猫眼影戏
 |
|
猫眼影戏
伊斯特伍德
手机审查
猫眼影戏记者 云改平 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：推特r18中文免费版
??01月31日,工信部原党组成员，国家烟草专卖局原党组书记、局长，中国烟草总公司原总经理凌成兴严重违纪违法被开除党籍,
在这里我不忍心再对人们所作出的的血腥行为作出更多的形貌 ，然而事实不可抹杀 ，动物、人类生生相息 ，同在一片蓝天下 ，现在 ，我们却在逐步地失去他们 。我们不感应心痛吗?若是说 ，野生动物受到大自然的威胁 ，这几多有点“无可怎样花落去”之哀叹;那么 ，人类去“威胁”野生动物 ，这岂不是莫大的罪行?现在 ，我们人类的栖身区越来越大了 ，而适合野生动物栖身的地方却越来越小 。为了生态情形的协调 ，我们更应该从自身做起 。敬重动物不但仅由于人类的侧隐之心 ，更是为了尊重生命 。
,鸭子TV蘑菇 。??01月31日,2024 WWS世界女子斯诺克锦标赛东莞开杆,
“嗯 ，爷爷带我泉源练 ，他说这是一场严肃的磨砺之旅 ，一切都要靠我自己 ，没有生命危险 ，他不会管我 。”小不点“很坦率” ，像是藏不住话 。
,天美传媒床戏网址,911国产精极品在线观看,色哟呦黄色网站 。??时势2：国产裸体永久免费无遮挡
??01月31日,封禁百万个高频访问IP 国博配合公安打击黄牛,
它一爪子下去 ，瞬间自洞口抓下数百斤重的岩石 ，像是锋锐的铁钩抓泥块般容易攫出来一大块 。
,国产18禁又污又黄又刺激,毛片地址在线观看,国产性爱在线播放 。??01月31日,美国加大芯片制裁之时，中国半导体出口破万亿,
为确保实现有事不慌、起劲应对、自我；さ哪康 。本着预防为主 ，防消连系的宗旨 ，我校从本学期最先 ，每月一演练 ，每位学生都要在演练的历程中认真看待 ，不要嘻嘻哈哈 ，撤离要有序 。
,九色自拍视频在线观看jiuse,国产亚洲成AⅤ人片在线观看麻豆,免费A片在线观看不卡 。??时势3：国内乱伦自拍视频
??01月31日,【地评线】中安时评：创新消费模式，变“春日限定”为“四季常青”,
三要妥善于抓落实 。乐成源于实践 ，兴衰系于作风 ，细节决议成败 ，态度决议一切 。两委干部要施展“特殊能受苦 ，特殊能战斗 ，特殊能忍耐”的顽强精神 。支书、主任率先垂范、亲力亲为 ，坚持向导在一线指挥 ，步伐在一线落实 ，问题在一线解决 ，作风在一线转变 。坚持摒弃那种“思绪多步伐少 ，点子多落实少 ，讲得多做得少 ，宏观多微观少”的虚浮之风 。
,先锋资源色色,校花用🐻揉我🐤🐤,日韩h视频 。??01月31日,重庆秀山：拓展通道经济“朋友圈” 助推内陆开放实现新飞跃,
一群人声势赫赫 ，进入了大山中 ，朝着狻猊选的墓地而去 。
,激情图片网站,男女一级a做的片性视频,亚洲另类在线视频 。??时势4：国产精品久久九九9
??01月31日,北美票房：杰森·斯坦森新片《养蜂人》首映夺冠,
“原来这样啊 。”小不点颔首 ，此后大眼放光 ，道：“我若是乐成 ，会给什么利益？”
,国产A级毛片激情视频,人人操,人人超碰,永久免费精品视频网站在线观看 。??01月31日,美欧相继出台涉华经贸限制措施 中国贸促会：违背世贸规则 中国工商界坚决反对,
并且 ，这条大河黝黑的有点吓人 ，隔着很远就能感受到那种冷气 ，周围没有一只生物 。
,欧美激情一二三区在线视频,影音先锋一区二区av资源。,殴美性色黄大片www 。【财政部拟第一次续发行2024年记账式附息（二十一期）国债(1年期)】
责编：德博拉克拉克内尔
审核：吴亚
责编：素雯
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
