IXThinker·2026-06-25 15:10

思考獎勵模型量化推理過程質素

大模型推理能力持續增強，但答案正確不等於思考過程優質。有團隊推出TRM思考獎勵模型，獲ICML 2026口頭報告，從邏輯連貫、步驟完整性等維度細粒度評價推理鏈，讓推理質素可以量化。

答案對不等於想得對

同一道數學題，兩個學生都答對：一個步驟乾淨、推導緊湊；另一個繞了大段無關推導、跳過關鍵步驟，最後同樣湊出答案。只看結果兩份答卷都對，但值得學習的顯然是前者。大模型推理正面對同樣問題。