PROGRS：结果条件化中心化的过程奖励框架
热点事件持续更新
PROGRS：结果条件化中心化的过程奖励框架
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
Mohammad Rezaei、Jens Lehmann 和 Sahar Vahdati 提出 PROGRS 过程奖励框架，将过程奖励模型（PRM）的分数作为结果分组内的相对偏好而非绝对目标，使错误轨迹的 PRM 分数在每组内均值为零，从而保持结果正确性的主导地位，并与 Group Relative Policy Optimization（GRPO）结合用于大语言模型数学推理的强化学习。 该框架由作者在论文中提出，效果尚待验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
PROGRS：用结果引导的过程奖励提升 LLM 数学推理强化学习报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIPROGRS：用结果引导的过程奖励提升 LLM 数学推理强化学习
PROGRS 框架将过程奖励模型（PRM）的分数作为结果分组内的相对偏好而非绝对目标，通过结果条件化中心化让错误轨迹的 PRM 分数在每组内均值为零，并与 Group Relative Policy Optimization（GRPO）结合。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。