ACL 2025 过程奖励模型深陷“信任泥潭”，PRMBench撕开伪高精度面具 2025年7月22日23时 作者 PaperWeekly （PRMs）的赋能。PRMs 作为 LLMs 进行多步推理和决策的关键“幕后功臣”，负责评估推理过程
