[
KongchangAI
]
Feed
Entities
Podcasts
Deep Dives
Developers
About
Get CLI
中文
Concept
PRM / 过程奖励模型
Process Reward Model
一种强化学习中的奖励建模方法,对推理过程的每个步骤进行评分奖励,而非仅对最终结果评分,用于提升大语言模型的推理能力
Source Articles
AI碾压人类!AtCoder全球总决赛算法赛5题全解
Jul 12