论文Agent 与开发者10:00RoCo-PRM：用 MoE 专家路由信号做过程监督，无需人工标注这篇论文挺有意思：不用人工标注，直接从 MoE 的专家路由统计里挖出每步推理的置信度信号，做成过程奖励模型，能自动标注还能跨模型迁移。#MoE#PRM#过程监督#推理模型aarXiv cs.AI@Guanzhi Deng 等 8 人原文稍后读已读值得跟进有用关注 MoE