NVIDIA Mid-Harness 论文:模型与 Harness 之间加验证层,终端 Agent 成功率升至 68%
rohanpaul_ai · x · 2026-10-02
NVIDIA 团队发布论文《Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents》,研究在模型与 harness 边界分配测试时算力能否提升动作可靠性。
- 核心思路:终端 Agent 的模型能生成好命令,不等于会被可靠执行;一条坏命令(如装错包)会破坏环境、拖垮后续步骤
- Mid-Harness 在执行前对候选动作进行采样与验证,生成器和 harness 均不改
- 在 TerminalBench-Lite 上,TMAX-9B 生成器搭配 GPT-5.6 Sol 验证器、每步采样 8 个动作时,Pass@1 从 50.00% 提升到 68.03%
- 验证器弱时增加采样几乎无收益;用同款 TMAX-9B 自验证时,成对(pairwise)验证效果最好
- 将强验证器的响应蒸馏回 TMAX-9B 还能进一步提升 Pass@1,动作生成器保持不变
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