commanderScott的博客

相比之下，PathFinder-PRM会先进行错误分类： - 第1步：数学√，一致性√ → 奖励分数0.95 - 第2步：数学√，一致性√ → 奖励分数0.37（尽管没有错误，但步骤冗余） - 第3步：数学×，一致性√ → 奖励分数0 - 第4步：数学√，一致性× → 奖励分数0。如果你只看最终答案并说"错了，重做"，这对朋友的帮助不大。传统的PRMs会直接给每一步分配一个分数，比如第1步0.85分，第2步0.63分，第3步0.46分，第4步0.35分，但不会明确指出错误的类型。

PPT编辑是基于html的。

要点：接口规范和提示词工程。对功能描述以及输入输出的详细描述。# 注册一个工具：乘法运算。

Qwen3-VL 系列包含以下变体：Dense 模型： Qwen3-VL-2B, 4B, 8B, 32B。MoE 模型： Qwen3-VL-30B-A3B (Active 3B), Qwen3-VL-235B-A22B (Total 235B, Active 22B)。所有模型均支持 256K 的上下文窗口。训练过程分为预训练（Pre-training）和后训练（Post-training）两个阶段，并在后训练阶段区分了非思考（Non-thinking）和思考（Thinking）两种变体。​。

P800的vllm开源：https://github.com/baidu/vLLM-Kunlun