NVIDIA 发布 VeriFine：让评判器与策略共同进化，突破具身自我改进瓶颈

NVIDIA 推出面向具身推理自我改进的 agent 验证框架 VeriFine。该框架让策略、训练课程与 rubric 评判器共同进化：用评判器诊断反复出现的失败模式并构建自适应课程，在验证成为瓶颈时通过 coactive calibration 引入人类指导，收敛到客观的物理推理 rubric。驾驶与机器人导航任务实验中，强化学习与 SFT 下策略和评判器能力均能持续同步提升。