Process Reward Models That Think
前几天deepseek搞了个建模critic-list的generative-orm，今天又出来一个generative-prm，在很多reward相关的benchmark上都达到了新的sota。
话说我现在开始感觉，math/code这些有rule-based verifier的场景，好像做rm没啥用。感觉是不是可以搞一些agent、creative-writing或者instruction-following场景的对比
2025-04-24-insights
相关文章