Nvidia 论文提出 VERA：交替训练模型与编辑技能文件让长流程 Agent 提升最大

英伟达（Nvidia）的一篇新论文显示，对于执行长时程、多步骤任务的智能体，交替进行模型训练和技能文件编辑，能带来最大的改进；每次修复都依据真实证据产生的逐步评分来决定。

与交替更新两者相比，只训练模型或只改进运行框架（harness），大约一半的提升效果都会损失掉。

大多数环境只对最终结果评分，这掩盖了究竟是哪一步出了问题。VERA 构建了 9,000 多个可重启的沙箱，用真实文件和日志检查每一步，然后分轮次改进智能体。

VERA 将基准测试运行转化为 9,000 多个可重启的沙箱，长工作流的每一步都会根据真实证据获得各自的检查清单评分。

在一个医学研究基准测试中，一个 9B 智能体在同时进行两种更新时得分为 69.1，而仅编辑技能时为 56.1，仅训练时为 43.3。

根据真实产物对每一步进行评分，并让这些评分决定下一次修复是改进模型还是改进其技能。