采样威力：重复生成大幅提升AI解题率

讨论指出过程奖励模型给每个推理步骤打分，训练曾需要 80 万条人类标注，而 Math-Shepherd 用 rollout 替代人工，将 GSM8K 提升至 84.1%。类似效应也出现在 SWE-bench 实测：DeepSeek-Coder-V2-Instruct 单次采样仅解决 15.9% 的问题，采样 250 次后升至 56%，显示生成器潜力远超单次表现。

2026-09-16 ~ 2026-09-16 · 2 条相关

• SWE-bench 实测：250 次采样让 DeepSeek-Coder 通过率 15.9% 升至 56% — le_james94 · 2026-09-16
• Math-Shepherd 用 rollout 替代 80 万人标注,GSM8K 升至 84.1% — le_james94 · 2026-09-16