概念Process Reward Model / PRM / 过程奖励模型
过程奖励
强化学习中对智能体执行过程中的中间步骤和行为方式进行评估和奖惩的机制，关注完成任务的路径是否符合规范
时间轴 (近 90 天)
10月30日
GUIDER 在控制器生成的多条流上评估策略过程奖励，并用答案正确性门控该奖励。
待验证50%
10月26日
过程奖励（process reward）在智能体执行的多步轨迹中对中间步骤打分，信号更密集，能缓解长程任务的信用分配难题；结果奖励（outcome reward）只在任务结束时根据最终状态给出，信号稀疏但目标明确。
待验证50%