FineVerify：通过细粒度自验证扩展代理搜索的测试时计算

代理搜索要求语言模型探索多源信息以回答复杂问题。扩展测试时计算是提升性能的有效途径，但现有方法因正确答案稀疏及依赖模型校准而受限。本文提出 FineVerify，一种细粒度自验证框架，将问题分解为可检查的子问题，针对每个子问题验证采样候选答案，并选择聚合得分最高者。该方法将选择转化为简单的局部判断，并在统一标准下生成评分。在四个基准测试中，FineVerify 显著优于标准扩展基线，仅需四个采样轨迹即可大幅提升准确率，且生成可解释的验证轨迹以辅助系统审计。