AGI Hunt· RUC·· 4 小时前AI 评分44
人大 TIPS：仅用结果奖励 RL 训出过程奖励模型，3.2K 数据在 ProcessBench 达 85.2 F1
人大 TIPS:仅用结果奖励 RL 训出过程奖励模型,3.2K 数据达 ProcessBench 85.2 F1
AI 导读
人大等机构提出 TIPS，仅用结果奖励 RL 就能训练生成式过程奖励模型（PRM），reward 只判断预测结果是否匹配 ground truth。
来源：AGI Hunt · agihunt.info