跳到正文
Hugging Face Daily Papers·· 2026-10-11AI 评分58

Scalable Weak-to-Strong Verifier Hardening for Agent Environments

Scalable Weak-to-Strong Verifier Hardening for Agent Environments

AI 导读

针对 Agent 环境中程序化验证器易被欺骗以获取虚假奖励的问题,本文提出一种可扩展的弱到强验证器硬化方法。该方法建立隔离沙箱防止直接修改,利用黑客 - 修复循环自动发现并修补漏洞。

来源:Hugging Face Daily Papers · arxiv.org