Buchumschlag

GM-PRM: A Generative Multimodal Process Reward Model for Multimodal Mathematical Reasoning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Jianghangfan, Yan, Yibo, Zheng, Kening, Zou, Xin, Dai, Song, Hu, Xuming
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

Reefknot: A Comprehensive Benchmark for Relation Hallucination Evaluation, Analysis and Mitigation in Multimodal Large Language Models
von: Zheng, Kening, et al.
Veröffentlicht: (2024)

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

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

MMUnlearner: Reformulating Multimodal Machine Unlearning in the Era of Multimodal Large Language Models
von: Huo, Jiahao, et al.
Veröffentlicht: (2025)

A Survey of Mathematical Reasoning in the Era of Multimodal Large Language Model: Benchmark, Method & Challenges
von: Yan, Yibo, et al.
Veröffentlicht: (2024)

Unlocking Multimodal Mathematical Reasoning via Process Reward Model
von: Luo, Ruilin, et al.
Veröffentlicht: (2025)

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

MMNeuron: Discovering Neuron-Level Domain-Specific Interpretation in Multimodal Large Language Model
von: Huo, Jiahao, et al.
Veröffentlicht: (2024)

MathAgent: Leveraging a Mixture-of-Math-Agent Framework for Real-World Multimodal Mathematical Error Detection
von: Yan, Yibo, et al.
Veröffentlicht: (2025)

Med-PRM: Medical Reasoning Models with Stepwise, Guideline-verified Process Rewards
von: Yun, Jaehoon, 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)

PhysicsArena: The First Multimodal Physics Reasoning Benchmark Exploring Variable, Process, and Solution Dimensions
von: Dai, Song, et al.
Veröffentlicht: (2025)

ErrorRadar: Benchmarking Complex Mathematical Reasoning of Multimodal Large Language Models Via Error Detection
von: Yan, Yibo, et al.
Veröffentlicht: (2024)

Unlocking Multimodal Document Intelligence: From Current Triumphs to Future Frontiers of Visual Document Retrieval
von: Yan, Yibo, et al.
Veröffentlicht: (2026)

MINER: Mining the Underlying Pattern of Modality-Specific Neurons in Multimodal Large Language Models
von: Huang, Kaichen, et al.
Veröffentlicht: (2024)

CAFES: A Collaborative Multi-Agent Framework for Multi-Granular Multimodal Essay Scoring
von: Su, Jiamin, et al.
Veröffentlicht: (2025)

Position: Multimodal Large Language Models Can Significantly Advance Scientific Reasoning
von: Yan, Yibo, et al.
Veröffentlicht: (2025)

FreePRM: Training Process Reward Models Without Ground Truth Process Labels
von: Sun, Lin, et al.
Veröffentlicht: (2025)

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

EffiReason-Bench: A Unified Benchmark for Evaluating and Advancing Efficient Reasoning in Large Language Models
von: Huang, Junquan, et al.
Veröffentlicht: (2025)

SAMark: A Self-Anchored Text Watermarking with Paragraph-Level Paraphrase Robustness
von: Huo, Jiahao, et al.
Veröffentlicht: (2026)

Unveiling Language Routing Isolation in Multilingual MoE Models for Interpretable Subnetwork Adaptation
von: Zheng, Kening, et al.
Veröffentlicht: (2026)

FG-PRM: Fine-grained Hallucination Detection and Mitigation in Language Model Mathematical Reasoning
von: Li, Ruosen, et al.
Veröffentlicht: (2024)

CausalEmbed: Auto-Regressive Multi-Vector Generation in Latent Space for Visual Document Embedding
von: Huo, Jiahao, et al.
Veröffentlicht: (2026)

CoLD: Counterfactually-Guided Length Debiasing for Process Reward Models in Mathematical Reasoning
von: Zheng, Congmin, et al.
Veröffentlicht: (2025)

Multimodal Mathematical Reasoning with Diverse Solving Perspective
von: Shi, Wenhao, et al.
Veröffentlicht: (2025)

SafeEraser: Enhancing Safety in Multimodal Large Language Models through Multimodal Machine Unlearning
von: Chen, Junkai, et al.
Veröffentlicht: (2025)

Math-PUMA: Progressive Upward Multimodal Alignment to Enhance Mathematical Reasoning
von: Zhuang, Wenwen, et al.
Veröffentlicht: (2024)

From Mathematical Reasoning to Code: Generalization of Process Reward Models in Test-Time Scaling
von: Chen, Zhengyu, et al.
Veröffentlicht: (2025)

AutoRubric: Rubric-Based Generative Rewards for Faithful Multimodal Reasoning
von: Jia, Mengzhao, et al.
Veröffentlicht: (2025)

DocPruner: A Storage-Efficient Framework for Multi-Vector Visual Document Retrieval via Adaptive Patch-Level Embedding Pruning
von: Yan, Yibo, et al.
Veröffentlicht: (2025)

EssayJudge: A Multi-Granular Benchmark for Assessing Automated Essay Scoring Capabilities of Multimodal Large Language Models
von: Su, Jiamin, et al.
Veröffentlicht: (2025)

Athena: Enhancing Multimodal Reasoning with Data-efficient Process Reward Models
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Explainable and Interpretable Multimodal Large Language Models: A Comprehensive Survey
von: Dang, Yunkai, et al.
Veröffentlicht: (2024)

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

DreamPRM: Domain-Reweighted Process Reward Model for Multimodal Reasoning
von: Cao, Qi, et al.
Veröffentlicht: (2025)

DeltaRubric: Generative Multimodal Reward Modeling via Joint Planning and Verification
von: Liu, Rui, et al.
Veröffentlicht: (2026)

CMM-Math: A Chinese Multimodal Math Dataset To Evaluate and Enhance the Mathematics Reasoning of Large Multimodal Models
von: Liu, Wentao, et al.
Veröffentlicht: (2024)

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

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