arXiv cs.AI· Xing Zhang, Guanghui Wang, Yanwei Cui, Ziyuan Li, Wei Qiu, Bing Zhu, Peiyang He·· 25 天前AI 评分44
谁来验证验证器？与自改进智能体协同进化的可审查评分器
Who Verifies the Verifier? Co-Evolving Inspectable Graders with Self-Improving Agents
AI 导读
研究提出将验证器作为进化对象，由缺陷检测器合成可审查表达式，与自改进智能体协同进化以应对奖励作弊与盲区。在 MBPP+ 上，该验证器比手写种子组合取得 +0.21 的留出一致性增益，且性能超越纯 LLM 裁判。结合技能循环的 Double Ratchet 在代码生成、企业级 text-to-SQL 及报告生成中，保留了基准标准 88-110% 的提升幅度。
来源：arXiv cs.AI · arxiv.org