DeepSeek公布推理新论文

DeepSeek与清华研究者合作发布新论文，提出自我原则点评调优（SPCT）方法，提升奖励模型在推理阶段的可扩展性。通过点式生成式奖励建模（GRM）和元奖励模型（meta RM），DeepSeek-GRM-27B在多个基准测试中表现优于大规模模型，证明推理时扩展性能优于单纯扩大模型规模。研究为奖励模型优化提供了新思路。