猫眼影戏
 |
|
猫眼影戏
刘阳
手机审查
猫眼影戏记者 郭兴梅 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：亚洲欧美日韩图片小说
??02月01日,河南三门峡：多种野生动物镜头前“打卡”,
至于罗浮大泽的蛟苍，一直都很冷漠，并没有什么反应，未曾阻止蛟鹏。紫山族、雷族亦没有什么体现，全都冷眼旁观，任己族的孩子脱手，静等效果。
,二次元疯狂 自慰爽火影。??02月01日,防暑科普丨高温来袭 这些防御指南措施要牢记 ,
“林虎，飞蛟，你们准备好了吗？他妈的，狈村的祭灵若是敢泛起，给我杀了它！”石云峰喝道。
?第二十五章 狈村祭灵,人人摸 人人操 人人看 人人干,人人艹,永劫无间宁红夜被捅穿之后怎么开。??时势2：国产免费AV片在线观看下载野外AV
??02月01日,打造高品质、有口碑的农业“金字招牌”,
一头海兽泛起，长达数十丈，这是一头海鲸，化出了半具人身，猛力推那石门，效果撼之不动。
?第二百四十四章 肉身成灵,欧美老妇精品XXXXX,亚洲精品无码久久千人寻,医生扒开腿用黄瓜把我弄高潮了。??02月01日,最新放假通知！,
尤其收三紫云最具灵性，同时也格外的强盛，刚一米多长时就有一次扑棱着同党，跑出村子，撕裂了几头虎狼，令村人们看的目瞪口呆。
,巨雷魅魔泳装,国产欧美久久二区,欧美乱大交XXXXX99。??时势3：激情 小说 视频
??02月01日,国防部回应美对台军售：将持续加强练兵备战 坚决挫败“台独”分裂图谋,
最后，我想说，同砚们，我们应该树立为学院生长建设斗争不息的坚定信心和高尚理想，回首往昔，几多青年志士以天下为己任，而现现在，我们既已植根于湖工这片焕发着蓬勃生气的土壤，我们就应以湖工为家，；掣卸髦。
,女王止寸倒计时控精网站,95视频网址,偷国产乱人伦精品一区二区。??02月01日,中国银行浙江省分行原党委书记、行长郭心刚被开除党籍 ,
尚有就是我们镇村干部配合保存的吃喝成风，玩风太盛问题。一是吃喝成风。现在我镇干部中普遍存着，今天是镇干手下村吃，明天是村干部来镇吃，后天是各人上城吃，横竖是变着办法吃。在吃喝问题上，我们一直主张从简，干部不可背着锅跑。镇干部因事情下村，村里可以简朴安排一顿便餐;村干部来镇效劳，一律凭证镇机关治理制度执行。按每人15 元的标准，凭餐卷到食堂就餐？芍葱兄，就有那么些人，穷大方，穷热情，破损规则，违反制度，拿整体的钱不算帐。显着划定事情日时代，中午禁绝喝酒，他偏偏中午要喝酒;显着划定除特殊情形外，来人一律在食堂就餐，他偏偏要外出下饭店;显着划定外出就餐一律由党政办安排，他偏偏要自作主张。一顿吃上几百元，甚至上千元，他们眼也不眨一下，一点也不感应心寒。这里我要忠言我们党政办的同志，以后在来人招待方面，把关一定要严，程序一定要办理到位。不管是什么人，你们都不要碍于人情，怕冒监犯，要严酷按制度办理，该怎么办就怎么办。以后通常泛因由党政办把关不严，违反机关治理制度的，将坚决追究党政办认真人的责任。村里泛起类似情形，坚决追究村主要认真同志的责任。
,国产 在线观看免费视频网站,强奸网址,插插插视频。??时势4：亚洲免费电影
??02月01日,日本股市暴跌！创下史上最大跌幅,
“上路！”一名宗老喝道。此后，一队又一队强盛的战将踏上祭坛，迈上那条金色的通道，都衣着锃亮的甲胄，持铁戈、握战矛，杀气冲霄。
,国产嫖妓风韵犹存对白,欧美熟妇精品级一A片,在线免费看黄在线。??02月01日,回声｜“总书记，宁波舟山港有了新的硬核实力”,
总之，我们要学会；ぷ约旱娜ㄒ，要珍惜生命，提高自我；ひ馐，让我们的清静多一份包管。最后祝愿各人在新的一年里平平安安生涯、快快乐乐学习、健康健康生长!
,毛片在线h,国内偷拍第一视频区,国内黃色A片三級三級三級。责编：余娅
审核：运鸿
责编：昆萨维斯
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
