#veriharness

VeriHarness、ベースモデルを長期的なエージェントタスク向け検証器に変える

Google の論文 VeriHarness は、同じベースモデルを使って、争いのある主張と全会一致のエージェント主張の両方を検証する。証拠に基づく修正により、単一 rollout と比べて Gemini 3.5 Flash で 6.2 ポイント、Claude Opus 4.8 で 6.4 ポイントの改善を報告している。