过程分不只打分还能驱动修复：失败轨迹重跑平均提升 0.155

omarsar0 · x · 2026-09-04

omarsar0 介绍 TRACES 的双验证器设计与修复闭环。每个 run 由两个验证器打分：outcome verifier 只对照隐藏真值查结果、不看过程；process verifier 只审查记录的操作、错误与修正、不看结果分和是哪个 solver——类似「单元测试加代码评审，且评审者不知道测试是否通过」。当过程验证器判定某 run 不合格，诊断会变成修复笔记，solver 在不看答案的情况下重试同一任务。据 Apodex 报告的评测，434 条被判不合格的轨迹在修复重跑后平均提分 0.155。