NVIDIA 发布 VeriFine:策略与裁判共同进化的具身推理自我改进框架

drmapavone · x · 2026-10-20

NVIDIA 联合 UCLA、UC Berkeley、Stanford 研究者(含 Marco Pavone)发布 VeriFine,一个面向物理 AI(Physical AI)的 agentic harness,让策略(policy)、训练课程与裁判(judge)协同进化。随着 AI 策略改进,评估它们的裁判若不进化会成为瓶颈——尤其在需要空间定位、因果推理与安全意识的具身场景。VeriFine 的机制:系统识别策略失败、将其转化为训练信号改进策略;当裁判成为瓶颈时,引入针对性人类反馈来精炼裁判的评估,再进入下一轮改进。图中结果显示三轮 Judge Loop/Policy Loop 交替后,策略推理得分从约 60.56 提升到 71.61,裁判与人类评分的 Pearson 相关从 0.53 升至 0.82,涵盖自动驾驶与机器人导航任务。