Chinese contentRoCo-PRM：用 MoE 专家路由信号做过程监督，无需人工标注
这篇论文挺有意思：不用人工标注，直接从 MoE 的专家路由统计里挖出每步推理的置信度信号，做成过程奖励模型，能自动标注还能跨模型迁移。
#PRM
2 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "PRM", newest first.
10月22日
9月3日
这篇论文挺有意思：不用人工标注，直接从 MoE 的专家路由统计里挖出每步推理的置信度信号，做成过程奖励模型，能自动标注还能跨模型迁移。