主要证据
- Math-Shepherd: Verify and Reinforce LLMs Step-by-step without Human AnnotationsS1 · 主要研究来源 · 论文 · 2023-12-14
Math-Shepherd 自动化数学推理的步骤级过程监督
该验证器对中间推理步骤评分，而非只判断最终答案，并可用于候选选择或强化学习。
发生了什么？
Math-Shepherd 使用自动构造的步骤级监督训练过程奖励模型，并在 GSM8K 与 MATH 上同时提升重排序与强化学习效果。
为什么重要？
步骤级验证后来成为推理模型和验证器引导数学系统的重要组成部分。
重要性说明：Math-Shepherd 通过自动生成步骤级监督降低人工标注依赖，使过程奖励模型更容易扩展。
历史脉络
证据与状态一览
- 重要性
- H2 · 领域里程碑
- 验证状态
- 论文已发布
- 证据等级
- E2 · 研究记录
- AI 角色
- AI 实质性支持
- 形式保障
- 无形式保障
贡献与验证
- 数学新颖性
- 工具性进展
- 接口
- 非形式化, 符号
- AI 贡献
- 学习式验证器判断中间推理步骤，并提供选择或训练信号。
- 人类贡献
- 研究者设计自动监督构造、奖励建模与评测。
- 验证状态
- 论文已发布 · E2 · 研究记录 · 无形式保障
- 最后审阅
- 2026-09-11
技术细节
- 系统
- math-shepherd
- 机构
- peking-university, deepseek
- 数学问题
- gsm8k, math-benchmark
- 方法
- process-reward-model, reinforcement-learning, verification
全部来源与工件
- Math-Shepherd: Verify and Reinforce LLMs Step-by-step without Human AnnotationsS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
验证历史
- 2023-12-14 · 论文已发布 · E2 · 研究记录
Chronicle 依据所引 primary / official source 记录该事件；该状态不表示 Chronicle 已完成独立验证。
更正
当前没有记录的更正。