NVIDIA 论文提出 VERA 框架，协同演进智能体 Harness 与模型

VERA 将基准轨迹转换为 9,000 多个带有评分准则的可重启沙箱，仅保留能够成功执行且可通过可观察证据进行评估的环境。在训练期间，该框架同时协同演进智能体 Harness 与模型权重。只有当 Harness 的修改通过自测并在开发集上带来至少 5 分提升时才会被保留；若模型检查点的性能下降超过 20%，则会被直接废弃。

根据[研究论文](https://arxiv.org/abs/2610.05923)，9B 协同演进智能体在 AutoCoWorkBench 和 AutoMedBench 上分别比最强的单轴基线高出 10.3 分和 13.0 分。在 27B 规模下，该智能体在 AutoCoWorkBench 上获得 71.6 分，超越了 Claude Opus 4.8。NVIDIA 已将该环境语料库开源。