arXiv cs.AI· Jianing Yin, Ziyi Chen, Hao Wang, Yiyou Sun, Zijian Jin, Dawn Song, Daoan Zhang·2026-10-23 12:00· 2 小时前AI 评分43

VerifierBench：评测面向 LLM Agent 的可执行验证器生成

VerifierBench: Benchmarking the Generation of Executable Verifiers for LLM Agents

AI 导读

VerifierBench 是一个评测验证器生成能力的基准，包含来自六个 agent 基准的 222 个任务、4,993 个隐藏测试用例，覆盖工具调用、基于状态和代码验证三类场景，并配有 Verifier4Verifier 六项审计。