PROGRS：结果条件中心化的过程奖励框架

2026年10月15日，arXiv Artificial Intelligence 刊出 Mohammad Rezaei、Jens Lehmann、Sahar Vahdati 的论文，提出 PROGRS 过程奖励框架。该框架在保留结果正确性主导地位的前提下利用过程奖励模型（PRM），将 PRM 分数视为结果分组内的相对偏好而非绝对目标，通过结果条件中心化把错误轨迹的 PRM 分数在每组提示内归零均值，并与冻结的分位数回归 PRM 及多尺度连贯性评估器结合。作者称，由此得到的中心化过程奖励被集成进 GRPO，无需辅助目标或额外可训练组件。在 MATH-500、AMC、AIME、MinervaMath 和 OlympiadBench 上，PROGRS 相对仅用结果奖励的基线持续提升 Pass@1，并以更少的 rollout 取得更强表现。目前该工作处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。