arXiv · AI· Rituraj Sharma, Weiyuan Chen, Noah Provenzano, Tu Vu·· 6 小时前AI 评分35
PRISM：通过过程奖励模型引导推理推动深度思考前沿
PRISM: Pushing the Frontier of Deep Think via Process Reward Model-Guided Inference
AI 导读
PRISM 是一种过程奖励模型（PRM）引导的推理算法，利用步骤级验证指导重采样、提案接受和解决方案聚合，从而克服 DEEPTHINK 方法在推理中因不可靠正确性信号导致的增强瓶颈。
来源：arXiv · AI · arxiv.org