题目 ID: q-5484

Best-of-N：通过让大模型输出N个回答，然后通过不论Verifier、ORM还是PRM（PRM可以给出步骤奖励加权和作为整个回答的分数）给出每个回答的分数，然后选择其中最高的（Best）作为最后的回答