本研究提出了BOOST框架，旨在解决程序指导推理在复杂声明核查中的局限性。通过集成声明分解和信息收集策略，实现了无人工干预的数据驱动优化，提升了学习的可解释性和有效性。实验结果表明，BOOST在零-shot和少-shot设置中优于现有方法。