LLM-as-a-Verifier：一种通用验证框架

研究人员提出LLM-as-a-Verifier，一种无需额外训练的通用验证框架，专为智能体任务设计。该框架不采用传统的大语言模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身裁判方法（即提示模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身对候选解决方案输出离散分数），而是通过计算评分token logits分布的期望生成连续分数。这种概率化公式使验证可沿多个维度扩展：评分粒度、重复评估和标准分解。实验表明，提升评分粒度能更好区分正负解决方案，得到更校准的比较；而扩展重复评估和标准分解通过方差与复杂度降低，持续带来验证准确率的增益。研究进一步引入一种成本高效的排序算法，利用验证器的连续分数从候选中选出最佳方案。

LLM-as-a-Verifier在Terminal-Bench V2、SWE-Bench Verified、RoboRewardBench和MedAgentBench上分别达到86.5%、78.2%、87.4%和73.3%的最优性能。此外，该框架的细粒度信号可作为任务进度估计的代理，研究团队已为Claude Code构建扩展，使开发者能够监控和改进自身智能体系统。最后，研究表明LLM-as-a-Verifier可为强化学习强化学习一种 AI 训练方法：让机器人在亿万次「试错」中自己摸索，做对了就给奖励。机器人走稳路、跑酷空翻，大多是这么练出来的。◆ 小白科普 · 现身提供密集反馈，在机器人学与数学推理基准上提升了SAC和GRPO的样本效率。