猫眼影戏
 |
|
猫眼影戏
魏永贤
手机审查
猫眼影戏记者 周志鸿 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：天天操老太自拍干B
??01月31日,“我把家乡唱给你听·海峡情”音乐颁奖盛典举行：在悠扬的歌声里，唱响海峡深情,
一是要把农民群众的利益放在首位 。 “事情法”的焦点内容，就是把农民群众的利益放在首位，把党和政府的要求与黎民愿望很好地连系起来，通过科学治理、立异要领，有用提高下层政权的执政水平和群众知足度 。“事情法”是把科学生长观落实到农村现实、使干部和群众面扑面心知心、使下层党组织联系效劳群众的事情法，是起劲应对农村社会治理挑战、化解农村社会矛盾、因地制宜求实效、解决问题出实招的事情法，是新时期州里党委的出路 。在详细事情中学习和运用“事情法”， 就是要在事情中始终将农民群众的利益放在首位，切记一心一意为人民效劳的宗旨，清正清廉，起劲做到“为官一任，造福一方黎民” 。作为州里党委向导干部，一定要做人民群众的知心人，要经常到村里去，到农民家里去，到田间地头去，相识农民群众的所思所想所忧所盼，交农民群众的知心朋侪 。要从与群众生爆发涯亲近相关的详细事情做起，从群众最不知足的问题抓起，每年有妄想地干几件改善民生的实事，踏扎实实地为老黎民办实事、解难事、做好事 。
,亚洲视频在线观看黄色 。??01月31日,泰国南部遭遇严重洪灾已致25人死亡 超66万居民受灾,
“新闻可靠吗，是真的吗？”更高条理的洞天福地中，许多人震惊 。
,巨乳 挤奶 动漫视频,国产日韩欧美,A级黄色网站入口 。??时势2：馃敒馃埐馃埐
??01月31日,习近平致电祝贺丹麦国王腓特烈十世即位,
做好小我，方能玉成大我 。我们在这次疫情中，也学到了许多，在院士的授课中也给我们提了建议 。首先，使用假期富厚自我，做盛意理调控 。自疫情起，我们大学生也最先上网课，云课堂学习，宅在家的日子也不忘充分自我 Ｉ杏刑嵘中畔⒌哪芰峋霾辉煲ァ⒉恍乓，听中央指挥，科学防控，并宽慰身边的人 。作为大学生更应该体贴国家大事，增强自身本事，起劲对社会做孝顺 。
,黄色日屄视频,美国A片又大又长,欧美A‘级黄色视频播放 。??01月31日,亚洲第一深水导管架“海基二号”将安装,
前后比照，落差太大，与想象的完全纷歧样 。
,中文字幕精品亚洲一区,捆绑紧缚电击口球漫画,樱花视频人像高清拍摄免费版官方版下载 。??时势3：午夜欧美一级直播
??01月31日,浙江交通观察：路通何以助力百业兴？,
“柳神说，这是一次很是主要的磨砺，需要我走上一趟 。”小不点启齿 。
,黄色网站免费在线可以观看,女王止寸倒计时控精网站,4444kkk 。??01月31日,云南镇雄山体滑坡：已搜寻到10名失联人员,
众人晕菜，这个小工具怎么什么都不知道，岂非真的是从原始老林子里跑出来的？
,www.性交,888www毛片,性福利影院 。??时势4：www.0731888888.com
??01月31日,学习时节丨全国两会上，总书记这样强调文化自信,
2、遇到有人向你要钱、要物要冷静、冷静 ？上认蛩撬得髂忝挥写，让他们跟你到学校去取钱，可趁机先生或报警;也可向过往的行人求救，回抵家里后把情形告诉怙恃 。
,欧美邪恶三级片黄片,超碰天堂,小,穴,想要视频 。??01月31日,专科“逆袭”硕士的热血青年：梦想不可阻“篮”,
显着是一个聪慧生动的孩子，现在却成了这个样子，让许多西崽都随着心酸，不忍眼见 。
,久久久久久性高潮精品,亚洲三级黄色性视频,HEISI视频网站 。责编：圣克鲁斯
审核：薛保逊
责编：胡允源
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
