VeriFine提出具身推理自改进验证框架

2026年10月6日，Hugging Face Daily Papers报道了VeriFine，一个面向具身推理自我改进的agent harness框架。该框架通过策略、训练课程与评判器的协同演化来扩展验证能力。其Policy Improvement Loop利用评分标准评判器诊断反复出现的失败，并据此构建自适应课程；当验证成为瓶颈时，Judge Improvement Loop针对信息量高的失败案例选择性引入人工指导，通过协同校准优化评判器。报道未披露实验数据、对比基线或具体应用场景，也未提及该框架的发布时间、作者机构及开源情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。