大规模语言模型（LLMs）在通过可验证奖励的强化学习（Reinforcement Learning with Verifiable Rewards, RLVR）解决复杂推理任务方面取得了显著进展。这一进步也离不开可靠验证器所实现的自动化监督机制。然而，当前基于结果的验证器（Outcome-based Verifiers, OVs）难以有效审查长链思维（Chain-of-Thought, CoT）中不可靠的中间推理步骤；与此同时，基于过程的验证器（Process-based Verifiers, PVs）在复杂且冗长的CoT中可靠检测错误方面仍面临挑战，其主要受限于高质量标注数据的稀缺性——由于人工标注成本高昂，难以获取足够规模的优质标注。为此，本文提出一种新型验证框架——基于结果的过程验证器（Outcome-based Process Verifier, OPV），该方法通过对长CoT所生成的摘要化结果进行推理过程验证，实现了高效且准确的验证能力，并支持大规模自动化标注。为提升OPV的验证性能，我们引入一种迭代式主动学习框架，结合专家标注，以较低的标注成本持续优化验证能力。具体而言，在每一轮迭代中，当前最优OPV预测中最不确定的样本由专家进行标注，随后利用这些标注数据通过拒绝微调（Rejection Fine-Tuning, RFT）与RLVR联合训练，生成下一轮的OPV模型。大量实验表明，OPV在性能与适用性方面均表现出显著优势。在我们预留的hisbench基准测试中，OPV取得了新的最先进水平，其F1分数达到83.1，显著优于更大规模的开源模型（如Qwen3-Max-Preview的76.3）。此外，OPV在合成数据集中能有效识别虚假正例，其判断结果与专家评估高度一致。当与策略模型协同使用时，OPV持续带来性能提升：例如，在AIME2025基准上，随着计算资源的增加，其将DeepSeek-R1-Distill-Qwen-32B的准确率从55.2%提升至73.3%。