LLM-as-a-Verifier

该方法使用评分令牌逻辑的完整分布来估计连续奖励和评估不确定性，无需额外训练。它通过更精细的分数粒度、重复评估和评估标准分解来扩展验证，然后使用概率枢轴锦标赛在有限的预算下选择强有力的候选人。

该框架支持测试时间扩展、进度跟踪、强化学习和代理基准测试。它可以作为具有公共代码和文档的可安装工具提供，对于需要比通过或失败判断更多信息反馈的团队来说非常有用。