已收录文章摘要，完整内容可前往原文阅读。
点击下方“AINLPer“，添加关注更多干货，第一时间送达更多精彩内容->专注大模型、Agent、RAG等前沿分享！引言近期，生成式奖励模型（GRM）的进展表明，它通过思维链（CoT）提示能够增强大语