HKUST 与亚马逊发布 ARBITER：35B MoE 验证器让 GPT-OSS-120B 冲过 IOI 金牌线

HKUST 与亚马逊发布 ARBITER，一个 35B MoE 智能体验证器，在通用执行沙箱中用强化学习训练，仅凭题面和源码判断并诊断候选程序错误。基于 USACO 2026 构建的 USACO-JUDGE 基准上，错误程序的反例构造成功率从 40.61% 提到 62.67%，二元判定准确率从 71.41% 提到 87.41%。