研究团队发布PRM聚合规则评估基准StrictPRMBench

1. 13:00
   arXiv 机器学习

   StrictPRMBench：用于审计固定分数 PRM 聚合规则的可重放评估基准

   评估基准 StrictPRMBench 旨在独立审计过程奖励模型（PRM）在 Best-of-N 推理选择中的分数聚合规则。在 7 个打分 checkpoint 和 2 个基准的 N=32 测试中，乘积聚合在全部 14 个单元格中的选择不稳定性均高于几何平均值，差值为 +0.0965。该研究提供版本化记录与 CPU 重分析，构建了可复现的选择器行为诊断评估协议。

Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.