该论文提出一种证据门控机制，将自主编码Agent的DONE声明转化为可验证证据，要求状态转换依赖新鲜、绑定的机械验证证据。实验显示，该机制将虚假通过案例从31例降至2例，错误传播概率降低两个数量级，并在实际应用中解决94.8%的问题，显著提升系统可靠性。

mAceReason-Math是一个高质量的多语言数学问题数据集，支持强化学习与可验证奖励（RLVR）研究。该数据集包含来自AceReason-Math语料库的挑战性数学问题翻译，覆盖14种语言，每种语言超过10,000个样本，旨在提升多语言RLVR的研究和基准测试。

真正的开源应具备可重现、可验证和可共创的特性，而不仅仅是可下载。在AI时代，许多模型虽然开放权重，但未公开训练数据和代码，导致“开源”与“开放权重”之间存在差异。传统开源强调源码的完整性和可重现性，而AI时代则更注重权重的开放性和可验证性。

Viskify是一个全栈招聘平台，利用区块链技术和AI评分技能证书，帮助候选人展示技能。招聘者可根据证据筛选人才，发证机构可快速签署凭证。通过Permit.io外部化授权，提升了工作流效率。

该报告由30个组织的58位合著者共同撰写，提出10种机制以提高人工智能系统声明的可验证性。这些工具可帮助开发者证明AI系统的安全性、公平性和隐私保护，同时也为用户和政策制定者提供评估AI开发过程的手段。