临床试验报表最怕一种错：文字看着合理，数字却对不上。比如安全性汇总里的总人数，与各分组之和不一致。PROVE（Programmatic Reporting and Output Verification Engine）尝试给多智能体加一道“硬校验”：语言模型负责理解措辞、查找文件；最终的算术和逻辑判断，则交给同样输入必然得到同样结果的程序规则。
它检查的是 TFLs——临床试验报告中的表、图和逐条清单。系统先把不同输出里的数字、临床含义和来源位置连成一张语义关系图，再跨表核对分母、百分比和层级关系。最值得注意的结果出现在措辞变化时：同一概念换一种写法，纯匹配方案的召回率为 0.588；加入语言模型做语义匹配后升至 0.993，F1 从 0.735 升至 0.996。换句话说，模型擅长认出“说的是不是一回事”，程序负责判定“算得对不对”。不过这些数字来自作者构造的十套合成肿瘤试验报告，且只覆盖已实现的规则，真实项目中的表现仍待验证。