LatentGRM：潜空间奖励建模，评测轨迹压缩 9 倍、推理提速 7 倍

LatentGRM 提出在潜空间做生成式奖励建模，通过语义分块、压缩与重构，让模型在连续轨迹上自主完成成对判断，无需逐 token 生成文字评估。在 4B 与 8B 规模、同等训练数据与骨干下，其偏好判断准确率与显式 SFT judge 相当，LatentGRM-8B 将评测轨迹压缩 8.9–9.2 倍，vote@5 下总推理时间降低 6.1–7.0 倍。