跳到正文

PRIME-RL

用隐式过程奖励做在线强化学习

访问官网

PRIME-RL 是什么

PRIME 被介绍为增强模型推理能力的开源在线强化学习方案。

你可以用它做什么

  • 由隐式过程奖励模型获得密集奖励
  • 训练中进行在线更新
  • 推理时扩展以处理推理任务

上手流程

  • 下载并安装模型与依赖
  • 准备数学或编程题目集
  • 运行推理并调整参数

优点与缺点

✓ 我们认可的地方

  • 不依赖显式过程标签
  • 支持在线更新与推理时扩展

! 需要留意的地方

  • 需先准备训练数据集
  • 模型参数需要调整

常见问题

用什么奖励?

资料说明隐式过程奖励提供密集信号。

资料列了哪些数字?

资料列出 AIME 2024 通过率 26.7%、MATH-500 准确率 79.2%。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法