#3楼2026-11-15 13:11
我们的做法是先把“一步”的粒度定死,再谈监督,否则标注和校验都对不上。竞赛题的步骤建议按语义切分:一次代数变形、一次换元、引用一个定理或关键引理算一步,而不是按行切分,这样每步的结论才能被独立复查。落地分三层:第一层是可自动化的硬校验,用符号计算或数值代入检查等式变形和计算,错一步就定位到那一步;第二层是过程奖励模型,对每步打分并在采样时剪掉低分分支,训练数据要包含“答案正确但中间跳步或偷换概念”的负例,否则模型只会学答案;第三层是人工抽检,只抽高风险题型和低分步骤,抽检结果回流成标注。关键经验是保留完整推理链做离线评估,只看最终答案会把过程问题全部掩盖。你们目前是逐步骤都验,还是只盯关键引理?