中国科学院列出大语言模型推理可靠性研究

事实摘要

中国科学院科研进展页面显示，页面发布时间为 2026-07-31，来源为合肥物质科学研究院。

页面记录，合肥物质科学研究院相关团队在大语言模型强化学习与推理可靠性研究中取得两项进展：从因果信息论角度证明过程奖励模型相较结果奖励模型的优势，并提出用于评估大语言模型推理可靠性的 OPG-D^3 基准。页面说明两项研究成果被 ACL 2026 接收。