De Verificatiehorizon: geen wondermiddel voor beloningen van codeeragenten

Samenvatting

Een klassieke intuïtie stelt dat het verifiëren van een oplossing gemakkelijker is dan het produceren ervan. Voor de huidige codeeragenten wordt deze intuïtie omgekeerd: naarmate funderingsmodellen sterkere redeneervaardigheden ontwikkelen en technische hulpmiddelen geavanceerder worden, is het genereren van complexe kandidaat-oplossingen niet langer moeilijk – het betrouwbaar verifiëren ervan is het moeilijkere probleem geworden. Elke verificateur die we kunnen bouwen, is slechts een proxy voor menselijke intentie, nooit de intentie zelf. Dit maakt verificatie onderhevig aan een tweeledige moeilijkheid: ten eerste is intentie van nature onderbepaald, waardoor het inherent lastig is om trouw te controleren of deze is vervuld; ten tweede vergroot optimalisatie tijdens modeltraining de kloof tussen proxy en intentie – wat zich manifesteert als beloningshacking of signaalverzadiging. Om dit aan te pakken, karakteriseren we de kwaliteit van verificatiesignalen langs drie dimensies – schaalbaarheid, getrouwheid en robuustheid – en stellen we dat het gelijktijdig bereiken van alle drie de centrale uitdaging vormt. Verder bestuderen we vier beloningsconstructies: een testverificateur voor algemene codeertaken, een rubriekverificateur voor frontendtaken, de gebruiker als verificateur voor realistische agenttaken, en een geautomatiseerde agentverificateur voor langetermijntaken. Over verschillende taaktypen en beleidsvaardigheidsniveaus voeren we diepgaande analyses en experimenten uit naar de kernuitdagingen van beloningsontwerp en hoe beloningssignalen effectiever kunnen worden benut. Experimenten tonen aan dat gericht verificatieontwerp beloningshacking effectief kan onderdrukken, de taakafrondingskwaliteit kan verbeteren en significante winsten kan opleveren op meerdere interne en openbare benchmarks. Deze ervaringen wijzen gezamenlijk op een kerntaak: geen vaste beloningsfunctie kan effectief blijven naarmate de beleidsvaardigheid blijft groeien; en verificatie moet co-evolueren met de generator.

English

A classical intuition holds that verifying a solution is easier than producing one. For today's coding agents, this intuition is being inverted: as foundation models develop stronger reasoning capabilities and engineering harnesses grow more sophisticated, generating complex candidate solutions is no longer difficult -- reliably verifying them has become the harder problem. Every verifier we can build is only a proxy for human intent, never the intent itself. This makes verification subject to a twofold difficulty: first, intent is underspecified by nature, making it inherently hard to faithfully check whether it has been fulfilled; second, during model training, optimization widens the gap between proxy and intent -- manifesting as reward hacking or signal saturation. To address this, we characterize the quality of verification signals along three dimensions -- scalability, faithfulness, and robustness -- and argue that achieving all three simultaneously is the central challenge. We further study four reward constructions: a test verifier for general coding tasks, a rubric verifier for frontend tasks, the user as verifier for real-world agent tasks, and an automated agent verifier for long-horizon tasks. Across different task types and policy capability levels, we conduct in-depth analysis and experiments on the core challenges of reward design and how to more effectively leverage reward signals. Experiments show that targeted verification design can effectively suppress reward hacking, improve task completion quality, and achieve significant gains across multiple internal and public benchmarks. These experiences collectively point to a core observation: no fixed reward function can remain effective as policy capability continues to grow; and verification must co-evolve with the generator.