DRA Failure Taxonomy

DeepVerifier 研究引入通过测试时验证实现自演化 AI 代理

研究人员开发了 DeepVerifier，一个新颖的系统，通过在推理时实现自改进来增强深度研究代理 (DRAs) 的能力。这是通过一个基于评分标准的验证过程实现的，代理会根据潜在故障的结构化分类来评估自己的输出。该系统展示了显著的改进，在元评估 F1 分数上超越基线方法高达 48%，并在具有挑战性的基准测试中实现了 8-11% 的准确率提升。为了进一步支持研究界，已发布一个包含 4,646 个专注于验证的代理步骤的数据集。