对应论文
视频简介
这篇论文把数学证明能力组织成生成、验证、修复、排序的 test-time population search。 核心贡献是 generative-verifier RL 与低假阳性 verifier 结合，使同一模型在测试时承担 generator、verifier、refiner 和 ranker。 它值得收录，因为它代表数学推理从单次生成转向 population-level test-time scaling。 局限在于当前证据主要来自预印本实验与作者自建评测，后续需要独立复现和更大范围部署验证。