研究人员于 2026 年 11 月 11 日提交了一篇论文,介绍 Verify by Doing(VbD)方法:当外部反馈不可用时,它在单个任务中改进智能体的执行和评估流程。论文称,该方法保持模型权重不变,调整模型周围的流程。[1]

作者描述了两个组件:执行任务的 Actor,以及使用工具检查任务产物和环境状态的 Evaluator。Evaluator 的发现形成内部信号,用于选择输出,并指导两个组件的更新。新提出的 Evaluator 会在共同的候选输出上进行比较;对 Actor 的更新则需要其新生成的输出提供支持。[1]

摘要报告称,在 AutomationBench、τ³ Banking 和选取的 GDPval 任务上,VbD 在所比较的无外部反馈方法中取得了最高的整体分数;在主要模型骨干上,分别比最强基线高出 3.3、4.1 和 2.3 个百分点。作者还报告,消融实验支持主动核查和 Evaluator 演进的作用;改进后的核查也能从固定候选池中选出成功的输出,无需生成新输出。这些结果由作者报告,并非独立核实的发现。[1]

来源

  1. Verify by Doing: Co-Evolving Agent Execution and Evaluation without External FeedbackarXiv · 2026年11月11日

核查或更正本页

验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致,但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算,并列入站点清单。

6d5c8a7b8313b249201205de0eb3fae43ce037ca79c82c74ef5d87ef6ff04660