NVIDIA Mid-Harness:执行前采样验证动作,TerminalBench Pass@1 升至 68%
nvidia · hf · 2026-10-01
NVIDIA 提出 Mid-Harness:在模型与 harness 边界分配测试时算力,执行前采样并验证候选动作,提升终端 agent 动作可靠性。以 TMAX-9B 为生成器,弱验证下多采样收益甚微,强验证则能挖掘同一生成器的更优动作;在 TerminalBench-Lite 上,GPT-5.6 Sol 验证器在 8 次采样下把 Pass@1 从 50.00% 提到 68.03%。TMAX-9B 自验证时成对验证最优,把强验证器响应蒸馏回 TMAX-9B 还能进一步提升。动作扩展+轨迹扩展的组合比单纯生成更多轨迹以更低 token 成本取得更高成功率,且跨模型、基准与 harness 均有效。
所属事件:NVIDIA 论文:给终端 Agent 加验证器,成功率升至 68%(3 条相关)→
「编程与Agent」频道最新
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- Effective HTML 走红 GitHub:4.2k 星的 agent 技能集,线框图秒变可交互原型 — tom_doerr · 2026-11-16
- skills-gate:一个门面 skill 管住所有 agent skills,148 个技能仅耗 389 token — Distinct-Pie2389 · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16