PROGRS框架提出结果条件化中心化方法

Mohammad Rezaei 等作者提出 PROGRS 框架，用于在 LLM 数学推理的强化学习中利用过程奖励模型（PRM），同时保持结果正确性占主导。该框架将 PRM 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把错误轨迹的 PRM 分数在每组内归零均值，并与冻结的分位数回归 PRM 和多尺度连贯性评估器结合，集成进 GRPO。作者称，这一设计让过程奖励服务于结果正确性，而非取代它。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。