上海AI实验室等提出TRM思考奖励模型，给大模型推理过程打分 | ICML'26 Oral

上海人工智能实验室、上海交通大学、香港中文大学团队提出TRM（Thinking Reward Model），用ME² principle和DAG-based pairwise evaluation给大模型推理过程打分，把"想得好"变成可训练的奖励信号。