖失败，而非只保留可展示成功。连续失败提供恢复与停止数据，前提是有正确后继或明确阻塞标签。未经归因的失败直接做负样本，会惩罚无辜步骤并强化错误启发式。
部署后采用影子 verifier 可以评估新规则而不影响用户。比较旧新判定、调查分歧，再逐步启用阻断。高风险规则在离线攻击集和真实历史上验证，避免一次误判大面积拒绝正常任务。
反馈闭环最终应改善可观察指标：更早发现错误、更少重复副作用、更高终局成功或更低成本。若反思评分提高而这些指标不变，系统可能只学会迎合 evaluator 的表达偏好，需要重新审视信号。
反馈策略本身也要版本化。某版触发器、judge 和修订提示共同决定轨迹，升级任一组件都生成新实验条件。历史分数不能在 evaluator 变化后直接纵向比较，需要锚点集或双跑校准。
对于低延迟交互，可把廉价确定性检查放在同步路径，昂贵模型评审异步运行。异步反馈发现高风险问题时撤销尚未提交步骤，并向用户呈现已发生效果。不可逆动作不能依赖事后评审补救，关键 verifier 必须位于提交前。
高质量反思最终表现为更小、更有证据的修改：保留仍正确部分，只修复被否定假设，并运行针对性验证。大段重写虽然显得积极，却扩大回归面，也让反馈的因果贡献无法判断。
当反馈无法给出可执行修订时，系统应明确保留不确定性，转入补充观察或人工判断，而不是生成一段空泛自我批评后继续原动作。可行动性因此也是反馈质量的验收项。