NVIDIA 论文 VERA：构建可重启沙箱环境，让模型与 harness 协同进化
作者介绍 NVIDIA 论文 VERA：将基准轨迹转化为 9,000 多个可重启沙箱，用 rubric 评分，仅保留能运行且可评分的环境。系统同时更新模型权重与 harness：harness 修改需通过自测且开发集提升至少 5 分，模型检查点得分下降超 20% 则被拒。作者称 9B agent 在 AutoCoWorkBench 和 AutoMedBench 上分别比最强单基线高 10.3 和 13.0 分，27B 版本达 71.6 分，高于 Claude Opus 4.8。环境语料已开源。