猫眼影戏
 |
|
猫眼影戏
洪玉钦
手机审查
猫眼影戏记者 陈霜华 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：性生一级二十分钟免费
??01月29日,跑出新医科发展加速度,
列位先生 ，学校将将20xx年的中考重任托付给了我们 ，我们自当竭尽全力 ，配合绘制镇中优美的蓝图。有学校的准确 ，有列位先生的同心起劲 ，我相信“三年磨励终将策马闯雄关 ，一朝试锋定能扬眉奏凯歌” ，我坚信明年的6月硕果会更香甜 ，20xx年中考效果揭晓我校上空的礼花会越发绚烂。
,美女扣逼网站。??01月29日,2024柏林葡萄酒大奖赛冬季赛结果揭晓 中国区斩获88枚大奖,
同砚们 ，你们竣事了高一年级的学习 ，竣事了漫长而愉快的暑假 ，跨进了高二 ，最先了新的学习征程 ，先生祝贺你们有了一个崭新的最先。
,黄色A.视频,芙宁娜扒开胸罩 给男生看,国产黄色一级片久久。??时势2：射交视频免费网站
??01月29日,（寻味中华｜戏曲）云南滇剧：300年乡间“年戏”温润年轻人,
??01月29日,云南两校获“飞虎队友谊学校”授牌 赓续中美民间友谊,
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。
,亚洲第一第二区,欧美哟哟,欧美性爱视频一区二区三区。??时势3：乱伦小说网尤物视频亚洲
??01月29日,台湾11月CPI同比增长2.08％ 菜价、房租涨幅大,
这群娃子连窜带蹦 ，一起冲向湖泊 ，噗噗噗通声响起 ，都一猛子扎进水中 ，不然身体发烫 ，跟烧起来了似的。
,美女脱 露出 吃我的奶,暗夜AV,欧美激情第1页一区二区三区。??01月29日,江西永修：秸秆回收再利用 变废为宝增效益,
五是要在遵章守制上实现新突破 ，让干部越发“有规则”。 没有规则不可周遭。要把守纪律讲规则摆在越发主要的位置。我们的干部主流是好的 ，能够规规则矩做人做事 ，但也有个体人语言效劳不讲规则 ，待人接物不守规则。 一要令行榨取 ，与党委政府坚持高度一致。 要自觉遵守“小我私家听从组织 ，少数听从大都 ，下级听从上级”的组织原则 ，维护党的向导 ，坚决执行党委、政府的决议安排 ，确保政令流通和信息流通 ，禁绝我行我素 ，自行其事 ，禁绝上有政策 ，下有对策 ，禁绝有令不可 ，有禁不止。 二要遵守执法 ，不做违法乱纪的事。 要自觉增强自身修养和党性磨炼 ，自觉做到自爱、自重、自律 ，确保清廉勤政。在事情中要坚持和执行民主集中制 ，重大问题经整体研究确定 ，切忌专断专行;要在社会生涯中带动遵法 ，通常执法划定的 ，要认真做好 ，通常执法榨取的 ，坚决不做。 三是要严守纪律 ，树立好的干部形象。 从全镇情形看 ，尤其是机关上尚有一些同志保存“走读”征象 ，迟到早退 ，甚至整天不晤面 ，有的人虽然在其位 ，但也是出工不着力。我们要通过严酷的规章制度 ，切实扭转这一状态。希望各人认真比照反省 ，有着改之 ，无则加勉。
,黑料网色情网站,又粗又硬又大又爽免费A片,白丝爆浆。??时势4：田小玟同人18 羞羞
??01月29日,最高检：六年来超80%犯罪嫌疑人在检察环节认罪认罚,
从回忆走回现实 ，我很清晰 ，前方的路不可能平展 ，只会更曲折 ，更艰险 ，随着学识的增添 ，竞争的压力也会日益增强 ，但我决不会畏缩 ，向来秉持的信心告诉我 ，每小我私家所遭受的外部压力是相等的 ，轻松与否是心态的差别罢了 ，以寻常心去面临 ，我可以做得比别人更好!同时 ，我们还应记着一点 ，削弱敌手实力的最有用的手段 ，就是――让自己变得更强!以是 ，我们必需首先吸收大宗的新知识 ，一直地充分自己。
,午夜成年黄色免费,官网人人爱人人摸人人操,在线看污的视频。??01月29日,李娜郑钦文两代亚洲之光，湖北如何成为网球人才高地,
“族长这是什么猴子 ？”有孩子问道。
,桃屋猫漫画之三国黄月英,亚洲一区二区在线视频,色湿影院免费看。【民政部：将进一步增强居家社区养老服务供给能力】
责编：刘天纵
审核：王光亚
责编：罗星综
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
