LLM-as-a-Verifier 让 Nemotron 3.5 超 Terminal-Bench 提 9 分
simonguozirui · x · 2026-10-16
NVIDIA 最新 Nemotron 3.5 Super 采用了 LLM-as-a-Verifier 自验证方案：同一模型既当生成器又当验证器，采样 5 个候选解后由 LLM 挑出最优解。
在智能体基准上的提升明显：
- Terminal-Bench 2.1:62.7% → 71.9%(+9%)
- DeepSWE:24.6% → 34.5%(+10%)
团队感谢 NVIDIA 提供算力并合作完成这项工作，细节见 Nemotron 3.5 模型卡。
「模型」频道最新
- Meta 开源 816B MoE 模型 Muse Spark Open,登顶美国开源权重榜首 — ArtificialAnlys · 2026-10-16
- Nolla Health 后训练 Nemotron 3.5：视觉诊断准确率 35% 升至 66.8% — LoganGrasby · 2026-10-16
- 开发者:除顶尖专家外,编码模型在软件各领域已全面超越人类 — zack_overflow · 2026-10-16
- 爆料预测:中国前沿模型或 2027 年 3 月追平 GPT-6 级别 — teortaxesTex · 2026-10-16
- Liquid AI 决策模型 d1-ultra 上线 Vercel AI Gateway — JosephJacks_ · 2026-10-16
- DeepLearningAI 周报:Haiku 5.5 降价九成、Gemini 4 Argon 输出上限升至 1M — DeepLearningAI · 2026-10-16