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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
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
861
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
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
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
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
332
1.08 K