猫眼影戏
 |
|
猫眼影戏
温瑞塘河
手机审查
猫眼影戏记者 安布里姆 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模块，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：a4yy午夜
??01月30日,英国经历新一轮铁路罢工,
经由多年招飞事情的实践，我 ；哿烁缓竦穆睦，招飞事情现已成为学校教育教学事情中的亮点。我校自1998年以来，已有17名学生圆了蓝天梦，其中徐于豪和鲍一民同砚入选空军航空大学“清华精英班”。武义一中被南京军区空军政治部评为招飞事情先进单位。招飞事情的突出，与我校矢志不渝的搞好保苗育苗相关事情，扎实开展学生身体训练、心品训练、文化训练是分不开的。而军训作为新生入学的第一课是很是须要的。这不但是一次体能的磨练，更是一次意志力的磨练。希望你们通过军训，增强国防看法，作育坚定顽强的意志，克难攻坚的意识，受苦耐劳的作风，坚韧执著的品质，并最终把这种勇于拼搏、起劲进取的精神带到以后的学习生涯中去，为我们的高中生涯涤讪坚实的基础。
,www.bbixx8.com。??01月30日,美国旧金山民众抗议福岛核污染水排海,
随着信用卡的普及和使用，信用卡逾期成为了一个普遍保存的问题。关于招商银行信用卡持卡人来说，逾期还款是否会导致起诉成为了一个关注的焦点。本文将围绕这一问题睁开讨论，探讨招商银行信用卡逾期是否会引发执法纠纷。 一、招商银行信用卡逾期会起诉吗 可能会。 若是招商银行信用卡持卡人逾期还款严重且长期未能...
??时势2：日本在线观看永久免费网站
??01月30日,内蒙古：群众冰雪运动氛围日渐火热,
石林虎与石飞蛟两人并肩站在一起，一同瞻仰空中的凶禽，释放祖器的实力，狞恶气息如洪流一样平常逆天而上。
,黑大粗,性欧美喷潮A片,男生打 视频gvwww。??01月30日,到家服务迎来消费热 上门做减脂餐需提前一周预约,
他们守着原始山林长大，自然知道其中的危险，有种种凶物，连他们的父辈进入山林都需要审慎小心，不然会丧命。
,国语自产拍在线观看对白,鲁大师免费日韩,2021天天躁夜夜躁狠狠躁。??时势3：久久中和网
??01月30日,中国“乌兹别克斯坦文化日”在京开幕,
同砚们 ，让我们一起起劲做到：人人会磨炼，个个善运动，增强身体素质，争做阳光学生。让我们一起行动吧!
,黄色视频A级野站,色婷婷综合久久久久中文一区二区,欧美aⅴ在线亚洲天堂在线。??01月30日,国家统计局：2023年中国城镇调查失业率比上年下降0.4%,
形势极其危急，石村众人性命随时会所有葬送。
,成人涩涩漫画,在线观看免费的黄色视频,少妇粉嫩小泬白浆流出。??时势4：欧美国产巨大杨幂最新
??01月30日,国台办：一个中国原则是国际关系基本准则和国际社会普遍共识,
村看村,户看户,群众看村干部。村干部是村级经济社会生长的领路人，是贯彻落实市委、市政府决议决议的最直接组织者和实验者，在下层处于要害职位，作用至关主要。村(社区)干部素质的崎岖、能力的强弱、作风的优劣，直接关系到一个村，一个地方经济和社会各项事业的生长。新一届村两委班子选举竣事后，一批有知识、有能力的年轻被选进村级班子，为村级班子增添了新的血液和活力，村级班子结构进一步优化。可是部分新进班子的村(社区)干部，现在对村情民情还摸得不透，事情思绪还不敷清晰，事情角色还没有完全转变;个体继任的村(社区)干部，也仍然保存生长看法、事情要领等方面不可完全顺应新形势要求的征象。举行村(社区)干部集中培训班，就是要强化农村下层干部宗旨意识，提高效劳群众的能力;强化责恣意识，提高抓班子、带步队，维护农村社会协调稳固能力;强化生长意识，提高营生长、思生长，引领农村(社区)经济生长、向导群众脱贫奔小康的能力;强化清廉自律意识，提高拒腐防变能力。同志们一定要提高熟悉，转变看法，务必以高度的紧迫感和责任感，强化熟悉，更新看法，凭证“三高三强”( 政治素质高、文化水平高、群众威信高，生长能力强、效劳能力强、协调能力强)的要求，一直提高自身素质，起劲成为群众信任的农村事情向导者。
,66J8影院在线,欧美一级在线看片,▇榴莲视频▇在线无码观看。??01月30日,天津：勇立潮头乘势起 奋楫笃行谱新篇 ,
尊重的列位向导，列位来宾，女士们、先生们各人上午好!
,女男性黄网AAAAA片,永久免费AV无码网站韩国毛片,久久99精品久久久久久中文字幕的。【川渝特高压交流工程重庆段完成验收】
责编：蔡雪洁
审核：张君
责编：李爱
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
