超越Claude Mythos和GPT-5.5，斯坦福Agent验证框架拿下SOTA，Transformer作者转发

斯坦福、伯克利与英伟达联合提出LLM-as-a-Verifier验证框架，通过提升评分粒度、重复验证和评估标准分解，解决传统LLM-as-a-Judge在长时序任务中评分粗糙、平局率高（27%）的问题，在Terminal-Bench和SWE-Bench Verified等AI编程基准上取得SOTA性能，显著提升Agent准确率与稳定性。