#claude

VeriHarness 将基础模型变为长周期智能体任务的验证器

Google 论文 VeriHarness 使用同一基础模型来检查有争议和全体一致的智能体主张。借助有证据支持的修订，它报告称，相比单次 rollout，使用 Gemini 3.5 Flash 提升 6.2 分，使用 Claude Opus 4.8 提升 6.4 分。