做研究的人都知道，验证永远比执行更难。这句话在LLM/VLM驱动的智能体领域体现得尤为明显。问题的根源：验证的困境传统的智能体验证范式遵循一个朴素的逻辑：先让智能体把任务做完，再通过外部系统去复核它的...