arXiv Artificial Intelligence· Rituraj Sharma, Weiyuan Chen, Noah Provenzano, Tu Vu·2026-10-30 12:00· 17 小时前AI 评分38

PRISM：用过程奖励模型引导推理，把 Deep Think 推向新前沿

PRISM: Pushing the Frontier of Deep Think via Process Reward Model-Guided Inference

AI 导读

PRISM 是一种由过程奖励模型（PRM）引导的推理算法，通过步骤级验证指导重采样、候选接受与答案聚合。搭配 PRM-score-vote 聚合方法，PRISM 在 gpt-oss-20b 上于 AIME25、HMMT25 和 GPQA Diamond 分别达到 90.0%、75.4% 和 71.4%，超过 gpt-oss-120b。

来源：arXiv Artificial Intelligence · arxiv.org

推理能力论文研究 #论文/研究 #推理