DataPRM

DataPRM 通过奖励科学过程增强 LLM 数据分析能力

研究人员开发了 DataPRM，这是一种新的过程奖励模型，旨在提高 AI 代理在动态数据分析任务中的性能。与以往难以处理的无声错误和探索性操作的模型不同，DataPRM 可以主动验证中间状态，并区分可纠正和不可挽回的错误。该方法经过 8,000 多个实例的训练，在 ScienceAgentBench 和 DABStep 等基准测试中显著增强了下游策略 LLM，证明了其在监督复杂数据分析方面的有效性。