过程奖励模型 - 过程奖励模型技术,学习,经验文章

阿杰学AI

3 小时前

AI核心知识62——大语言模型之PRM （简洁且通俗易懂版）PRM 是 Process Reward Model（过程奖励模型）的缩写。它是为了解决 AI 在处理复杂推理任务（如奥数题、长代码）时，“只看结果、不看过程”导致学习效率低下的问题而诞生的技术。