猫眼影戏
 |
|
猫眼影戏
崔亚丽
手机审查
猫眼影戏记者 吴京 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：女生 和男生
??01月29日,首届世界南少林咏春拳大赛总决赛福建福清举行,
“真爽啊!”我心里美美的，“哼!我的妈妈还说我骑车不可，要慢点，真没劲!”我在想着得时间，听到一个小同伴的呼叫，心一走神，我的车把来了一个360度的大转弯 。我的头脑一下子空缺了，听到同伴的着急的啼声，我回过神来 。啊!我看到了血，腿上，胳膊上都流了血，嘴太疼了，一摸，嘴唇上掉了皮，嘴里的两颗前门牙磕掉了一半 。我的新裤子也裂了个大口子 。我动了动胳膊和腿没太大问题 。我真后悔，若是把嘴磕裂了，把胳膊摔折了，我怎样去上学呀!我的泪掉了下来 。
,麻豆传媒视频观看 。??01月29日,腊八将至年味渐浓 江西南昌：花市销售旺 商家备足货源,
(四)开展案防事情试评估，引发内生动力 。各银行业金融机构要围绕案防事情组织、制度及质量控制、案防事情执行、监视与检查、审核与问责等方面内容开展20xx年案防事情试评估，凭证法人认真原则，细化对分支机构自我评估的事情要求 。要通过评估，查找内控治理和案防薄弱环节，严酷落实整改 。羁系部分要实时对银行业金融机构试评估情形举行羁系评价 。
,黄色高清视频无码,成年人看黄在线网站,一级欧美一级日韩 。??时势2：黄页网站在线观看高清
??01月29日,联播观察｜关键词看改革 自主可控的产业链供应链,
虽然，面临矛盾凸显期，刷新的攻坚期，社会转型期的大情形中，我们所面临的压力很大 。可是，我以为，选择当干部就应该准备遭受一定的压力，有压力才有动力，事情就是扛着压力干出来的，铆足劲头闯出来的 。我们为什么抓项目的刻意那么大?一方面是顺应生长的需要，另一方面也是乡财务难题逼出来的，有压力才华出效益 。现在对干部的要求越来越高，依法处置惩罚各项事情越来越严，责任追究的力度越来越大，这就迫切要求我们越发懂政策、懂执法、重现实，自动、无邪地开展事情，决不允许搞“上有政策，下有对策”，决不充许“踢皮球，撂担子”更不允许拿着政府的津贴“虚以应付，阳奉阴违，弄虚作假” 。
,老头树林HDXXXX69最新消息,欧洲老熟妇性做性视频,欧美性爱一,二,三区 。??01月29日,湖北楚纪南故城发现战国早期城墙,
这种情形太恐怖了，要知道这可不是一样平常的地方，为远古鲲鹏的道场，诸雄在这里脱手很难破损山石等 。
?第二百五十八章 鲲鹏符骨,男女一级a做的片性视频,老师 狂揉下部,国产精品久久毛片高清 。??时势3：美女黄色a片av网站www
??01月29日,老郑州新青年 郑州商城遗址“五一”假期有点潮,
去年12月，在我镇十二届人大一次聚会上，对我镇以后五年的生长作出了新的妄想，明确提出了以后五年我镇的经济生长的主要目的：经济总量翻一番，财务收入增五倍，人平收入达万元，周全建成小康镇 。到20xx年详细要实现海内生产总值6.93亿元;工业销售15亿元;财务收入6550万元;农民人均纯收入1.045万元 。
,66色吧超碰97人人做人人爱,一区二区在线免费,图书馆的女朋友动漫全集免费观看在线观看完整版樱花动漫 。??01月29日,探访浙江规模最大的盐田复垦项目,
这样做是为留下一支香火，坚持血脉传承一直，万一谁人绚烂的族群在外被被灭，这里依旧可以延续，始终是一处净土 。
,嗯～啊～快点 死我丁程鑫,99黄片,原神强行扒下乳罩慢慢揉图片网站在线看 。??时势4：www性爱视频网站
??01月29日,重走中国西北角｜探访涌泉村，见证山海情,
(七)准时报送案件情形，确保信息真实准确 。各银行业金融机构和银监局要凭证案件、案件危害信息报送的有关划定，实时、准确报送案件和案件危害信息，严禁瞒报或居心漏报、迟报、错报 。凭证案件希望情形实时报送后续视察、督查、审结、整改情形和案例质料 。对爆发迟瞒报情形的，要举行转达，并举行羁系谈话 。对因迟瞒报造成严重效果的，要追究相关责任职员责任 。
,久久av网址,午夜国产精品第一页,特级黄片AAAAAA 。??01月29日,内蒙古锡林郭勒在边境地区十年新建公路近4000公里,
责编：邓希贤
审核：尤勒
责编：吴敦
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
