模型Math-Shepherd PRM
Math-Shepherd
一种开源过程奖励模型（PRM），专为数学推理任务设计，通过自动构造过程级标注进行训练，能够对推理链的每个中间步骤进行质量评分
时间轴 (近 90 天)
10月2日
实验在Qwen2.5-7B-Instruct上进行，使用Math-Shepherd作为PRM，在MATH500数据集（n=500，三个随机种子）上测试
待验证50%
一种开源过程奖励模型（PRM），专为数学推理任务设计，通过自动构造过程级标注进行训练，能够对推理链的每个中间步骤进行质量评分
实验在Qwen2.5-7B-Instruct上进行，使用Math-Shepherd作为PRM，在MATH500数据集（n=500，三个随机种子）上测试