**HuggingFace论文：确定性PRM引导在离散扩散推理中表现不佳**

_Why Deterministic PRM Guidance Underperforms in Discrete Diffusion Reasoning_

> 该研究指出，在离散扩散语言模型中，确定性过程奖励模型（PRM）引导在同等计算预算下表现不如简单基线。实验显示，PRM在早期去噪阶段信号较弱，导致错误剪枝，且作为最终评判者时准确性不足。相比之下，独立采样结合结果奖励模型（ORM）重排序在GSM8K、MATH等基准上显著优于PRM引导，揭示了dLLM引导需保留正确部分解并依赖最终状态验证器的改进方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.35472)