#veriharness

VeriHarness 將基礎模型變成用於長週期智能體任務的驗證器

Google 論文 VeriHarness 使用同一個基礎模型，檢查有爭議與全體一致的智能體主張。透過有證據支持的修訂，它報告稱，相較單次 rollout，使用 Gemini 3.5 Flash 提升 6.2 分，使用 Claude Opus 4.8 提升 6.4 分。