Google发布VeriHarness智能体验证方法

Google 提出 VeriHarness，用同一基座模型充当智能体验证器，处理多次 rollout 之间的一致与分歧：出现分歧时查工作区证据裁决，一致时反向挑战以找出被遗漏的需求。 该方法在五个长时程基准上取得最优选择分数，配合证据修订在 Gemini 3.5 Flash 上提升 6.2 分、Claude Opus 4.8 上提升 6.4 分，并开源约 26,000 条 rollout。Google 的论文称，一致可能掩盖共同错误，分歧往往指向正确选项。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。