标签
该论文提出了一种压力测试方法，通过压力比ρ和四个可证伪探针，评估LLM智能体自身的验证器（Rationale Consistency Score）在搜索压力与预言机访问下是否仍然可靠，并揭示了验证器被博弈（gaming）的失败模式。