猫眼影戏
 |
|
猫眼影戏
吴玟萱
手机审查
猫眼影戏记者 袁欣 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：毛片基地在线看
??01月29日,《毛泽东在闽西》研讨会在京举行,
(二)加速档案信息化建想程序，力争档案信息化建设再上新台阶
,国产亚洲欧美在线观看第一区。??01月29日,中国支持央企发起设立创业投资基金 重点投硬科技,
可见初始地吸引了几多人关注，今日比以往热闹了十倍不止。
,天天人人爽人人爽人人爽动漫,少萝宝宝吃大狙免费观看,黄色网站欧美强奸日b。??时势2：对白少妇推油按摩浙江少妇
??01月29日,财政部：2023年全国新增的减税降费约1.57万亿元,
“没错，都可以了。”有族老颔首。
,欧美日韩高清视频一区二区,宁荣荣被挤奶羞羞,强奸小视频网站。??01月29日,长春老人炫“车技”：自信展示民间自行车文化,
今日这样的惨祸一直在各地上演。
?第四十六章 山脉深处,18禁性交流乳小说,二毛片网址,sex。??时势3：一区二区三区欧美视频在线观看
??01月29日,《黑神话：悟空》成海外华文教育的“文化盛宴”,
冬季体育磨炼，接受阳光的照射，填补阳光照射的缺乏。阳光中的紫外线不但能杀死人体皮肤、衣服上的病毒和病菌，对人体有消毒作用；鼓茉鼋硖宥愿啤⒘椎奈兆饔，有助于骨骼的生长发育。尤其对正在长身体的青少年来说，多加入户外磨炼更为主要。
,国产黑色丝袜视频在线观看,在线观看毛片,草久久电影。??01月29日,泰国首辆在本地生产的量产纯电动车下线,
俗话说得好：先成人，后成才。有人说：智育缺乏格的人是次品，体育缺乏格的人是废品，德育缺乏格的人是危险品。简直是这样的，在竞争强烈的现代社会，仅仅有点效果、有点才华还不敷，只有具备了优美的品行、高尚的情操，才华拥有灼烁的前途。因此，我们要以《中学生守则》、《中学生一样平常行为规范》以及《鸿桥中学学生一日通例》为行为准则，时时随办事事严酷要求自己。同砚们，你们只要一直地剖解自我，严以律己，规范自己各方面的行为，就一定能使自己在新的学期里获得可喜的前进。
,欧美sv,黄色网址日本最新视频,美女被 到爽 奶头巨乳视频。??时势4：4438全国免费视频一区二区三区
??01月29日,7国农业科研人员及政府官员在海南开展果业研修,
“哎呀，毛球跟了下去。”
,美女黄色大片,男女一级做片爱a性视频,66色吧超碰97人人做人人爱。??01月29日,探访百年老街中英街：港式风情街区新貌吸引市民游客,
生长村镇银行，是增进农村地区形成投资多元、种类多样、笼罩周全、治理无邪、效劳高效的银行业金融效劳系统，以更好地刷新和增强农村金融效劳，支持社会主义新农村建设的需要。崇州上银村镇银行向导班子履职以后，将认真贯彻执行《中国银行业监视治理委员会关于调解放宽农村地区银行业金融机构准入政策更好支持社会主义新农村建设的若干意见》的要求，与三农同运气，伴中小共生长。为崇州市的三农经济和社会生长，为崇州市的新农村建设作出应有的孝顺。我们将坚持驻足三农，效劳地方的市场定位，周密效劳，臻于至善，把村镇银行办成社会信任的银行;我们将坚持合规谋划，稳健生长的生长路径，认真落实羁系部分的要求，把村镇银行办成羁系部分定心的银行;我们将坚持相助共赢、以义取利的价值取向，诚信谋划、勤勉事情，以优异的谋划业绩回报股东，把村镇银行办成股东知足的银行;我们将坚持立异成绩业绩、合规创立价值、特色引领生长治理理念，建设充满活力的机制体制，把村镇银行办成成绩员工事业的银行。
,亚洲美女4p变态网站,欧美熟妇视频,张柏芝47张不挂一丝的。责编：汤道义
审核：宋京哲
责编：王玉香
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
