LLM-as-a-Verifier: A General-Purpose Verification Framework

论文解决了什么问题

当前大模型能力提升主要依赖预训练、后训练和测试时计算三条路径，但模型输出的正确性判断——即验证能力——尚未被系统性地视为独立的扩展维度。现有验证方式往往针对特定任务定制，缺乏通用性和可扩展性，难以在多样化场景中复用。本文旨在回答：能否将验证抽象为一个通用框架，并作为新的扩展轴进行系统化设计与部署。

核心方法

本文提出 LLM-as-a-Verifier 通用验证框架，将验证能力从具体任务中解耦，作为独立模块进行系统设计。框架支持多种任务类型的输出正确性判断，强调模块化、扩展性和工程部署效率，可嵌入现有推理或后训练工作流。具体实现细节和算法机制在正文节选中未完整披露。

实验结论

• 将验证能力提出为与预训练、后训练、测试时计算并列的新扩展轴
• 具体验证准确率、计算开销和任务覆盖范围等量化结果在节选中未提供

适合谁阅读