论文
PRIME:数学和工程中可验证推理的过程-结果对齐基准
PRIME: A Process-Outcome Alignment Benchmark for Verifiable Reasoning in Mathematics and Engineering
摘要
虽然基于模型的验证器对于扩展具有可验证奖励的强化学习 (RLVR) 至关重要,但当前以结果为中心的验证范例主要关注最终结果与 真值 之间的一致性,通常忽略了推导过程中的潜在错误。这导致将积极的奖励分配给由错误推导产生的正确答案。为了弥补这一差距,我们引入了 PRIME,这是一个用于评估数学和工程过程-结果一致性验证验证者的基准。 PRIME 全面收集大学水平的 STEM 问题,通过基于一致性的过滤管道包含 2,530 个高难度样本。通过广泛的评估,我们发现当前的验证者经常无法检测到推导缺陷。此外,我们提出了一种利用通过 PRIME 选择的验证者的流程感知 RLVR 训练范例。这种方法大大优于仅结果验证基线,Qwen3-14B-Base 模型在 AIME24、AIME25 和 Beyond-AIME 上分别实现了 8.29%、9.12% 和 7.31% 的绝对性能增益。最后,我们证明了验证者在 PRIME 上的准确性和 RLVR 训练有效性之间存在很强的线性相关性 ($R^2 > 0.92$),从而验证了 PRIME 作为验证者选择的可靠预测因子。