VeriFine：具身推理中通过验证扩展实现自我改进

2026年10月6日，HF Daily Papers 介绍了 VeriFine 框架。该工作针对具身推理场景，提出一种智能体框架，通过策略、训练课程与评审器的协同演化来扩展验证能力。具体机制包含两个循环：一是策略改进循环，借助评分式评审器诊断反复出现的失败模式，并据此构建自适应训练课程；二是评审改进循环，当验证能力成为瓶颈时，在高价值失败样本上查询人类反馈并完成协同校准。研究者在驾驶与机器人导航任务上开展实验，结果表明在强化学习与监督微调两种训练范式下，策略能力与评审器能力均能持续自我提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。