E-GRM: 按需推理

分享海报

@user_d0deb03a/e-grm-reasoning-on-demand

E-GRM（Efficient Generative Reward Model）让模型学会自我怀疑，拿不准才多推理，拿得准直接答。基于腾讯混元团队 & UNSW 的 ACL 2026 论文，覆盖不确定性引导的 CoT 动态触发、判别式混合评分器、两阶段训练策略。