猫眼影戏
 |
|
猫眼影戏
谢尔盖·尼基金
手机审查
猫眼影戏记者 刘兴元 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：LRST
【新智元导读】最新奖励模子SWIFT直接使用模子天生历程中的隐藏状态，参数规模极小，仅占古板模子的不到0.005% 。SWIFT在多个基准测试中体现优异，推理速率提升1.7×–6.7×，且在对齐评估中稳固可靠，展现出高效、通用的奖励建模新范式 。
在大语言模子的推理增强与对齐历程中，Best-of-N（优中选优）是一种常用的测试时增强战略：模子针对统一输入天生多条候选谜底，再由奖励模子举行评分筛选 。
然而，现有主流奖励模子往往自己规模重大、推理开销高，并严重依赖大规模标注数据，逐渐成为在真实系统中安排的焦点瓶颈 。
为此，上海交通大学、新加坡国立大学、同济大学、伊利诺伊大学芝加哥分校的研究团队提出了SWIFT（Simple Weighted Intrinsic Feedback Technique），一种全新的轻量级奖励模子 。
论文链接：https://arxiv.org/abs/2505.12225
项目主页：https://aster2024.github.io/swift-website/
代码地点：https://github.com/aster2024/SWIFT
模子权重：https://huggingface.co/Aster2024/swift-ministral-8b-deepscaler
SWIFT 不再「读文本」，而是直接使用大语言模子天生历程中爆发的隐藏状态，从中挖掘内在奖励信号，其参数规模仅为古板奖励模子的「不到 0.005%」，却在MATH、GSM8K、HellaSwag 等多个基准上取得更优的Best-of-N效果，并在端到端推理中带来1.7×–6.7×的整体加速 。
同时，该要领在有用性 / 清静性等对齐评估使命中同样体现稳固，展示出作为通用奖励模子的潜力 。
奖励模子
推理增强的「隐形天花板」
Best-of-N的基本头脑并不重大：关于统一个问题天生N条候选回覆，再挑选其中最优的一条 。
然而，在真实系统中，真正腾贵的不但是「多天生」，尚有「怎样评估」 。
目今主流做法通常接纳文本级奖励模子，对每条候选谜底举行完整编码和评分，这带来了多方面的挑战：
模子体量大、推理开销高：奖励模子往往拥有数十亿参数，险些相当于再运行一次大模子；
数据需求高：训练高度依赖人工偏好数据或重大的合成标注流程；
系统扩展受限：当 N 增大时，奖励模子的评估本钱迅速吞噬 Best-of-N 带来的收益 。
因此，一个要害问题逐渐凸显：能否用一种更轻、更快、更易安排的方法，完成候选谜底的高质量筛 ？
隐藏状态中蕴含着模子「对自己谜底的判断」
SWIFT 的起点来自一个主要视察：当大语言模子天生回覆时，其内部各层的隐藏状态自己就携带了关于推理准确性、稳固性与置信度的富厚信息 。
换句话说，模子在「思索」的历程中，已经在内部形成了对目今推理路径质量的判断信号 。
与其特殊训练一个重大的文本模子去「读输出效果」，不如直接从模子自身的隐藏状态中提取这些内在信号，构建一个专门用于打分的轻量级奖励模子 。
这一思绪使得奖励建模不再依赖重大的文本体现，而是转向对模子内部体现的高效使用 。
词元级线性打分+门控加权汇总
SWIFT的整体结构很是精练，但针对奖励建模的需求举行了全心设计，详细而言：
关于天生序列中的每一个词元，网络大语言模子在该词元处的隐藏状态（来自所有层，或选定的部分层）；
通过一个线性映射，同时展望「该词元的奖励分数」和「该词元的主要性门控权重」
使用门控权重对词元奖励举行加权平均，获得整条天生路径的最终奖励分数 。
其中，门控机制使模子能够自动关注对最终准确性更要害的词元（如要害推理办法、数值盘算、结论标记等），从而对整条推理轨迹举行更细腻的评估 。
整个奖励模子的参数规模仅与「层数 × 隐藏维度」成正比，相比古板文本奖励模子实现了数目级的压缩 。
云云轻量
参数规模与训练本钱的数目级差别
与动辄数十亿参数的古板奖励模子相比，SWIFT的参数规模仅为10?量级，在差别底座模子上的详细数值均远低于现有主流计划 。
论文在参数目与训练数据规模的比照中显示：
SWIFT不但模子规模极小，逊需的数据量也显著更低，却依然能够取得具有竞争力甚至更优的性能体现 。
这一特征使得SWIFT在资源受限情形或大规模安排场景中具备显着优势 。
在多个基准上周全逾越主流奖励模子
在数学推理与符号推理等焦点基准上，研究团队系统评估了SWIFT在Best-of-N设置下的体现 。
在MATH、GSM8K、AQuA-RAT、Imbue Code Comprehension、HellaSwag、CoinFlip数据集上，SWIFT在差别底座模子与差别N值设置下，整体准确率均优于多种主流开源奖励模子，且体现越发稳固 。
更主要的是，这些性能提升并非以高昂盘算价钱为条件 。论文进一步报告了端到端推理流程中的现实耗时：在相同的天生设置下，用SWIFT替换古板奖励模子，可带来1.7×–6.7×的整体加速 。
效率优势
时间与盘算量均抵达「数目级提升」
在真实系统中，推理效率往往比离线指标更具决议性意义 。论文通过比照每条样本的平均耗时与盘算量，清晰展示了SWIFT在效率上的优势：平均推理时间显著降低；所需盘算量（FLOPs）镌汰到原有要领的极小一部分；在差别数据集和底座模子组合下均坚持一致趋势 。
效果批注，SWIFT在效率层面实现了真正意义上的数目级优势，为大规模 Best-of-N推理提供了可行路径 。
从推理到对齐
在有用性/清静性评估中体现稳固
SWIFT并不局限于推理准确率的提升 。研究团队进一步在对齐相关评估使命中验证了其通用性 。
在PKU-SafeRLHF数据集上，接纳Best-of-N设置，并使用强模子作为评判标准，对天生效果的有用性与清静性举行评估 。效果显示，SWIFT在这两个维度上均优于多种大规模文本奖励模子 。
这一效果批注，隐藏状态中蕴含的信息不但能够反应推理准确性，也能描绘更广义的响应质量，为奖励模子在对齐评估中的应用提供了新的思绪 。
工程化优势
更轻、更快、与古板奖励模子协同
SWIFT 还展示了多种面向工程落地的扩展方法，使其不但具备理论上的精练性，也具备现实系统中的高度可用性：
部分层训练：消融实验进一步批注，相比模子前层，靠近输出的后层隐藏状态包括更强的推理准确性信号 。仅使用少数后层训练 SWIFT，便可在显著镌汰参数规模与盘算开销的同时，坚持与使用所有层时靠近的性能 。这一效果说明，SWIFT 主要依赖模子在形成最终判断阶段的内部体现，而非早期的表层语言特征 。
仅基于输出漫衍（logits）的训练方法：在无法会见隐藏状态的场景下，SWIFT 仍可仅依赖模子的输出漫衍举行训练 。实验效果批注，纵然在这种受限设定下，SWIFT 依然能够提取到具有判别力的质量信号 。这一特征使其在一定水平上具备与部分闭源大模子兼容的可行性，显著拓宽了现实应用界线 。
与古板奖励模子组合：得益于极小的参数规模（缺乏古板奖励模子的 0.005%），将 SWIFT 与现有奖励模子举行组合险些不会引入特另外系统开销 。论文探索了基于排序选择与加权融合的简朴战略，实验批注，在多个基准上，这种组合方法能够进一步提升推理准确率 。
综合来看，这些工程化特征使 SWIFT 不但可以作为古板奖励模子的高效替换计划，也能够作为现有奖励模子系统中的轻量级增补？，在险些不增添安排本钱的条件下提升整系一切性能 。
总结
奖励建模的新范式
SWIFT 提供了一条差别于「更大模子、更重盘算」的奖励建模路径：
直接使用大模子内部隐藏状态中的内在信号；
以极低的参数与数据本钱，实现高效、稳固的奖励评估；
同时兼顾推理增强与对齐评估，具备优异的工程落地潜力 。
这项事情批注，在大模子推理与对齐领域，性能提升并纷歧定依赖于更重大的外部模子，而可能来自对模子自身内部机制的更深入明确与使用 。
参考资料：
https://arxiv.org/abs/2505.12225
??时势1：巨乳 扒衣 扒开腿狂揉视频动漫9|
??01月29日,制作“鬼秤”出售给不法商家 四川自贡一男子被行政拘留,
“站 。 币桓鲂卓茏璧，手持战矛，恶狠狠的向前刺来 。
,伊人青草久章草AV电影 。??01月29日,青海西宁：探访产业场景供应链一站式采购平台,
清早，雾霭缭绕，山林一片迷蒙 。一线红光在山头上泛起，太阳挣脱了出来，洒下暖洋洋的绚烂，将晨雾都染成了淡金色，流动霞光 。
,扌喿辶畐的资料网站,日本搞黄网站,刘亦菲全身脱得精光视频 。??时势2：AV黄片一级毛片
??01月29日,河北滦平：金山岭银河滑雪场开板迎客,
增强学习，强化素质，这是党委系统办公室事情职员为经济社会生长效劳的条件条件 。我这里所指的学习，不但指一样平常意义上的念书学习，并且有着更高的要求，详细讲，就是要做到“四个坚持”，即，坚持学习的适用性，驻足于管用、能用，全心选择学习内容，对主要的知识，尤其是政治理论，党的蹊径目的政策，要学得深，研究得透，掌握得牢，不可知足于一知半解，蜻蜓点水;坚持学习的普遍性，尽可能多地涉猎知识，拓宽视野，不强求门门精，但必需做到样样通;坚持学习的立异性，向下层和群众学习，敢于突破一些与时代生长不相顺应的事情理念和事情模式，善于用新的思绪、新的途径、新的步伐来解决办公室事情中遇到的新矛盾和新问题;坚持学习的经常性， “在事情中学习，在学习中事情”，通过坚韧不拔地受苦学习和实践磨炼，抵达张口能讲、提笔能写、遇事能办，使自己成为党委系统办公室事情的行家里手 。事情中要战胜“三个误区”：一是要战胜办公室事情主要就是搞文字事情的误区，养成多思索的习惯 。确实，作为一名党委办公室事情职员，具有一定的文字功底十分主要，可是，办公室的文字事情决不可知足于一样平常要求，而应该重在为向导出思绪 。各人一定要养成勤于动脑、善于思索的习惯，突出“以文辅政”这一灵魂，增强政策理论学习，连系党委中心事情举行认真思索，捉住一切可使用的时间和时机，深入相识、准确掌握下层情形，力争在各方面比向导知道的更多、更详细，从较高条理和更辽阔的视野富厚和完善向导的头脑看法，使更多的文稿进入决议，施展作用，指导全局事情的开展 。二是要战胜为向导效劳只能是被动效劳的误区，养成善总结的习惯 。在向导身边事情，并不料味着向导让干什么就干什么，各人要化被动为自动，充分使用直接为向导效劳的优势，善于学习和总结向导的头脑要领、向导艺术，学会站在党委的高度、向导的高度、全局的高度研究和思索问题，力争在思绪上与党委事情合拍，与向导头脑同步，起劲作育自己统揽全局、高瞻远瞩、开拓立异的立体化头脑能力 。三是要战胜办公室只要按部就班就不会出大问题的误区，养成重修养的习惯 。各人都知道，党委办公室的每一项事情都很主要，大到办文办会，小到接个电话、收份文件、转达信息，一旦失误，往往难以填补 ？梢运，“办公室事情无小事”，做好办公室事情，一样需要我们掌握纪律，开拓立异，坚持详尽再详尽，周密再周密，包管党委事情的高效有序运转 。因此，希望各人增强修养，严于律己，坚持头脑苏醒，坚定政治态度，起劲做一个品行高尚、无私贡献的人 。
,35w6,CC,xhs小黄书,中文三 级 黄 色 片 。??01月29日,中方：红海局势紧张是加沙冲突外溢的突出表现,
4、消防清静 。榨取随意燃放鞭炮，不得玩火，不得烧山毁林，更不得销毁他人财物，不得损坏消防器材和照明设施，造成损失的要照价赔偿，情节严重的将依法追究其责任 。学会火灾时准确的逃生自救要领 。
,日韩一线一区,欧美性爱手机免费,黄片麻豆 。??时势3：最近中文字幕MV2018免费看
??01月29日,三峡升船机2024年计划性停航检修启动,
同砚们，中考虽然是一次很主要的选拔性考试，关系到未来能上一所什么样的高中，可是这并不料味着中考乐成与否就是人生的成败 。各人都会有书可读 。哪一所高中包括中专、技校都出人才，最要害的照旧在于我们自己以后的起劲 。因此，面临中考，我希望同砚们既要严肃认真全力以赴，又要坚持一颗寻常心 。
,久操免费视频,亚一区二亚洲,有没有嗯多个男人和一个女人做爱的高清视频黄色的aa片 。??01月29日,未成年人文身，检察官出手联合治理,
六、在我们的一样平常生涯中，当发明有人落水时，不可冒然下水营救，应连忙高声呼救，同时将救生圈、竹竿、木板等物抛给溺水者，再将其拖至岸边 。
,人人性欧美,911国产自产高清,美女A片免费网站 。??时势4：中文字幕33页一区
??01月29日,香港投资推广署：香港正形成体育产业生态圈 冀吸引更多企业落户,
就在这一刻，小不点的脊背也一阵冰寒，像是坠入了冰窖中，随着青鳞鹰极速航行，这种感受才逐步消逝 。
,13禁 网站免费,精品免费看,阿aA 在线 。??01月29日,探索综艺带动地方文旅 目的地推介计划正式启动,
一是强化清静意识，紧抓清静事情不松开 。每月举行了清静隐患排查，发明问题实时落实整改 。购置了二十多个灭火器，实现了教学楼、综合楼、睡房的每层楼及主要部位都配备了灭火器 。中心小学装置了一键式报警器，购置了警棍、钢钗及警服，严酷了门卫制度 。
,柳神3dmax动漫,人人妻人人澡人人爽人人精品,阿朱三部曲夸克 。责编：张进真
审核：林耀明
责编：郭子睿
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
