🐶 Google 发布 VeriHarness 长程任务验证框架

Google 研究团队发布 VeriHarness，用生成候选结果的同一模型执行验证：对分歧主张核查环境证据，对共识主张主动挑战，并据此选择、修订或重建最终结果。

项目在 5 个长程任务基准、2 个模型上取得最高选择分；证据驱动修订后，较单次生成平均提升 Gemini 3.5 Flash 6.2 分、Claude Opus 4.8 6.4 分，并公开约 2.6 万条 rollouts。

arXiv | GitHub

🌸 科技圈· 茶馆 · 投稿