概念导读
将 Process Reward Model (PRM) 应用于代码 Agent：不仅评估最终结果，还评估每一步代码生成的质量。
- 核心
- 意义
- Related
SWE-Shepherd: Process Reward Models for Code Agents
核心
将 Process Reward Model (PRM) 应用于代码 Agent：不仅评估最终结果，还评估每一步代码生成的质量。
意义
- PRM 从数学推理扩展到代码生成
- Step-level feedback 比 outcome-level 更适合长 horizon 代码任务
- 与 free-process-rewards 的 process-level RL 理念一致