YOLO Vision 2026:
Quay lại Bảng thuật ngữ Ultralytics

Process Reward Model (PRM)

Khám phá cách các Model Phần thưởng Quy trình (PRM) cải thiện khả năng lập luận của AI. Tìm hiểu cách phản hồi theo từng bước trong RLHF đảm bảo các đường lối logic, an toàn cho LLM và Ultralytics YOLO26.

Evaluating complex artificial intelligence models requires more than just checking if the final answer is correct. A highly specialized reinforcement learning technique assigns mathematical scores to each intermediate step an AI takes during a task, providing dense, step-level feedback. This granular approach ensures that the model not only arrives at the right destination but also follows logical, safe, and verifiable paths to get there.

Process Reward Model so với Outcome Reward Model#

In the broader context of Reward Modeling, it is important to distinguish between process-based and outcome-based supervision. Traditional Outcome Reward Models (ORMs) provide a single, sparse reward at the very end of a generation. While ORMs are easier to train, they suffer from a major drawback in complex tasks: they can inadvertently reward models that arrive at the correct answer through flawed logic or hallucinations.

A Process Reward Model (PRM) solves this by evaluating the entire reasoning trajectory. As popularized by foundational OpenAI research in papers like Let's Verify Step by Step, a PRM applies stepwise supervision to each thought or action. This is a critical component of advanced Reinforcement Learning from Human Feedback (RLHF) pipelines, as it actively guides policy optimization using algorithms like Proximal Policy Optimization (PPO).

Các ứng dụng trong thực tế#

PRMs are transforming how Large Language Models (LLMs) and autonomous systems operate in high-stakes environments:

  • Mathematical Reasoning: By evaluating equations line-by-line, PRMs allow models to use algorithms like Best-of-N (BoN) sampling or Monte Carlo Tree Search (MCTS) to explore multiple solution paths and select the most logically sound sequence.
  • Code Generation: When generating software, simply checking if the final script runs is insufficient. PRMs provide process supervision, scoring individual functions and logic blocks to ensure the code is efficient, secure, and maintainable.
  • Operations Research and Visual Agents: Recent advances in 2025 and 2026 have expanded PRMs beyond text. For example, operations research now utilizes PRMs to validate complex scheduling algorithms. Similarly, visual AI agents equipped with robust computer vision engines like Ultralytics YOLO26 receive step-by-step rewards for navigating physical environments, rather than just a single reward for reaching a destination.

Triển khai phản hồi cấp độ bước#

Training a PRM requires managing extensive datasets where each sub-step is evaluated by humans or stronger AI models. Managing these intensive data annotation workflows is made simpler with cloud-based tools like the Ultralytics Platform, which streamline project organization and deployment.

During inference or model optimization, the PRM calculates a cumulative loss or reward based on the chain of steps. The following conceptual Python snippet using torch demonstrates how step-level rewards are penalized if an intermediate step fails, a common approach found in the PyTorch documentation for sequence scoring:

import torch

# Simulate reward scores from a PRM for 3 consecutive reasoning steps
# Scores represent the probability of correctness for each step (0.0 to 1.0)
step_rewards = torch.tensor([0.95, 0.80, 0.15], requires_grad=True)

# The PRM aggregates the scores, heavily penalizing the poor 3rd step
# Negative log-likelihood is commonly used to optimize the trajectory
prm_loss = -torch.log(step_rewards).mean()

print(f"Calculated PRM Loss: {prm_loss.item():.4f}")
# During RLHF, this loss would guide hyperparameter tuning and model updates

By ensuring that every intermediate step is aligned with expected behavior, developers can deploy highly reliable systems. Combining process-level supervision with continuous hyperparameter tuning allows next-generation models to truly reason through problems safely and effectively.

Explore solutions

Real-time AI that works with your team

Thị giác máy tính trong lĩnh vực robot

Tăng cường sức mạnh cho các cỗ máy thông minh hơn với các model Ultralytics YOLO. AI thị giác trong lĩnh vực robot thúc đẩy khả năng điều hướng tự hành, nhận thức, theo dõi đối tượng và điều khiển thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong logistics

Tối ưu hóa logistics với các model Ultralytics YOLO. Vision AI hỗ trợ kiểm tra hàng hóa, phân loại, theo dõi phương tiện và giám sát an toàn kho bãi trong thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong bán lẻ

Tái định hình bán lẻ với các model Ultralytics YOLO. Vision AI thúc đẩy theo dõi hàng tồn kho, giám sát kệ hàng, quản lý hàng đợi và thông tin chi tiết thông minh hơn về khách hàng.
Tìm hiểu thêm
Real-time AI that works with your team

Thị giác máy tính trong y tế

Xây dựng các giải pháp y tế với các model Ultralytics YOLO. AI thị giác trong y tế hỗ trợ chẩn đoán hình ảnh y khoa nhanh hơn, chẩn đoán thông minh hơn và theo dõi bệnh nhân.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong sản xuất

Tối ưu hóa sản xuất với các model Ultralytics YOLO. Vision AI thúc đẩy kiểm soát chất lượng, phát hiện lỗi, tuân thủ PPE và tự động hóa dây chuyền lắp ráp.
Tìm hiểu thêm
Real-time AI that works with your operation

Thị giác máy tính trong ô tô

Áp dụng thị giác máy tính trong ô tô với các model Ultralytics YOLO. AI thị giác nâng cao an toàn đường bộ, hỗ trợ người lái và tự động hóa phương tiện cho những con đường thông minh hơn.
Tìm hiểu thêm
Real-time AI tailored to your operation

Thị giác máy tính trong nông nghiệp

Mang AI thị giác vào nông nghiệp thông minh với các model Ultralytics YOLO. Tăng cường giám sát mùa màng, theo dõi vật nuôi và canh tác chính xác để đạt năng suất cao hơn, thông minh hơn.
Tìm hiểu thêm
Real-time AI that works with your team

Thị giác máy tính trong lĩnh vực robot

Tăng cường sức mạnh cho các cỗ máy thông minh hơn với các model Ultralytics YOLO. AI thị giác trong lĩnh vực robot thúc đẩy khả năng điều hướng tự hành, nhận thức, theo dõi đối tượng và điều khiển thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong logistics

Tối ưu hóa logistics với các model Ultralytics YOLO. Vision AI hỗ trợ kiểm tra hàng hóa, phân loại, theo dõi phương tiện và giám sát an toàn kho bãi trong thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong bán lẻ

Tái định hình bán lẻ với các model Ultralytics YOLO. Vision AI thúc đẩy theo dõi hàng tồn kho, giám sát kệ hàng, quản lý hàng đợi và thông tin chi tiết thông minh hơn về khách hàng.
Tìm hiểu thêm
Real-time AI that works with your team

Thị giác máy tính trong y tế

Xây dựng các giải pháp y tế với các model Ultralytics YOLO. AI thị giác trong y tế hỗ trợ chẩn đoán hình ảnh y khoa nhanh hơn, chẩn đoán thông minh hơn và theo dõi bệnh nhân.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong sản xuất

Tối ưu hóa sản xuất với các model Ultralytics YOLO. Vision AI thúc đẩy kiểm soát chất lượng, phát hiện lỗi, tuân thủ PPE và tự động hóa dây chuyền lắp ráp.
Tìm hiểu thêm
Real-time AI that works with your operation

Thị giác máy tính trong ô tô

Áp dụng thị giác máy tính trong ô tô với các model Ultralytics YOLO. AI thị giác nâng cao an toàn đường bộ, hỗ trợ người lái và tự động hóa phương tiện cho những con đường thông minh hơn.
Tìm hiểu thêm
Real-time AI tailored to your operation

Thị giác máy tính trong nông nghiệp

Mang AI thị giác vào nông nghiệp thông minh với các model Ultralytics YOLO. Tăng cường giám sát mùa màng, theo dõi vật nuôi và canh tác chính xác để đạt năng suất cao hơn, thông minh hơn.
Tìm hiểu thêm
Real-time AI that works with your team

Thị giác máy tính trong lĩnh vực robot

Tăng cường sức mạnh cho các cỗ máy thông minh hơn với các model Ultralytics YOLO. AI thị giác trong lĩnh vực robot thúc đẩy khả năng điều hướng tự hành, nhận thức, theo dõi đối tượng và điều khiển thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong logistics

Tối ưu hóa logistics với các model Ultralytics YOLO. Vision AI hỗ trợ kiểm tra hàng hóa, phân loại, theo dõi phương tiện và giám sát an toàn kho bãi trong thời gian thực.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong bán lẻ

Tái định hình bán lẻ với các model Ultralytics YOLO. Vision AI thúc đẩy theo dõi hàng tồn kho, giám sát kệ hàng, quản lý hàng đợi và thông tin chi tiết thông minh hơn về khách hàng.
Tìm hiểu thêm
Real-time AI that works with your team

Thị giác máy tính trong y tế

Xây dựng các giải pháp y tế với các model Ultralytics YOLO. AI thị giác trong y tế hỗ trợ chẩn đoán hình ảnh y khoa nhanh hơn, chẩn đoán thông minh hơn và theo dõi bệnh nhân.
Tìm hiểu thêm
Real-time AI that works with your team

Computer vision trong sản xuất

Tối ưu hóa sản xuất với các model Ultralytics YOLO. Vision AI thúc đẩy kiểm soát chất lượng, phát hiện lỗi, tuân thủ PPE và tự động hóa dây chuyền lắp ráp.
Tìm hiểu thêm
Real-time AI that works with your operation

Thị giác máy tính trong ô tô

Áp dụng thị giác máy tính trong ô tô với các model Ultralytics YOLO. AI thị giác nâng cao an toàn đường bộ, hỗ trợ người lái và tự động hóa phương tiện cho những con đường thông minh hơn.
Tìm hiểu thêm
Real-time AI tailored to your operation

Thị giác máy tính trong nông nghiệp

Mang AI thị giác vào nông nghiệp thông minh với các model Ultralytics YOLO. Tăng cường giám sát mùa màng, theo dõi vật nuôi và canh tác chính xác để đạt năng suất cao hơn, thông minh hơn.
Tìm hiểu thêm

Hãy cùng nhau xây dựng tương lai của AI!

Bắt đầu hành trình của bạn với tương lai của machine learning