猫眼影戏
 |
|
猫眼影戏
沙明文
手机审查
猫眼影戏记者 半泽直美 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：雷电将军裸体 自慰喷水使
??01月31日,深圳打造人工智能先锋城市 加快形成更多新质生产力,
只管生涯中有不可阻止的突发灾难 ，未知遭遇常让我们心惊肉跳 ，手足无措 ，但研究批注 ，通过增强自我；ひ馐 ，提高自我；つ芰 ，若能在灾难和危险降临的初期 ，实时接纳准确的步伐 ，80%的危险是可以阻止的。
,爆乳吸乳。??01月31日,宁夏向世界推介荒漠化防治技术和经验,
在即将突破的刹那 ，他感悟到了原始真解中“战神图录”的部分真义 ，整小我私家都升华了 ，通体晶莹 ，心灵纯净 ，没有一丝的杂质 ，他被符文所容纳。
,免费黄色网站理论,天天色视频综合网,99九色视频在线观看。??时势2：色香网站
??01月31日,近八成受访大学生在运动中拓展朋友圈,
一是学风不浓。现在我们天下上下正为着重打造学习型社会而起劲 ，各级党政主要向导一再强调增强学习的主要性。要求我们下层干部必需增强党的目的、政策的学习 ，增强对市场经济的学习 ，增强对科学知识的学习 ，而在我区上下 ，学习民俗不是很浓 ，尤其是我们的一些同志整天围着杯子转、围着牌桌转 ，围着鱼杆转 ，有的甚至围着裙子转 ，不思学习 ，不想学习。整天无所事事 ，终日无所作为 ，相反 ，对社会上的一些无聊的工具 ，好比千变万化的麻将扑克新赌法 ，飞来飞去的黄色短讯 ，我们一些干部倒是学得很快 ，一看就懂 ，一学就会。我说这些人心事都没有用在正经的学习上面 ，大宗的时间被铺张了。他们对党的目的政策明确不透 ，对新知识、新履历一知半解 ，对新问题、新情形麻木不仁 ，造成的直接效果就是素质很差、眼界狭窄、境界低下、头脑守旧 ，不可很好地完成党和人民交给的使命。当今时代知识奔流 ，信息麋集 ，科学手艺迅速转化为生产力 ，知识经济越来越直接地融化为综合实力。我们若是不学新知识 ，不学人家的先进履历 ，没有与时俱进、开拓立异的精神 ，面临新形势、新情形、新问题 ，便会一筹莫展 ，不知所措 ，干不可大事业。
,别告诉妈妈app下载,在线你懂得,黄色网址在线观看a。??01月31日,黑龙江桦南：紫苏经济正夯 百余种产品远销海内外,
??时势3：人人摸曰曰操
??01月31日,抖音直播持续打击不良直播 无限期回收直播权限账号29万个,
熊孩子来了 ，武王府山门前的人都毛了 ，这可是一个杀星啊 ，虽然年岁不大 ，可是却搅动了整片虚神界的风云。
,国产av.com,国产精品久久久久久精品免费观看,在线观看国内精品。??01月31日,万元“现金鲜花”送女友图个浪漫？当心成新型洗钱“帮凶”,
班级也按期召开学生会。在通例治理方面 ，严酷要求；在学习方面 ，科学指导;在心理方面 ，有用疏导。
,国产精品第8页,18馃崒,色哟哟一区二区无码。??时势4：日韩欧美日韩国产
??01月31日,靠什么确保“不拖欠一分血汗钱”？,
“哦 ，那我去玩了。”小不点一颠儿一颠儿的跑向了很远的那处“后院” ，去找一群西崽的孩子玩 ，在那里他笑的很开心。
,深夜69综合网,huangse免费无码视频,男女裸体啪带声音香蕉视频。??01月31日,合肥机场将恢复或加密多条国际客运航线,
狈村的人露出不敢相信的神色 ，他们深知 ，狈风神力惊人 ，照旧少年 ，周遭几千里内就已少有比肩者 ，而现在却不可占有优势。
,一级欧美黄色视频,激情网站久久,瑶脱掉内裤分开双腿让摸 歌曲。【中新健康丨专家：中西医结合，是中医药现代化发展的重要路径】
责编：农合行
审核：曾梧桐
责编：李时珍
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
