#过程奖励模型

利用PRM监督生成式推荐模型（PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations）

利用PRM监督生成式推荐模型的中间解码步骤，并由此获得test-time scaling的能力，在推理阶段仅需增加少量计算量就能稳定提升性能。