arXiv · AI· Peng Kuang, Haibo Jin, Xiaoyu Han, Yanli Wang, Xiaopeng Yuan, Ye Yu, Kaidi Xu, Haohan Wang·· 8 小时前AI 评分28
KV-PRM：通过 KV-Cache 传输实现高效过程奖励模型，用于多智能体测试时扩展
KV-PRM: Efficient Process Reward Modeling via KV-Cache Transfer for Multi-Agent Test-Time Scaling
AI 导读
提出 KV-PRM 过程奖励模型，利用生成阶段的 KV-Cache 替代文本重编码，将评分计算复杂度从 O(L^2) 降至 O(L)。 在 MATH、GSM8K 和 AIME 基准上，KV-PRM 的性能匹配或优于文本型 PRM，且评分 FLOPs 降低 5000 倍，延迟降低 37 倍，单序列内存占用降低 34 倍。
来源：arXiv · AI · arxiv.org