DecomposeRL：学习提出有用、信息丰富且多样的问题以实现半监督、可追溯的主张验证

主张验证领域存在端到端分类器准确但不可解释，与基于分解的方法可解释但性能较差的矛盾。本文提出 DecomposeRL，一种能生成可检查轨迹的高精度验证器。该方法将问题分解构建为强化学习策略，利用 GRPO 算法和多维度奖励集合，支持全监督及半监督学习。通过数据筛选漏斗，从 11.5 万条声明中提炼出 5000 条高密度信号样本，显著降低训练成本。实验表明，仅在 5000 条数据上训练的 7B 模型在多个基准测试中表现优异，媲美更大规模基线模型。