标签
提出一种可扩展的**弱到强验证器加固循环**（weak-to-strong verifier hardening loop）：在隔离沙盒中迭代地发现并修复漏洞，从而自动防止智能体（agentic）环境中的奖励作弊行为，并在 Terminal Bench、KernelBench 和 SETA 上大幅降低攻击成功率。