REVES: REvision and VErification--Augmented Training for Test-Time Scaling

REVES 用 revision 和 verification 增强训练，让模型更接近 test-time scaling 中的 sequential revision 推理流程。摘要指出标准 post-training 多优化 single-shot objectives，和多步 inference dynamics 存在错位；近期把它视作 multi-turn RL 的做法也有各自限制。这个设计把推理时的搜索、检查和自我修正提前纳入训练目标。