Nvidia 论文 VERA：模型训练与技能文件交替更新提升智能体长任务表现

Nvidia 发布论文 VERA，针对长链路多步骤智能体任务提出交替更新方案：轮流训练模型和编辑其技能文件，并用真实证据的逐步评分决定每轮修复方向。VERA 构建了超过 9,000 个可重启沙箱，对工作流的每一步对照真实文件和日志打分，而不是只看最终结果。在医学研究基准上，9B 智能体采用两种更新方式后得分 69.1，仅用技能编辑为 56.1，仅用训练为 43.3。论文指出只训练模型或只改 harness 会损失约一半收益。