产品
PRM800K
OpenAI公开的包含10万条步级人工标注的数学推理数据集，用于训练过程监督奖励模型
时间轴 (近 90 天)
10月30日
2023年OpenAI的《Let's Verify Step by Step》研究发现过程监督显著优于结果监督，其过程监督模型在数学测试代表性子集上解出78%，并公开了10万条步级人工标注PRM800K。
待验证50%
9月1日
OpenAI在2023年发表的PRM800K论文展示了过程奖励模型（Process Reward Model）的潜力
待验证50%