Sauron：以证据为先的智能体验证器

论文提出 Sauron，一个以证据为先的智能体验证器，会同时核查环境状态与执行轨迹，并在独立验证后才采信某条声明。在 100 个个人助理任务、2586 条人工标注标准上，Sauron 在测试的 8 个骨干模型上 F1 均为五种验证器中最高；使用 GPT-5.6 Sol 时 F1 达 0.96，高于 Gandalf 的 0.92，成本低 23%。