猫眼影戏
 |
|
猫眼影戏
赵家班
手机审查
猫眼影戏记者 达柳斯 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：jZZ2欧美性高清
??01月31日,建立专家库加强应急科普 青海完善地震灾害防范应对机制,
村人发明这里真的很是适合栖居，没有太凶残的恶兽，远处的山林中猎物许多，虽有凶禽猛兽，但并不太难搪塞 。
,免费看一道本网站 。??01月31日,第十五届全国运动会市场开发计划发布暨启动仪式在穗举行,
第三，要增强督查指导事情 。县委将统筹安排，组织精悍实力，分片对各选举单位举行巡回督导 。要详细详尽的抓好面上指导，催促各选举单位制订日程安排表，将事情程序和办法进一步剖析，事情日程细化到天，事情责任详细到人 。要实时准确地抓好疑难问题的指导，各选举单位在代表选举事情中遇到难以掌握的问题，不可擅作主张，而要向组织部分，由组织部分凭证政策规则举行研究，实时形成科学稳妥的指导性意见，再反响各选举单位执行 。要周全掌握好代表选举事情的整体动态 。各选举单位的党(工)委向导同志，要见微知著，耳聪目明，捉住苗头性的问题，掌握好事情中的重点工具，增强相同，自动做好深入详尽的头脑事情 。若是发明有违反换届事情纪律、滋扰党代表选举事情的人和事，要敢抓敢管，严肃品评教育，并实时向县委 。
,好儿媳5中汉字官方版下载,国模无码大尺度一区二区E,一亲二摸三叉四轩App 。??时势2：91丨PORN 丨入口
??01月31日,纪念杨沫诞辰110周年活动在京举办 音乐剧《青春之歌》发布,
八是明确了学校清静的重中之重 。与学校签订了《校园清静事情目的责任书》和《学校清静卫生事情责任书》，层层把关，责任到人，坚持按期排查整改，并下发了有关学校清静事情的若干文件，整年没有泛起清静事故 。
,女人跪下吃男人J8视频现在,欧美 亚洲 国产一区二区三区,穿越火线灵狐3D同人 。??01月31日,观沧海｜“机遇湾区，机遇港澳”： 湾区优质生活圈加速形成,
3、有的同砚在到功效室上课或到运动场上体育课时，由于疏忽忘了随手关掉电源，课堂空荡荡的电灯、电扇却仍然开着，保存消防隐患，一些意外事故也便有可能爆发 。因此，先生应严酷要求同砚在以后能养成随手关电源的好习惯 。
,粉嫩虎白女-丝不挂,男生的 伸进人 免费软件,无码国产精品四五六区 。??时势3：91sm.live
??01月31日,财政部拟第一次续发行2024年记账式附息(十四期)国债(5年期),
禽鸣越发慑人了，震的洞内灰尘簌簌坠落，石块翻腾，那密布鳞片的重大躯体一步一步靠近，恼怒的开凿岩壁 。
,白色白在线视频免费播放,国产特级毛片无码专区,男女C 。??01月31日,广西龙州：中越边民共庆边关“春龙节”,
其次，你要在最短的时间内接纳量的行动，举行针对性的强化训练和补足，以战胜造成失误的种.种因素，不要让问题住宿——这就是乐成者的行动力;
,黄色片一级大片,欧美黑人粗大XXXX在线视频,人妻熟女大奶子 。??时势4：麻豆免费版免费韩漫官网
??01月31日,2024年京北快乐足球节落幕 传递健康运动理念,
各地炸开了锅，许多人都嫉妒与眼热 。
,尼姑小寡妇,美欧尤物一级性爱在线观看,🍊pg赏金女王模拟器试玩版最新2024入口 。??01月31日,中菲合作遣返近200名在菲从事离岸博彩中国公民,
即便这样的庞然大物也挡不住宝具，只要被击中，不是被重创，就会被击杀 。
,欧美风情性爱精品视频欧美,性饥渴艳妇k8经典A片,永久看潮久 。责编：阎炳武
审核：柯佑鹏
责编：卢子能
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
