03:16
elvis@omarsar0
elvis@omarsar0精选73°
推荐理由：斯坦福等团队出了个不用微调的验证器，用 token logits 读连续分数，SWE-Bench 干到 78.2%，还能给强化学习当奖励信号，很实用。
training-free
共 1 条相关 AI 资讯
7月8日
03:16
Stanford、NVIDIA、UC Berkeley 提出一种无需微调的验证器，直接从评分 token logits 读取连续校准分数。通过三个旋钮——分数粒度、重复评估、标准分解——提升准确率。在 Terminal-Bench V2 达 86.5%，SWE-Bench Verified 78.2%，RoboRewardBench 87.4%，MedAgentBench 73.3%。该连续分数还可作为 SAC 和 GRPO 的密集奖励，并已集成到 Claude Code 扩展中用于任务进度信号。论文见 arxiv.org/abs/2607.05391。