论文页面 - FineVerify：通过细粒度自我验证扩展智能体搜索的测试时计算

来源：https://huggingface.co/papers/2606.00660

摘要

FineVerify 是一个用于智能体搜索的自我验证框架，通过分解为可检查的子问题并进行轨迹选择来提高准确性。

智能体搜索（https://huggingface.co/papers?q=Agentic%20search）要求语言模型智能体（https://huggingface.co/papers?q=language%20model%20agents）探索多个来源并回答复杂的信息查找问题。扩展测试时计算（https://huggingface.co/papers?q=test-time%20compute）是提升这些智能体的一种有前景的方法，但当前方法可能失败，因为正确答案往往稀疏且基于分数的选择（https://huggingface.co/papers?q=score-based%20selection）依赖于模型校准。我们提出 FineVerify，一种细粒度自我验证（https://huggingface.co/papers?q=fine-grained%20self-verification）框架，它将每个问题分解为可检查的子问题（https://huggingface.co/papers?q=checkable%20sub-questions），对每个采样候选（https://huggingface.co/papers?q=sampled%20candidates）的每个子问题进行验证，并选择具有最高聚合分数（https://huggingface.co/papers?q=aggregated%20score）的候选。这种逐项检查的结构将选择转化为更简单的局部判断，并在相同的明确标准下产生分数。在四个智能体搜索（https://huggingface.co/papers?q=agentic%20search）基准测试和两个模型上，FineVerify 始终优于标准扩展基线。仅需四次采样轨迹，它平均使 GPT-5-mini 提升 8.2 个准确率点，使 Gemini-3-flash 提升 5.6%。在 12 次采样下，FineVerify 使 GPT-5-mini 在 BrowseComp-Plus（https://huggingface.co/papers?q=BrowseComp-Plus）上超越了前沿模型 GPT-5。除了准确性，FineVerify 还生成可解释的验证轨迹，有助于审计基准测试错误，暗示了其在检查智能体搜索（https://huggingface.co/papers?q=agentic%20search）系统方面的更广泛应用。代码和数据可在 https://github.com/XuZhao0/fineverify 获取。

查看 arXiv 页面（https://arxiv.org/abs/2606.00660）查看 PDF（https://arxiv.org/pdf/2606.00660）GitHub2（https://github.com/XuZhao0/fineverify）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.00660）

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2606.00660 以从此页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.00660 以从此页面链接。

引用此论文的 Spaces0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2606.00660 以从此页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）以从此页面链接。