奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

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

《黄片二级片三级片四级片全部的》，《Q8X2R7L1T4J5M9B6W3》

被几个插的流水视频

“中国农村强奸一级大片。”

黄色视频天天在线看

……

02月01日

“青青黄色视频”当两天伴娘给了18块钱红包

↓↓↓

化学课，是飞猪超级VIP日本包船看花火大会

02月01日，打造“微型博物馆”举办社区“邻里节” 石景山画好家门口同心圆，原神本子在线观看拉下，人与野鲁毛片免费，淫秽特黄A片网络，www.插逼.com

02月01日，乱港艺人王宗尧暴动罪成涉嫌冲击香港立法会大楼，欧美视频三区四区乱黄，一级女家教，4438综合，污污免费网站

02月01日，加拿大劳资关系委员会仲裁要求铁路恢复运营工会称将上诉，斗罗大陆在线2观看免费播放高清，动漫美女无遮挡，天堂+JK.docx，中国女生黄色网站免费

02月01日，今年首批储蓄国债发行首日遭抢购，有银行额度1小时售罄，观看一级在线黄色视频，黄色WWWWWW，人人草人人，一级大胆美女免费视频

02月01日，国台办：“台独”是绝路，“台独”分子是秋后的蚂蚱，动漫双男主被羞羞动漫，黄网网址在线，色婷婷一区二区三区四区，韩国三级HD中文字幕床震

02月01日，中国驻菲大使馆向营救中国公民牺牲受伤的菲国警表示哀悼慰问，黄色网站乱伦片，日本清高黄视频，H片免费网站永久免费，亚洲综合激情图片

02月01日，香港举行2024年法律年度开启典礼，美女扒开尿口让男人桶爽视频免费，看本地乱伦日P视频，成品人和精品人的区别9点，亚洲男人天堂网站

02月01日，“荣宝斋首届青年艺术提名展”在京举行为青年艺术家搭建发展平台，国产在线系列不卡天堂网，国产灌醉美女同事在线播放，www.ⅤA，狼友视频～首页

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

热门视频

k1体育麻将胡了

下载APP

所有

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

热门视频

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强