KV-PRM: Modelagem Eficiente de Recompensa de Processo via Transferência de KV-Cache para Escalonamento em Tempo de Teste Multiagente

arXiv:2607.09153v1 Tipo de anúncio: novo Resumo: Os Modelos de Recompensa de Processo (PRMs) têm se mostrado altamente eficazes na orientação de métodos de escalonamento em tempo de teste (TTS), que ampliam significativamente as capacidades de sistemas multiagentes baseados em LLM. No entanto, os PRMs existentes são baseados em texto: eles reprocessam todo o texto da trajetória do zero. Em rollouts multiagentes longos, o custo de pontuação, que cresce quadraticamente em relação ao comprimento da sequência L, cria um gargalo computacional severo, limitando gravemente P...