步骤级推理验证：分类优于生成

将步骤级推理验证建模为自然语言推理任务，0.15B 编码器分类器在多个数据集上优于 4B 参数生成验证器。 在相同 0.5B 至 4B 解码器上，分类优于生成，且 7B 模型仅需约十分之一标注量即可达到同等性能。 该结果确立了分类在步骤级验证中的参数与数据效率优势，无需依赖大型生成式解码器。