概念PRM / Process Reward Modeling
过程奖励建模
一种在大模型推理中引入步骤级监督的奖励建模方法,与传统结果奖励建模(ORM)相对,对推理链每一步中间状态进行评分,用于识别无效推理步骤并引导模型自我纠错。
时间轴 (近 90 天)
11月20日
过程奖励建模的计算开销和标注成本限制了其在大规模临床场景中的直接应用。
待验证50%
11月20日
在数学与代码推理中,过程奖励建模已被证明能有效识别无效中间步骤并引导模型自我纠错。
待验证50%
一种在大模型推理中引入步骤级监督的奖励建模方法,与传统结果奖励建模(ORM)相对,对推理链每一步中间状态进行评分,用于识别无效推理步骤并引导模型自我纠错。
过程奖励建模的计算开销和标注成本限制了其在大规模临床场景中的直接应用。
在数学与代码推理中,过程奖励建模已被证明能有效识别无效中间步骤并引导模型自我纠错。