IXThinker·2025-09-20 23:10

UCSD提出DreamPRM 登頂多模態推理榜

加州大學聖地牙哥分校研究團隊開發的DreamPRM，在多模態推理權威測評榜MMMU上獲得第一名，超越GPT-5、Gemini等頂尖模型，展示過程獎勵模型在多模態推理上的潛力。

過程獎勵模型

過程獎勵模型（PRM）讓大語言模型在推理鏈的中間步驟獲得監督，從而更穩健地選擇合理的解題路徑。這類方法在文本推理任務中已取得良好效果，是提升推理可靠性的重要路線。