プロセスリワードモデルとは

PROCESS REWARD MODEL PRM
読み: プロセスリワードモデル

プロセスリワードモデルとは、Process Reward Modelは、LLMが回答に至るまでの推論プロセスを段階的に評価し、各ステップの正しさに報酬を与える仕組みである

読み: プロセスリワードモデル

最終的な正解のみを評価する従来手法と異なり、思考過程の妥当性を担保できる。

同じ失敗を二度としないAIエージェント

今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。

当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。

古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。

相談する