Stanford、NVIDIA与UC Berkeley提出无需训练的连续校准验证器
NEW AI paper worth bookmarking. This is something I called early， and this paper confirms it： verif…
Stanford、NVIDIA和UC Berkeley构建了无需训练的验证器，直接从评分token的logits读取连续校准分数，取代离散等级。通过评分粒度、重复评估与标准分解三个旋钮在不微调下提升准确性。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密集奖励用于SAC和GRPO，并集成到Claude Code扩展作为任务进度信号。论文：arxiv.org/abs/2607.05391。