阿里与康奈尔论文比较17种编码Agent验证设计

2026年10月27日，AGI Hunt 报道，阿里巴巴与康奈尔大学发表论文《Rethinking Verification in Agent Harnesses》，对编码 Agent 的验证环节做系统性对比：共比较 17 种验证设计，覆盖 7 个前沿编码模型。研究结论是，在任务末尾加入独立的 critic 审查性价比最高，可使准确率最高提升 9.5 分。目前公开信息为论文给出的这一对比结果，尚无其他机构复现或后续应用的报道。

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。