研究人员开发了 BayesianPRM,这是一种用于扩展大型语言模型推理的新型方法,以改进过程奖励模型 (PRM)。BayesianPRM 解决了不确定性的两个关键来源:PRM 训练不完善和可能导致奖励高估的策略不匹配。通过将过程奖励视为随机变量并维护贝叶斯信念,该方法采用可靠性感知信念更新和保守性感知信念校准,以提供更准确的奖励估计,并增强多模态推理基准测试中的测试时扩展性能。 AI
影响 通过改进奖励建模提高 LLM 推理的准确性和性能。
排序理由 该集群包含一篇学术论文,详细介绍了改进 LLM 推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →