研究提出验证器与自我改进智能体协同演化方法

2026年10月9日，arXiv发布的人工智能研究提出了一种将验证器作为演化对象的新方法，旨在解决自我改进智能体中的奖励作弊与盲点问题。该方法通过对错误进行聚类，合成小型确定性缺陷检测器，进而构建出可检查的评分器。测试结果显示，在MBPP+基准上，该方法相比手写种子组合的保留一致性提升了0.21，且表现优于单一的大语言模型（LLM）裁判。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。