标签
LLM-as-a-Verifier 是一种简单、廉价、通用的面向智能体任务的自我改进技术，通过细粒度评分和基于 logprob 的排名，在 SWE-Bench Verified 和 Terminal-Bench V2 等多个基准测试中取得了最先进的性能。
这篇来自斯坦福、伯克利和NVIDIA的论文提出了LLM-as-a-Verifier，一个利用token logits进行连续评分的通用验证框架。它在包括Terminal-Bench V2（86.5%）和SWE-Bench Verified（78.2%）在内的多个基准上达到了SOTA，并提供了可以加速强化学习训练的细粒度信号。