首页
/ OpenReasoner项目中PRM模型Step Tag处理Bug分析与修复

OpenReasoner项目中PRM模型Step Tag处理Bug分析与修复

2025-07-08 05:06:57作者:余洋婵Anita

问题背景

在OpenReasoner项目的数学推理训练过程中,研究人员发现当运行train_math.py脚本时,程序会在PRM(Preference Reward Model)模型的奖励计算阶段抛出数组越界异常。具体表现为在获取推理步骤得分时,尝试访问空张量的最后一个元素导致IndexError。

错误现象分析

错误发生在PRM模型的get_reward方法中,当代码尝试获取step_score[-1]时,发现step_score实际上是一个空张量。通过调试发现,关键问题出在对推理步骤标记(step tag)的处理上。

根本原因

经过深入排查,发现问题源于step tag的tokenization过程。在原始代码中,step tag("ки")前面被意外添加了空格,导致tokenizer将其识别为两个不同的token:

  • 无空格"ки" → token ID: 16748
  • 有空格" ки" → token IDs: 7665, 1802

这种差异使得模型无法正确识别和处理step tag,最终导致step_score计算结果为空。

解决方案

修复方案非常简单直接:确保step tag前没有多余空格。具体修改是将PRM模型中的输入拼接代码从:

inputs_for_prm.append(f"{o}{a} {self.step_tag}")

改为:

inputs_for_prm.append(f"{o}{a}{self.step_tag}")

即删除{a}和{self.step_tag}之间的空格。

技术影响

这个修复确保了:

  1. step tag能够被正确tokenize为预期的单个token
  2. PRM模型能够准确识别推理步骤边界
  3. 奖励计算能够正常获取每个推理步骤的得分

对于数学推理训练任务而言,正确的step tag处理至关重要,因为它直接关系到强化学习过程中对中间推理步骤的奖励信号计算。

经验总结

这个案例提醒我们,在使用基于token的模型时,需要特别注意:

  1. 特殊标记的tokenization一致性
  2. 空格等不可见字符对tokenization的影响
  3. 输入拼接时的格式控制

特别是在多模块协作的系统中,一个模块的输出格式必须严格匹配另一个模块的输入预期,否则可能导致难以察觉的错误。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8