Evidence-First Agentic Verification：提出证据优先的智能体验证框架 Sauron

论文提出 Sauron，一种证据优先的智能体验证器，通过联合调查环境状态与执行轨迹，独立验证每个主张，生成可审计的证据收据。在 2,586 个人工标注标准上，Sauron 在八种模型主干中均取得最高 F1，成本低于最强基线 Gandalf；使用 GPT-5.6 Sol 时 F1 达 0.96，比 Gandalf 高 0.04 且成本低 23%。