#best-of-N

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。