verification-distillation

本文提出了一个在 TerminalBench2.1 上诊断终端智能体自验证能力的框架，发现智能体很少能发现或修复错误（仅检测出 61.43% 的错误候选，且仅修复了其中的 49.36%）；为此提出 Student-Conditioned Verification Distillation（SCVD），在避免 SWE-bench Verified 上分布外性能下降的同时，将 Qwen3.5 的 Pass@1 提升了 9.74–16.85 个百分点。