本研究提出了EpicPRM框架，解决了现有过程监督训练数据构建方法的成本和质量问题。通过量化推理步骤的贡献和自适应二分搜索算法，提高了标注的精准度和效率。基于该框架构建的Epic50k训练数据集显著提升了奖励模型的推理能力。

Application of an Efficient and Precise Training Data Construction Framework for Process-Supervised Reward Models in Mathematical Reasoning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证