现成大语言模型作为过程评分器：数学推理中无需训练的 PRM 替代方案

本文提出块级引导生成（Chunk-Level Guided Generation），一种无需训练的创新方法，利用现成大语言模型作为过程评分器来指导小模型的数学推理。该方法在每一步采样固定长度的候选文本块，由大模型基于似然性进行评分并选择最优块，从而在错误传播前纠正推理路径。实验表明，该方法在多个数学基准测试中显著优于多数投票，并在匹配计算预算下媲美或超越需专门训练的奖励模型引导搜索，同时生成更短的推理轨迹。