阿里与康奈尔论文：独立 critic 审查让编码 agent 准确率最高提升 9.5 分

阿里巴巴与康奈尔大学的论文《Rethinking Verification in Agent Harnesses》比较了 17 种验证设计、横跨 7 个前沿编码模型，发现末尾独立 critic 审查性价比最高。