谷歌 VeriHarness:AI 分歧反而更可能指向正确答案

谷歌团队(Caiqi Zhang、Rujun Han 等)发布 VeriHarness 框架,挑战 agent 采样中「多数一致即正确」的假设:多个 rollout 的一致答案可能掩盖共享错误,而分歧往往指向正确替代方案。该框架在不依赖参考答案和评分规则的前提下,把生成器所用底层 LLM 改造成带工作区、证据工具的验证器,并通过分歧 Resolver 与共识挑战者机制,将长程任务验证提升 6 分以上,同时开源了 2.6 万条 rollout 数据。

2026-10-04 ~ 2026-10-05 · 3 条相关