研究人员开发了EST-PRM，一个旨在对语言模型训练中使用的过程奖励模型（PRMs）进行压力测试的新框架。PRMs假设即使在推理步骤发生改变而最终答案保持不变的情况下，其分数也会保持稳定，而该框架挑战了这一假设。通过引入步骤膨胀和重排序等转换，EST-PRM揭示了PRMs的漏洞，展示了它们的分数如何膨胀或失去对正确性的敏感性。在多个基准数据集上的评估表明，包括Math-Shepherd和Qwen2.5-Math-PRM在内的各种PRMs对这些扰动的反应存在显著差异，凸显了对更鲁棒的奖励建模的需求。 AI
影响 揭示了AI奖励模型的关键漏洞，可能影响未来的LLM训练方法和安全评估。
排序理由 该集群包含一篇详细介绍AI模型评估新框架的研究论文。[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 →