返回首页
RadarAI··论文与技术

Google 推出 VeriHarness:智能体验证新方法

中文摘要

Google推出VeriHarness,利用基座模型验证AI表现的一致性与需求覆盖,显著提升Gemini和Claude在长时程任务中的表现,并开源相关数据集。

English Summary

Google introduced VeriHarness, a method using base models to verify AI consistency and requirement coverage, boosting performance on Gemini and Claude while open-sourcing 26,000 rollout samples.

原文节选

Google 提出 VeriHarness,将同一基座模型变为智能体验证器,专门处理 rollout 间的一致与分歧:分歧时查工作区证据裁决,一致时反向挑战找被遗漏的需求。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。