DefensesarXiv 2610.08761
VeriFine:通过扩展验证实现具身推理的自我改进
提出 VeriFine,用双环协同扩展验证以实现具身推理自我改进
- arXiv
- 2610.08761
- Published
- Evaluated models
- Alpamayo 1.5 8B, Qwen3-VL 2B, Claude Opus 5
- DefensesModel hardening
- RiskReward hacking
- ComponentGuardrails and judges
AbstractVeriFine 用双环协同演化具身推理的策略、课程和评审,驾驶与导航的策略分和评审对齐都上升。
VeriFine 把驾驶和导航推理的自改进写成策略、课程和无参考评审的协同演化,用来处理固定评审跟不上新失败模式的问题。