PURE-PRM-7B оценивает качество отдельных шагов математических рассуждений для обучения и отбора решений языковых моделей.

Подходит для: оценка правильности промежуточных шагов математического решения · выбор лучшего решения из нескольких вариантов методом Best-of-N · вычисление пошаговой награды при дообучении языковой модели