本文针对智能体（Agent）评估中的证据充分性与覆盖范围问题，提出了一套名为 ClaimReceipt 的声明相对收据规范与选择性验证器。研究背景是：在智能体评测中，存在两种不同的证据问题：一是已报告声明能否从保留证据中重新计算得出（充分性）；二是保留的记录是否覆盖了承诺的实验集合（覆盖性）。普通的通用日志和哈希链接记录无法可靠地回答这两个问题。ClaimReceipt 的核心方法是：将类型化的事务证据绑定到一份签名的实验清单上，并为每条声明返回 PASS、INVALID 或 INCONCLUSIVE 三种结果。作者在实现前冻结了规范（SHA-256 哈希为 18d109...b81），以确保规范不被实现细节污染。实验使用 1,392 条历史买方—卖方记录进行验证：CR-2 验证器重现了全部五个手工标注的审计结论，精确重放了 600 条确定性记录和 792 条后生成记录，在测试的消融实验下使全部 13 个声明字段组都保持非冗余，并且对 11/11 个语义故障返回预期结果，同时 0/8 误报。随后，作者进行了前瞻性的 CR-3 时期实验：在推理前承诺 30 项任务，终端收据被签名并链接，私人证据为审计方加密。完整证据得到覆盖性和账目 PASS；扣押一个终端收据返回 INCONCLUSIVE_COVERAGE；而扣押所有私人打开则保留覆盖性和协议验证，但使经济声明变得不确定——这些结果与预注册的预测完全吻合。收据插桩仅增加模型推理时间的 0.021% 和每事务 9.9 KB 的存储开销。规范可读性探针表明，冻结的规范对独立读者而言仍非完全无歧义。结论是，声明验证不仅需要声明充分的证据，还需要一个已承诺的宇宙，使遗漏变得可见。本文适合智能体评测设计者、AI 安全审计人员、以及关注可验证 AI 系统（特别是基于证据的审计机制）的研究者阅读。