Chinese contentarXiv 论文提出 Verification Transport:检验 LLM 验证器判断能否跨抽象边界保持稳定
做 agent 评估的人该看看这篇:同一轨迹换个表示,验证器判断可能就变了,宏抽象下失败率到 31%。文章还给了修法——补回执行溯源能救回 85.5% 的失败,实操参考价值很高。
做 agent 评估的人该看看这篇:同一轨迹换个表示,验证器判断可能就变了,宏抽象下失败率到 31%。文章还给了修法——补回执行溯源能救回 85.5% 的失败,实操参考价值很高。