SCPRM：一种用于知识图谱问答的模式感知累积过程奖励模型

大型语言模型擅长复杂推理，但评估其中间步骤仍具挑战。现有过程奖励模型常受风险补偿效应影响，即错误步骤被后续正确步骤抵消，导致有缺陷的推理路径获得高奖励。这在存在多路径的知识图谱推理中尤为严重。为此，本文提出模式感知累积过程奖励模型（SCPRM），通过条件化推理前缀并融入当前步骤与隐式目标的模式距离，提供累积及未来奖励以指导路径探索。进一步将 SCPRM 集成至蒙特卡洛树搜索中，在医疗、法律等风险敏感任务中显著提升了推理评估的准确性。