谷歌DeepMind發布GenRM技術，通過創新獎勵模型增強生成式AI推理能力，提高大語言模型性能。GenRM能無縫集成指令調整，支持思維鏈推理，優化結果質量。在推理任務中表現優于傳統驗證器，標志著AI獎勵系統的重要演化。