VeriHarness 用环境证据验证长程智能体结果
VeriHarness 开源框架发布，利用环境证据验证长程智能体结果。它让同一模型检查多个独立执行，对分歧追查文件与数据证据，对一致结论主动寻找反例，并据验证结果选择或修订交付物。公开实验覆盖五个基准、两个模型，提...
TechFoco
长程任务 专题
共 2 篇文章，按时间倒序展示。
GPT-6 工程指南发布：按成功任务评估成本
OpenAI 发布 GPT-6 工程指南，覆盖模型与推理强度选择、提示缓存、上下文压缩及长程任务协作。指南建议用代表性任务同时测量成功率、延迟和每次成功任务成本，并要求在提示与仓库规则中明确交付物、自主执行边界及验...
TechFoco