待验证50% 置信事实时间未知
过程奖励模型（PRM）在GSM8K等数学推理基准测试中显著提升了模型的推理准确率
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
强化学习驱动AI推理进化：从模仿者到真正的思考者
bilibili小也的AI日记
相关事实
已验证过程奖励模型（PRM）转向对推理过程而非最终答案进行评估，在数学推理领域已展现显著优势83% 相似已验证过程奖励模型（PRM）对推理链条中的每一个中间步骤进行打分，区别于结果奖励模型（ORM）仅评估最终答案的正确性75% 相似已验证OpenAI在2023年发表论文"Let's Verify Step by Step"系统性地证明了过程奖励模型（PRM）在数学推理任务中的优越性73% 相似待验证当前流行的评估基准GSM8K和MATH与前沿研究级别的数学推理之间存在质的差距70% 相似待验证在代码语料比例更高的混合数据集上训练的模型，在数学推理基准（如MATH、GSM8K）上的表现显著优于纯自然语言训练的同规模模型，这一结论获斯坦福大学和MIT的多项研究证实70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/61066API
curl https://kongchang.com/api/v1/knowledge/claims/61066MCP
get_claim(id=61066)