TRM思考奖励模型上线，大模型推理质量终于能量化了

大模型推理能力日益增强，但思考过程的质量同样重要。上海人工智能实验室等机构提出TRM（Thinking Reward Model），直接评估并优化模型的推理过程。TRM通过ME²原则和DAG结构，将高质量推理定义为可度量、可训练的能力，从而提升模型在复杂任务中的表现。

🔗 [论文地址]：https://arxiv.org/abs/2602.08498
🔗 [GitHub项目]：https://github.com/Simplified-Reasoning/TRM