1.1 KiB
1.1 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||
|---|---|---|---|---|---|---|---|---|---|
| ME² Principle | 2026-06-24 | 2026-06-24 | concept |
|
|
ME² Principle
ME² 是 Zhang et al. (ICML 2026) 提出的推理质量表征原则，沿两个正交轴定义高质量推理。
四象限
| Macro（全局结构） | Micro（局部步骤） | |
|---|---|---|
| Effectiveness | 结构合理、无冗余分支 | 步骤正确、逻辑连贯 |
| Efficiency | 路径简洁、无绕路 | 步骤精简、无赘述 |
PRM 的问题
Process Reward Models 通常只覆盖 Micro-Effectiveness（步骤级正确性标注），忽略了宏观结构组织和效率维度。ME² 提供了统一的评估视角——推理质量需要同时考虑这四个维度。
与答案正确性的解耦
ME² 仅评估推理轨迹质量，与最终答案是否正确无关。TRM 训练于 verified-correct 推理对的偏好数据，证明推理质量可独立于答案正确性评估。