LLM-as-an-Improver: Turning Verification into Better Candidates

VRR 把验证器的错误信息转成新候选：除保留初胜者，还生成胜者和亚军的修复版以及一条新路线，然后按原评测标准去重、过滤和重选。跨代码与推理基准，VRR 在多种模型设置下超过只对固定候选排序的方法，甚至能从“初始池全错”中找回正确解。它把验证从终点评分器改成搜索算子，代价是每轮要额外承担三种候选的推理预算。