猫眼影戏
 |
|
猫眼影戏
黄秀惠
手机审查
猫眼影戏记者 庹震 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：在线成年人视频
??01月30日,瑞典戏剧在桂林山水间展示自然融合之美,
在____年，我进入__消防支队事情，庆幸的成为了一名消防警员。能够进入军队事情，是我一直以来的梦想。虽然，我没能去驻守祖国的边防战线，没能去礁守祖国的海域界线，没能去开拓祖国的科技战线，可是，我却走进了霓虹闪灼，人来车往的都会之中，用尽自己所有的实力，捍卫人民的生命清静。那一声声咆哮的警报声，那一辆辆高速奔跑的红色战车，那一张张坚定、无畏的面目，那一束束喷涌而出的水柱，那一层层黑密浓重的烟雾，那一道道灼热燃烧的火光，铸成了一个强烈的战场。战场上那穿梭在浓烟中的身影，正在用生命的实力推行着自身的岗位职责，我们拼尽全力与生死举行屠杀，我们贡献生命，只为人民的生命清静做出包管，我们用我们的所有，谱写着消防的精神乐章。
,黄色高清无码在线。??01月30日,产学研协同 浙江多措并举推进历史经典产业高质量发展,
艰辛斗争，爱岗敬业，始终坚持优异的精神状态和事情作风。艰辛斗争是我党的庆幸古板和优良作风，在任何时间，任何情形下都不可丢掉。上任之初就到革命圣地西柏坡学习考察，重温毛泽东同志关于“两个务必”的主要叙述，招呼全党同志鼎力大举发挥艰辛斗争的作风，为深入贯彻“”主要头脑、周全落实党的xx大确定的目的和使命而开拓进取、团结斗争。办公室作为各级党委的综合效劳机构，效劳是我们的基础使命，效劳就意味着贡献，没有贡献也搞欠好效劳，搞好效劳就需要受苦耐劳。身在办公室事情，就是要有一种找事而不投契、贡献而不索取、耐得住生涯清苦、耐得住事情艰辛的精神操守。
,欧美肥老太交性视频,人人摸人人曰,自拍网站在线观看。??时势2：www.亚洲精品
??01月30日,三年之约雄狮归来 电影《雄狮少年2》官宣定档,
3、禁绝校内骑车，同时申饬家长也要注重，不要骑车进校接送孩子，要在校门外丁字路口以外停车。
,毛片网址在线观看,jizzon国产,亚洲网站在线观看。??01月30日,南京：国家公祭仪式活动期间采取临时交通管控措施,
噗！
,456性欧美在钱视频,又色又爽的网站,一个人人看的黄片。??时势3：91午夜免费视频
??01月30日,浙江天气将进入“渐冻模式” 下周将迎今年初雪,
“拳头大的小兽……我模糊看到它的脚底板是红色的。”另一人说道。
,97国产一区二区三区无码专区,国产黄色美女尻屄视频,胡桃玩旅行者的小坤坤网站在线看。??01月30日,四张图片里的京津冀十年,
(一)树立勤政为民的作风
,日本中文字幕性爱视频网,国产无遮挡裸体免费视频在线观看,香港精品国产三级国产AV。??时势4：在线无码视频一区二区
??01月30日,（乡村行·看振兴）浙江象山渔村码头推“东海第一口鲜” 共富味十足,
现在，他掌握有《原始真解》，修行不可问题了，可最缺的就是宝术。
,www.看黄片 com,www.av在线播放链接视频,91超碰A。??01月30日,加沙两所学校遭以军空袭 已致30人死亡,
“身在这大荒中太过闭塞，你很难有时机见到真正的奇才，更不可与真犼幼崽等睁开具有警世意义的生死决战，在这里对你修行倒运。”
,米奇狼狠鲁最新版本更新内容,大美女 100%露出奶头韩剧,色哟哟.net。责编：孟进鸿
审核：孙建方
责编：博纳
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
