Google发布VeriHarness智能体验证论文

2026年10月4日，Google发布一篇论文，提出VeriHarness智能体验证方法，用同一基座模型改造成智能体验证器，分别处理多轮采样结果不一致和全部一致两类情况。据该报道，论文指出结果一致可能掩盖共同错误，而不一致往往指向正确选项。作者称在五个长时程基准上，该方法在所测基线中取得最佳选择得分；配合有证据支撑的修订，在Gemini 3.5 Flash上比单次采样提升6.2分，在Claude Opus 4.8上提升6.4分。作者同时发布约26000条rollout数据集。上述得分与数据集规模均为论文作者及该报道的说法，尚未见独立验证。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。