Jason Wei（OpenAI核心科学家、思维链提示词核心作者、o1关键人物）近期提出验证不对称性理论及“验证者定律”（Verifier's Law），其核心观点是：训练AI解决一个任务的难易程度与该任务的可验证性成正比，所有可能解决且易于验证的任务，终将都被AI攻克。

验证的不对称性指的是有些任务验证起来比解决起来容易得多。随着强化学习的普遍应用，这个概念变得越来越重要。

比如：数独谜题、编写 Instagram 网页代码、或 BrowseComp 问题（找到答案很难，但验证起来非常简单）。

有的任务则接近对称，比如计算两个 900 位数字之和。还有些任务提出方案容易，但验证却很难（比如核实一篇长文章的事实，或提出“只吃野牛”的新饮食法）。

具体而言，任务的可验证性取决于以下五个关键属性：

1. 客观真理：所有人对“好”的解决方案有普遍共识。
2. 快速验证：任何给定的解决方案可在几秒钟内完成验证。
3. 可扩展验证：可同时验证大量解决方案。
4. 低噪声：验证结果与解决方案质量高度相关。
5. 连续奖励：可对多个解决方案进行优劣排序 。

Jason Wei指出，过去十年中，大多数AI基准测试都符合前四条标准（因此已被解决），而符合这些标准的任务将推动AI快速进步，而难以验证的任务则进展缓慢。

此外，验证者定律也揭示了未来人类与AI协作的核心：将复杂、模糊的现实问题转化为AI可理解和优化的、可清晰验证的任务。