يقدم الباحثون LLM-as-a-Verifier، وهو إطار عمل تحقق عام يوفر ملاحظات دقيقة للمهام الوكيلية دون الحاجة إلى تدريب إضافي. على عكس حكام LM القياسية التي تنتج درجات منفصلة، تحسب هذه الطريقة التوقع فوق لوغيتات الرموز للتقييم لتوليد درجات مستمرة.
تتيح الصياغة الاحتمالية التوسع عبر ثلاثة أبعاد: دقة الدرجة، والتقييم المتكرر، وتحليل المعايير. يؤدي توسيع هذه العوامل إلى فصل أفضل بين الحلول الإيجابية والسلبية وتحسين دقة التحقق من خلال تقليل التباين والتعقيد. يتضمن الإطار أيضًا خوارزمية ترتيب فعالة من حيث التكلفة لاختيار الحل الأفضل بين المرشحين.
حقق LLM-as-a-Verifier أداءً متقدمًا على Terminal-Bench V2 (86.5%)، وSWE-Bench Verified (78.2%)، وRoboRewardBench (87.4%)، وMedAgentBench (73.3%). يمكن أيضًا أن تعمل الإشارات الدقيقة كوسيط لتقدير تقدم المهمة، مع إضافة مبنية لـ Claude Code لمساعدة المطورين على مراقبة الأنظمة الوكيلية.