Process Reward Model
Son cevabın yanında akıl yürütmedeki ara adımların kalitesini puanlayan ödül modeli.
Süreç ödül modeli, doğru sonuca yanlış gerekçeyle ulaşan örnekleri ayırt etmeye çalışır. Adım düzeyinde etiket veya otomatik doğrulayıcı gerektirir. Yanlış tanımlanmış süreç puanları modeli yüzeysel işaretlere yöneltebilir.
Üye yorumları