# 过程奖励模型

该工作提出一套匹配前向传播算力的诊断协议，在Dream-7B与LLaDA-8B-Base上比较离散扩散语言模型的奖励引导推理，发现确定性top-k过程奖励模型（PRM）引导在GSM8K、MATH与MBPP上均落后于独立采样加任务匹配的结果奖励模型（ORM）重排，并把差距分解为引导造成的候选池损伤与终局选择质量两部分。

该工作提出一套匹配前向传播算力的诊断协议，在Dream-7B与LLaDA-8B-Base上比较离散扩散语言模型的奖励引导推理，发现确定性top-k过程奖励模型（PRM）引导在GSM8K、MATH与MBPP上均落后于独立采样加任务匹配的结果奖励模型（ORM）重排，并把差距分解为引导造成的候选池损伤与终局选择质量两部分。