超越判决：基于可验证反馈的智能体代码评判

针对竞赛编程官方评测不提供失败解释的问题，研究者构建了 USACO-JUDGE 数据集（基于 USACO 2026 竞赛），并训练出 35B MoE 智能体验证器 ARBITER，用强化学习在通用执行沙箱中生成反例作为可检验证据。