Skip to content
简体中文

切换主题

arXiv 2610.28679 · cs.SE · 2026-10-19

VerifierBench: Benchmarking the Generation of Executable Verifiers for LLM Agents

Jianing Yin, Ziyi Chen, Hao Wang, Yiyou Sun, Zijian Jin, Dawn Song, Daoan Zhang

机构待核实

在最新榜 #320 本站收录于 2026-10-25

一句话要点

VerifierBench 测 agent 能否为任务写出可执行验证器:222 个任务、4,993 个隐藏测试。19 个模型的平衡准确率仅 10.6 到 62.1,生成的验证器拒错比认对更可靠。

VerifierBench tests whether agents can write executable verifiers (222 tasks, 4,993 hidden tests); across 19 models normalized balanced accuracy ranges 10.6–62.1, with verifiers rejecting invalid solutions more reliably than accepting valid ones.

32HF 点赞
4GitHub stars
0引用(Semantic Scholar)
40.6热度分

阅读 arXiv 原文 PDF Hugging Face 讨论 代码仓库 项目页

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-26。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)