★ 2
arXiv 发布 StrictPRMBench 过程奖励模型聚合评测基准
论文将 PRM 分数聚合规则作为独立评测对象，提出可复现的 StrictPRMBench，固定数学推理题池与评分证据。在 7 个评分检查点与 2 个基准的 14 个单元中，乘积聚合的删除诱导选择不稳定性均高于几何平均，等单元差值为 +0.0965。
arXiv cs.LG4 小时前
#过程奖励模型
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
PRM剪枝片段嫁接在推理时无效的证据
论文隔离并检验了PRM剪枝片段嫁接（PPFG）机制，即在过程奖励模型剪枝后把高PRM前缀作为上下文示例嫁接给仍在解码的兄弟链。在Qwen2.5-7B-Instruct与Math-Shepherd上，PPFG与独立并行思维链基线在各指标上统计无差异。作者通过等价性检验证明该机制在测试操作点上是惰性的…
arXiv cs.AI31 天前
这个主题的相关资产
相关公司阿里巴巴1