34 lines
1.1 KiB
Markdown
34 lines
1.1 KiB
Markdown
---
|
||
title: "ME² Principle"
|
||
created: 2026-06-24
|
||
updated: 2026-06-24
|
||
type: concept
|
||
tags: ["reasoning", "evaluation", "quality-metrics"]
|
||
sources:
|
||
- "[[me2-trm-reasoning-2026]]"
|
||
---
|
||
|
||
# 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。
|
||
|
||
## 参考
|
||
- [[me2-trm-reasoning-2026]]
|
||
- [[thinking-reward-model]]
|
||
- [[dag-reasoning-evaluation]]
|