研究人员开发了StrictPRMBench,一个旨在审计过程奖励模型(PRM)中使用的聚合规则的新评估基准。该基准固定了推理池和评分者证据,以隔离不同聚合方法的影响。初步研究表明,与几何平均数相比,乘积平均数聚合在不同检查点和基准测试中会导致更大的选择不稳定性,差异显著,达到+0.0965。 AI
影响 该基准提供了一种评估和审计AI聚合规则稳定性的新方法,有望促进更稳健的模型开发。
排序理由 该集群描述了一篇关于AI模型新评估基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- DagsHub
- General Motors
- Gotit.pub
- Hugging Face
- IArxiv
- neutron
- Process Reward Models
- Qwen
- ScienceCast
- StrictPRMBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →