PRISM：通过过程奖励模型引导推理推进 Deep Think 前沿

DEEPTHINK 方法通过生成、细化和聚合候选解群体来改进推理，从而在复杂数学与科学任务上取得强劲表现。然而现有框架在推理期常缺可靠的正确性信号，形成群体增强瓶颈：更深的深思放大错误、压制正确的少数解，且追加算力收益微弱。本文给出 DEEPTHINK 系统的功能分解，并提出 PRISM，一个过程奖励模型（PRM）引导的推理算法，用步骤级验证同时引导群体细化与解答聚合。细化阶段，PRISM 把候选解视为 PRM 定义能量场中的粒子，通过分数引导重采样与随机细化重塑群体，把概率质量集中到更高质量推理上同时保持多样性。在数学与科学基准上，PRISM 与现有 DEEPTHINK 方法相当或更优：gpt-oss-20b 在 AIME25、HMMT25、GPQA Diamond 上分别达 90.0%、75.4%、71.4%，并追平或超过 gpt-oss-120b。此外，分析显示 PRISM 在细化中产生一致的净方向修正，在初始群体正确候选很少时依然可靠，且常位于计算-精度 Pareto 前沿。