ArgGYM：面向结构化可撤销推理的程序化引擎验证基准

ArgGYM 是一个面向结构化可撤销推理的程序化评测基准与兼容 RLVR 的训练环境，将推理过程拆分为 12 项任务并通过符号论证引擎进行形式化状态验证。它包含覆盖 15 种课程配置的 1,440 个验证实例固定基准，同时支持动态生成新实例。评测显示前沿模型与开源权重模型在长依赖配置下性能显著下降；相关基准、生成器与验证器已开源发布。