यह शोधपत्र प्रक्रिया पुरस्कार मॉडल (PRM) की Limitations को संबोधित करने के लिए, जो गणितीय तर्क कार्यों में एक महत्वपूर्ण भूमिका निभाता है, स्थूल-से-सूक्ष्म प्रक्रिया पुरस्कार मॉडल (CFPRM) का प्रस्ताव करता है। LLM द्वारा उत्पन्न अनुमान चरणों में अक्सर वृद्धिशील जानकारी का अभाव होता है और वे निरर्थक होते हैं। CFPRM इस अतिरेक को कम करने के लिए एक पदानुक्रमित ग्रैन्युलैरिटी प्रक्रिया का उपयोग करता है। यह पहले आसन्न अनुमान चरणों को मिलाकर एक स्थूल-कणीय चरण बनाता है, और फिर सूक्ष्म-कणीय चरणों को निकालने के लिए विंडो के आकार को धीरे-धीरे कम करता है। हम दो अनुमान डेटासेट और तीन हानि मानदंडों का उपयोग करके प्रयोगों के माध्यम से CFPRM की प्रभावशीलता और बहुमुखी प्रतिभा की पुष्टि करते हैं।
