大模型验真师

本技能用于在设计与实现 LLM-as-a-Verifier 验证框架时提供指导——包括从 logprob 期望提取连续奖励、准则分解、概率枢轴锦标赛（PPT）排序，以及强化学习密集奖励延伸。当需要在不做微调的前提下提升 AI 输出准确度、将 llm-verifier 的 select/compare/track 接入 agent 流水线，或在仅返回离散分数的后端上逼近连续奖励效果时，应使用本技能。

模型生成摘要（rules/v1 · 2026-09-22 05:12）：本技能用于在设计与实现 LLM-as-a-Verifier 验证框架时提供指导——包括从 logprob 期望提取连续奖励、准则分解、概率枢轴锦标赛（PPT）排序，以及强化学习密集奖励延伸
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-09-22 05:10	77bde9ae	可取

版本索引永久保留；内容副本只保留最近 2 版，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。