arXiv · ML· Pengfei Zheng·· 1 天前AI 评分21
StrictPRMBench：用于审计固定分数 PRM 聚合的可重放评测基准
StrictPRMBench: A Replayable Evaluation Benchmark for Auditing Fixed-Score PRM Aggregation
AI 导读
论文提出 StrictPRMBench，一个针对流程奖励模型（PRM）固定分数聚合规则的可重放评测基准。 在 N=32 的选择结果中，乘积聚合比几何平均在全部 14 个测试单元中表现出更高的删除诱导选择不稳定性，均值为 +0.0965。 该基准提供版本化结果记录和 CPU 重分析协议，旨在审计记录的选择器行为，而非部署新 PRM 或证明普遍最优聚合方法。
来源：arXiv · ML · arxiv.org