实体
Qwen2.5-Math-PRM
Qwen2.5-Math-PRM
PulseAugur coverage of Qwen2.5-Math-PRM — every cluster mentioning Qwen2.5-Math-PRM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的RSP方法通过结果监督增强AI推理训练
研究人员开发了一种名为推理状态传播（RSP）的新方法，以改进AI推理过程奖励模型（PRM）的训练。RSP通过有效利用结果监督来指导中间推理状态的学习，解决了过程标注成本高昂的挑战。通过对推理轨迹中有效性状态之间的转换进行建模，RSP将中间步骤与最终结果联系起来，从而在束搜索和强化学习等任务中提高了性能。在评估中，与Qwen2.5-Math-PRM基线相比，RSP在束搜索方面平均提高了5.6%，在强化学习方面平均提高了2.1%。
-
新框架对AI过程奖励模型进行压力测试以发现漏洞
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PRM…