猫眼影戏
 |
|
猫眼影戏
刘海和
手机审查
猫眼影戏记者 辛为民 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：显示隐私的二次元图片
??01月30日,新能源汽车渗透率过半，与燃油车的竞争将走向何方？, 6月11日，据贵州省纪委监委新闻，贵州省卫生康健委员会党组书记杨慧涉嫌严重违纪违法，现在正接受贵州省纪委监委纪律审查和监察视察。,17cn 视频。
??01月30日,2025省级两会时间陆续公布 多地1月中下旬召开,
同志们，党心民心最难堪，做事创业最风流。乡党委殷切希望每一名村干部，始终坚持做事的激情，始终坚持高昂的斗志，始终坚持阳光的心境，始终坚持清正的品质，激情做事，高昂进取，为建设平安、协调、富俗的新广发乡而起劲斗争。
,侃楠侃珠小雨剧情介绍,一区二区一级毛片,啊啊啊啊啊网站免费。??时势2：国产成人午夜精品无码区久久麻豆
??01月30日,一批优质科研空间在河套深圳园区集中竣工,
一经昌盛的巨城成为了废墟，适合生灵繁衍的广袤平原现在死气沉沉，尽是残骨，血流成河。
,91p0rny九色,丰满熟女,亚洲午夜精品久久久久久APP,乱插阴视频。??01月30日,【澜湄印象】开通运营三年 中老铁路累计发送旅客超4300万人次,
4.爆发火灾时要迅速逃生，不可贪恋财物。
,179902,钢手火影,唐安琪裸体视频,91在线精品视频电线。??时势3：中文字幕国产在线观看
??01月30日,香港举办“十大杰出大专学生选举2024”活动,
有人喝道，向前冲来，招呼群雄一起抢夺。
,熟女精品熟女一区二区,免费看大片久久看三级片,虫虫妖精漫画在线观看。??01月30日,8项公安交管新措施将于7月1日起实施 将减少办事成本30亿元,
2、相识和熟悉消防设施，自觉敬重消防栓、灭火器等消防设施。
,亚洲黄色免费精品,亚洲精品网战,卡尔蜜拉白色液体。??时势4：18 秘
??01月30日,湖南凤凰古城迎2024年初雪 银装素裹宛若泼墨山水画,
与此同时，他掌心喷薄霞光，一片金色的符文落下，宛若大雨滂湃，要将紫衣少女镇封。
,做爱视频动漫,多P性爱视频在线观看,崇洋媚外的留学生操逼。??01月30日,2024香港电脑通讯节开幕,
二是牢牢围绕增添农民收入这一中心，起劲推进新农村建想程序。要凭证“生产生长、生涯宽裕、乡风文明、村容整齐、治理民主”的社会主义新农村建设要求，在重点使命的落实上迈出新步子，钻营新突破。今年春种以来，乡域内总的降水量较往年相比有所增多，现在为止没有体现出严重的旱情，可是近期又泛起了一连的高温天气，我们绝不可麻木大意，要一如既往的认真抓好抗旱防旱事情，做好水库水的治理，尽最大起劲包管丰产丰收。进一步加大对制种市场的羁系力度和制种农户的田间治理培训，确保今年全乡制种业康健生长。目今番茄即将进入采摘期，各村要未雨绸缪，做到早妄想，早安排，及早落实今年的番茄收购事情，确保收购顺遂。认真落实“抓大户、建小区、带群体”的事情思绪，用足用活县政府关于生长养殖业的津贴政策，接纳宣传引、政策扶、典范带、行政推等步伐，进一步引发群众生长草畜工业的内在动力，突出抓好几个养殖小区的建设;注重青贮氨化手艺的推广和畜禽新品种的引进，提高草畜工业生长的科技含量;进一步施展乡畜牧站的职能作用，健全防疫网络，增强畜禽防疫和疫病防治事情，力促全乡畜牧业生长再上新台阶。要起劲在劳务经济生长上求突破。生长劳务经济是镌汰农民、富足农民、提高农民素质的一项战略性使命，也是投入少、收效快的富民工程，是现阶段增添农民收入的主要途径。连系30万农村劳动力手艺培训工程和全民创业工程，充分验展乡劳务站的职能作用，增强劳动力手艺和科技培训，生长壮大农村适用人才步队，作育和作育一大批有文化、懂手艺、善谋划、会治理的乡土人才，多条理、多形式、全方位提高劳动力素质，逐步推动劳务输出由体力型向手艺型转变，提高劳务输出事情的质量和层次。继续凭证牢靠东部，拓展西部，是非连系，季节交织的思绪，坚持政府指导、中介组织推动、市场化运作的原则，持之以恒地抓好劳务输出。力争年底实现输出劳力 人次以上，实现劳务收入 万元。
,亚洲一区二区三区免费观看,ChinaⅩXX XHD仙踪林HD,欧美幼女张婉莹黄色精品免费进入。责编：李洪锦
审核：汤一原
责编：天野秋而
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
