MedPRMBench：面向医疗推理的过程奖励模型细粒度基准

针对现有过程级奖励模型（PRM）基准缺乏医疗领域覆盖的问题，本文提出 MedPRMBench，这是首个专为医疗推理设计的细粒度基准。该基准基于临床推理蓝图，涵盖七类数据源、14 种错误类型及四级严重程度分级，包含大量步级标签数据。实验表明，基于该基准训练的 PRM 能显著提升下游医疗问答准确率，并揭示了当前模型在医疗推理错误检测上的关键缺陷，为未来研究指明方向。