过程奖励模型

研究人员提出KV-PRM方法，通过直接读取LLM生成阶段产生的KV缓存，将过程奖励模型的评分计算复杂度从O(L²)降至O(L)，在多智能体长序列任务中实现高达5000倍的计算效率提升。