谷歌论文 VeriHarness:一致性会掩盖共同错误,分歧反而指向正确答案
omarsar0 · x · 2026-10-04
谷歌发布论文,挑战 agent 采样常见的「多数一致即正确」假设:多个 rollout 的一致答案可能隐藏共享错误,而分歧往往指向正确替代方案。
VeriHarness 将同一个基座模型改造成 agentic verifier,承担两个任务:
- 在 rollout 意见不一致时,检查 workspace 证据来裁决哪个主张成立;
- 对所有 rollout 都一致的主张发起挑战,寻找它们共同遗漏的需求。
在五个 long-horizon 基准上取得最佳选择分数;配合有证据支撑的修订,Gemini 3.5 Flash 相比单次 rollout 提升 6.2 分,Claude Opus 4.8 提升 6.4 分。作者同时开源约 26,000 条 rollout 数据。
所属事件:谷歌 VeriHarness:AI 分歧反而更可能指向正确答案(3 条相关)→
「编程与Agent」频道最新
- 写代码前先回答 4 个问题:医院分诊 Agent 的需求设计法 — MaryamMiradi · 2026-11-20
- TanStack AI 上线实验性功能:文本或图片一键生成 3D 模型与动作动画 — bennash · 2026-11-20
- 开发者借 Agent 引擎 24 小时做出带兵种与技能树的打字生存游戏 — hullabaloo22 · 2026-11-20
- Harmonic 的 Aristotle 4 小时为核聚变装置写出经形式化验证的控制器 — satnam6502 · 2026-11-20
- R3 Code 发布:Rust 原生 Mac 客户端统一管理多个编码 Agent — jasonkneen · 2026-11-20
- zlib 开源项目 2.4K 星:把 Z-Library 变成 AI Agent 的找书技能 — udmrzn · 2026-11-20