VeriHarness：为长时程任务扩展智能体验证能力
VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
VeriHarness 将生成用的 LLM 变为智能体验证器，通过工作区、证据工具和可复用验证技能，对多次采样结果做分歧消解与共识挑战。在五个长时程工作区基准和两个前沿模型上，它取得最高选择分数，证据支撑的修订让 Gemini 3.5 Flash 和 Claude Opus 4.8 相比单次 rollout 分别提升 6.2 和 6.4 分。
来源：Hugging Face Daily Papers · arxiv.org