实体
Process Reward Model
Process Reward Model
PulseAugur coverage of Process Reward Model — every cluster mentioning Process Reward Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架增强大型语言模型从示例合成程序的能力
研究人员开发了一个名为 PRM-PBE 的新框架，以增强大型语言模型 (LLM) 在编程示例 (PBE) 任务中的能力。该方法解决了当前 LLM 在 PBE 中的局限性，由于缺乏对中间推理过程的细粒度监督，它们通常难以从有限的输入输出示例中推断出底层程序逻辑。PRM-PBE 利用在反馈引导的推理树上训练的进程奖励模型 (PRM) 来评估中间步骤的可靠性，并结合三阶段课程学习方法和 PPO 优化来进行程序合成。在多个基准测试上的实验表明…
-
新的VRPRM模型利用视觉线索增强LLM推理能力
研究人员开发了VRPRM，一种新颖的过程奖励模型，它利用视觉推理来增强大型语言模型（LLM）推理步骤的细粒度评估。这种方法显著降低了此类模型训练通常需要的数据标注成本。与传统的非思考PRM相比，VRPRM表现出更优越的性能，仅用一小部分训练数据就取得了实质性改进。
-
新方法在解码时消除大型语言模型偏见，无需重新训练即可提高公平性
研究人员开发了一种新颖的方法，可以在解码阶段减轻大型语言模型的偏见，而无需更改模型的权重。该方法使用单独的过程奖励模型（PRM）对公平性和流畅性的 token 候选进行评分。顺序批评和修订方案被证明是最有效的，将偏见分数提高了高达 0.40，同时保持了流畅性。该框架在包括 GPT-4o-mini、Llama 3.2 3B、Gemma 3 4B 和 Qwen 2.5 3B 在内的模型上进行了评估。