arXiv · cs.AI· Mohammad Rezaei, Jens Lehmann, Sahar Vahdati·· 1 天前
PROGRS：用结果引导的相对过程奖励提升大语言模型数学推理强化学习
Process Rewards for Outcome-Guided Reasoning Steps in LLM Reinforcement Learning
arXiv:2604.02341v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mohammad Rezaei, Jens Lehmann, Sahar Vahdati
研究任务与主要进展
Mohammad Rezaei、Jens Lehmann和Sahar Vahdati基于论文摘要提出PROGRS，用于在大语言模型数学推理强化学习中利用过程奖励，同时让最终结果正确性保持主导。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org