Buchumschlag

FreePRM: Training Process Reward Models Without Ground Truth Process Labels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Lin, Liu, Chuang, Ma, Xiaofeng, Yang, Tao, Lu, Weijia, Wu, Ning
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

R-PRM: Reasoning-Driven Process Reward Modeling
von: She, Shuaijie, et al.
Veröffentlicht: (2025)

Free Process Rewards without Process Labels
von: Yuan, Lifan, et al.
Veröffentlicht: (2024)

VisualPRM: An Effective Process Reward Model for Multimodal Reasoning
von: Wang, Weiyun, et al.
Veröffentlicht: (2025)

DreamPRM-Code: Function-as-Step Process Reward Model with Label Correction for LLM Coding
von: Zhang, Ruiyi, et al.
Veröffentlicht: (2025)

Med-PRM: Medical Reasoning Models with Stepwise, Guideline-verified Process Rewards
von: Yun, Jaehoon, et al.
Veröffentlicht: (2025)

AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress
von: Xi, Zhiheng, et al.
Veröffentlicht: (2025)

GM-PRM: A Generative Multimodal Process Reward Model for Multimodal Mathematical Reasoning
von: Zhang, Jianghangfan, et al.
Veröffentlicht: (2025)

GenPRM: Scaling Test-Time Compute of Process Reward Models via Generative Reasoning
von: Zhao, Jian, et al.
Veröffentlicht: (2025)

BPO: Revisiting Preference Modeling in Direct Preference Optimization
von: Sun, Lin, et al.
Veröffentlicht: (2025)

Fin-PRM: A Domain-Specialized Process Reward Model for Financial Reasoning in Large Language Models
von: Zhu, Jie, et al.
Veröffentlicht: (2025)

SepSeq: A Training-Free Framework for Long Numerical Sequence Processing in LLMs
von: Sun, Jie, et al.
Veröffentlicht: (2026)

No Free Labels: Limitations of LLM-as-a-Judge Without Human Grounding
von: Krumdick, Michael, et al.
Veröffentlicht: (2025)

Training Data Efficiency in Multimodal Process Reward Models
von: Li, Jinyuan, et al.
Veröffentlicht: (2026)

Dynamic and Generalizable Process Reward Modeling
von: Yin, Zhangyue, et al.
Veröffentlicht: (2025)

Outcome Accuracy is Not Enough: Aligning the Reasoning Process of Reward Models
von: Wang, Binghai, et al.
Veröffentlicht: (2026)

Verifiable Rewards Beyond Math and Code: Lightweight Corpus-Grounded Process Supervision for Factual Question Answering
von: Fan, Shicheng, et al.
Veröffentlicht: (2026)

The Bidirectional Process Reward Model
von: Zhang, Lingyin, et al.
Veröffentlicht: (2025)

From Outcomes to Processes: Guiding PRM Learning from ORM for Inference-Time Alignment
von: Xie, Bin, et al.
Veröffentlicht: (2025)

AURORA:Automated Training Framework of Universal Process Reward Models via Ensemble Prompting and Reverse Verification
von: Tan, Xiaoyu, et al.
Veröffentlicht: (2025)

The Lessons of Developing Process Reward Models in Mathematical Reasoning
von: Zhang, Zhenru, et al.
Veröffentlicht: (2025)

Demystifying Multilingual Chain-of-Thought in Process Reward Modeling
von: Wang, Weixuan, et al.
Veröffentlicht: (2025)

Process Reward Models That Think
von: Khalifa, Muhammad, et al.
Veröffentlicht: (2025)

Entropy-Regularized Process Reward Model
von: Zhang, Hanning, et al.
Veröffentlicht: (2024)

An Efficient and Precise Training Data Construction Framework for Process-supervised Reward Model in Mathematical Reasoning
von: Sun, Wei, et al.
Veröffentlicht: (2025)

SPARK: Stepwise Process-Aware Rewards for Reference-Free Reinforcement Learning
von: Rahman, Salman, et al.
Veröffentlicht: (2025)

Process-based Self-Rewarding Language Models
von: Zhang, Shimao, et al.
Veröffentlicht: (2025)

Efficient PRM Training Data Synthesis via Formal Verification
von: Kamoi, Ryo, et al.
Veröffentlicht: (2025)

Rethinking Ground Truth: A Case Study on Human Label Variation in MLLM Benchmarking
von: Ruiz, Tomas, et al.
Veröffentlicht: (2026)

A Survey of Process Reward Models: From Outcome Signals to Process Supervisions for Large Language Models
von: Zheng, Congmin, et al.
Veröffentlicht: (2025)

Information Extraction from Heterogeneous Documents without Ground Truth Labels using Synthetic Label Generation and Knowledge Distillation
von: Bhattacharyya, Aniket, et al.
Veröffentlicht: (2024)

Self-Guided Process Reward Optimization with Redefined Step-wise Advantage for Process Reinforcement Learning
von: Fei, Wu, et al.
Veröffentlicht: (2025)

PRISM: A Unified Framework for Post-Training LLMs Without Verifiable Rewards
von: Ghimire, Mukesh, et al.
Veröffentlicht: (2026)

RRM: Robust Reward Model Training Mitigates Reward Hacking
von: Liu, Tianqi, et al.
Veröffentlicht: (2024)

Rubric-Guided Process Reward for Stepwise Model Routing
von: Ye, Shenghao, et al.
Veröffentlicht: (2026)

Collective Reasoning Among LLMs: A Framework for Answer Validation Without Ground Truth
von: Davoudi, Seyed Pouyan Mousavi, et al.
Veröffentlicht: (2025)

Lessons from Training Grounded LLMs with Verifiable Rewards
von: Sim, Shang Hong, et al.
Veröffentlicht: (2025)

Better Process Supervision with Bi-directional Rewarding Signals
von: Chen, Wenxiang, et al.
Veröffentlicht: (2025)

Train for Truth, Keep the Skills: Binary Retrieval-Augmented Reward Mitigates Hallucinations
von: Chen, Tong, et al.
Veröffentlicht: (2025)

Language Models Can Learn from Verbal Feedback Without Scalar Rewards
von: Luo, Renjie, et al.
Veröffentlicht: (2025)

GR-Ben: A General Reasoning Benchmark for Evaluating Process Reward Models
von: Sun, Zhouhao, et al.
Veröffentlicht: (2026)