Hugging Face Daily Papers·· 3 天前精选AI 评分58
重新审视 Agent Harness 中的验证机制
Rethinking Verification in Agent Harnesses
AI 导读
论文把 Agent Harness 的验证拆成初始指令、轮次中提醒、完成门禁和独立评审四层，在 Terminal-Bench 和 SWE-bench Verified 上对七个前沿编码模型比较了 17 种设计。
推荐理由
论文在七个前沿编码模型上比较 17 种验证设计，给出独立评审在准确率与成本之间的量化取舍。
来源：Hugging Face Daily Papers · huggingface.co