发生了什么
研究团队发布论文，提出通过验证式委员会搜索提升弱推理模型，并在 SWE-bench Verified 上实现 76.4% 的成绩。
为什么值得关注
这对做 agent、代码模型和推理系统的从业者有直接启发，可用于改造推理时架构、降低对更大模型的依赖并优化成本/效果比。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
一篇论文提出用弱推理模型的多候选结果配合执行/证明信号做筛选
一篇论文提出用弱推理模型的多候选结果配合执行/证明信号做筛选，在 SWE-bench Verified 上，GPT-5.4 nano 通过 8 个候选的 critic-comparator 编排达到 76.4%，可匹配单体 Gemini 3 Pro 和 Claude Opus 4.5 Thinking。结论是许多正确补丁早已存在于弱模型的 top-k 候选中，真正瓶颈往往是选择器与验证机制，而不是模型本身能力。对行业意味着推理时编排、验证式搜索和 agent 选择器可能成为提升性价比的重要路径。
打开原始来源 ↗