dair_ai· @dair_ai · X·· 2 天前AI 评分
NVIDIA 论文提出 Mid-Harness：终端智能体用验证器提升测试时算力效率
NVIDIA 一篇关于终端智能体测试时算力的论文提出 Mid-Harness 方法：采样多条候选 shell 命令并先验证再执行，把更多算力花在验证器而非增加采样上。
NVIDIA 关于终端智能体测试时计算的论文，非常精彩。
研究发现：应该采样多个候选 shell 命令，在执行前先进行验证，并且在验证器上投入的计算应多于在额外采样上的投入。
使用 GPT-5.6 Sol 作为验证器，从 8 个采样动作中进行选择时，TerminalBench-Lite 的 Pass@1 从 50.0% 提升到 68.0%。而使用较弱的验证器时，增加采样几乎没有带来提升。
Mid-Harness 不改动生成器和运行框架，而是在两者之间工作。当小型 TMAX-9B 模型验证自己的候选动作时，成对比较效果最佳，而将强验证器蒸馏到该模型中还能进一步提升效果。
将动作采样与轨迹采样相结合，相比仅采样完整轨迹，能在更低的预估 token 成本下达到更高的成功率。
论文：academy.dair.ai/papers/mid-h…
来源：dair_ai · x.com