为什么重要
ProcessBench 评测 LLM 识别数学推理链中首个错误步骤的能力。是训练和评估过程奖励模型（PRM）的重要基准，对 o1 式推理模型至关重要。
返回评测
推理 综合推理 未饱和
模态 · 文本
任务 · 混合题型
ProcessBench
评测 LLM 识别推理链中错误步骤的能力
ByteDance / Tsinghua ·
考察能力
过程监督 错误定位 推理链评估
构建信息
- 数据规模
- 3K+ 问题
- 评测方式
- 标准评测
- 核心指标
- Accuracy
资源链接
模型效果排行
🥇 o1
78.3%
🥈 GPT-4o
62.5%
过程推理 错误定位 PRM 推理链