arXiv cs.AI· Caiqi Zhang, Rujun Han, Zifeng Wang, Zoey CuiZhu, Nigel Collier, Tomas Pfister, Chen-Yu Lee·· 2026-10-02AI 评分52
VeriHarness：面向长程任务扩展智能体验证能力
VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks
AI 导读
研究团队提出 VeriHarness 框架，通过为基座模型配备工作区、证据工具与可复用验证技能，将其转化为可解决分歧并挑战共识的智能体验证器。在 5 个长程工作区基准测试中，基于证据的修正使 Gemini 3.5 Flash 和 Claude Opus 4.8 相比单次采样分别提升 6.2 分与 6.4 分。
来源：arXiv cs.AI · arxiv.org