输入一个热词，快速查看术语含义、常见场景和相关概念。
集中展示常见热词解释，方便按概念和场景继续浏览。
Process Reward Model（过程奖励模型）是一种在强化学习中为中间步骤提供奖励信号的模型，区别于仅关注最终结果的传统奖励模型。它通过评估每一步推理的正确性，引导模型生成更可靠的解决方案，尤其适用于数学、编程等需要多步推导的任务。
近期常被查询的 AI 概念。
