首页
下载APP
首页
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
《三级中文在线视频》，《Q8X2R7L1T4J5M9B6W3》中文字幕97超碰 伊人
“a片在线看片亚洲最大网站”
中文在线欧美
……
01月29日
“国产精鲁鲁在线观看免费视频”胡塞武装称制定重要计划打击以色列
↓↓↓
01月29日，内塔尼亚胡回应以军对伊朗打击：精确有力，实现所有目标，馃崒馃崙馃崒馃敒馃惢html，FreeFireMAXloadapk2024，高潮呻吟在线无码免费，最广黄色网站免费进入
01月29日，海外华裔青少年走进华农 体验中国农耕文化魅力，亚洲视频在线观看不卡，色伊人网站，wwwbbbb，成年网站在线观看
01月29日，判处有期徒刑三年 李佩霞受贿案一审宣判，国产男女羞羞爽爽免费版视频，国产男女乱伦激情免费视频，8090午夜永久一级A片毛，欧洲成在人线免费视频a
01月29日|中国科研人员发现十种蜘蛛新物种|无码毛片视频一区二区无码|欧美性交免费看|欧美成啪啪啪|被老板抱进卧室狂躁我主演是谁
01月29日|特朗普宣布马斯克与拉马斯瓦米将领导“政府效率部”|小 伸进 免费|鉂屸潓|欧美性爱视屏久草|关小雨被 黄漫扒衣服
01月29日|香港明星足球队4月开启浙江行 黄日华等港星同场竞技|刻晴18禁|国产老熟女毛片视频|影音先锋最新av资源网|欧美一站……
01月29日，今晚第一场！看王楚钦孙颖莎奥运后混双首秀，一级毛片免费手看片，男人阳茎伸入女人下部视频，一级片999，国内自拍骚视频
01月29日，新春将至 广州年桔迎成熟季，人人干人人操用力插嗯啊，国产精品一二三区在线观看，亚洲欧美vr色区，国产免费黄色视频大全
01月29日|巴西闽商联合会第四届理监事就职 林本昂任会长|国产91调教丝袜在线|三级片的网站有哪些|99re这里只有精品2|一级在线高清全视频
01月29日，唱歌谈戏吟诗 洪秀柱深大演讲期许两岸和平，欧美国产91自拍视频，火影忍者野原琳被C爆乳，日韩无码黄色视频，触手洗脑1.9.3汉化版
01月29日，在深创业台青向洪秀柱分享创业经历 直言大陆机遇多，欧美真人性爱一线黄片在线免費观看，日aa视频，美女撒尿秘 无遮挡，陈美娇花园大酒店一打七
01月29日，沈阳市社会各界捐赠物款支援葫芦岛救灾工作，国产成 人 免 网站在 线大全，欧洲三级片，殴美金发性爱网站，成年美女黄网站色在线观看
01月29日|在黑色煤田上书写“绿智答卷”|91POPNY.com|国产精品美女久久久久9999|黄的都免费|男男gay做爽爽的视频无打码91
01月29日|北京三年筹集彩票公益金超50亿元 支持养老助残体育等公益项目|香蕉色狼网站。|插插插综合久久|国产淫视|www.一級黃色視頻
01月29日|北京海淀发生一起持刀伤人案件 5人受伤 其中3人为未成年人|不见星空汉服完整播放|曰批视频免费观看|游戏被 到爽 巨乳|十八岁以内人
小米SU7成50万内最期待车型，以闪亮之名机甲套装引争议|甘肃搭起连通国内外的“空中桥梁”|午夜乱伦小说网|爱操综合|欧美乱伦性爱视频|www网站黄
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
广西有近一半人口讲粤语 常年在粤务工人员达600多万
一图看懂：支持大龄领取失业保险金人员参加企业职工基本养老保险
中国泵道联赛总决赛在沈阳举行 120名全国泵道顶尖高手上演“速度与激情”
合肥地铁8号线完成首列列车上线热滑
庆建团40周年 天津市青年京剧团携三台经典大戏唱响梅大
中新健康丨国际最新健康研究：牛奶摄入增加与部分人2型糖尿病风险降低有关
从农场到市场：元江芒果产业背后的“侨”力量
习近平致电祝贺齐塞克迪当选连任刚果（金）总统
用心用情用力办好“群众温暖过冬”大事
云南镇雄县凉水村山体滑坡救援：第4名被困人员被救出
美女a片
国产自产不卡福利
锕锕锵锵锵铜铜铜
英语老师乖乖拉下裙子作文
夜间视频网站
免费黄色不卡小视频
www.642av.com
5 2 3 3 0詀m y华丽少女
欧美亚洲视频在线观看
日本一区二区偷拍综合自拍图片
闽公网安备 35010302000113号