提出DC-W2S框架,通过融合自一致性(SC)与邻域一致性(NC)对弱监督信号进行可靠性分层,并结合实例级采样与标签级掩码策略,训练出无需大量专家标注即可可靠评估生物推理过程的Process Reward Model(PRM)。
机构:Genentech
来源:arXiv 2603.08095 | AI4Papers 论文推荐平台