猫眼影戏
 |
|
猫眼影戏
甘永辉
手机审查
猫眼影戏记者 莱斯利 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：国产精彩视频一区二区三区
??01月30日,河南漯河建高铁发现古墓群 已发掘战国到东汉古墓200多座,
这些人同时阻止 ，他们一齐脱手 ，马上宝术惊天 ，照亮了这片天宇。
,日本黄视频在线观看。??01月30日,中山大学与深圳市将开展新一轮合作 推进深圳校区高质量发展,
银行是资金融通的枢纽 ，资金是企业的血液和命脉 ，而企业又是银行取得利益的大客户 ，两者唇齿相依 ，相互依存 ，是生长的共生体、利益的配合体 ，没有银行的支持 ，企业就难以生长;没有企业的生长 ，银行也难以做大。以是 ，我们以为无论在什么情形下 ，“银企一家”的头脑都不可有丝毫的摇动。今天的座谈会 ，目的就是通过这个平台增强银企之间的相同交流 ，加深相互相识和信任 ，通过银政、银企、政企之间的协作配合 ，使企业有好的项目能够实时获得我们相助银行的支持 ，在增进企业生长的同时 ，推动区域工业经济和金融事业的配合生长。
,人人操淫妇,成动漫无码视频观看网站,国产女色爽视频免费。??时势2：久九久福利精品
??01月30日,河南三门峡：多种野生动物镜头前“打卡”,
我相信在新的学期中 ，每一个高一四班的学生都会有优异的体现 ，你们会自满地和知识握手 ，自信地与乐成拥抱。在新的学期中 ，我将期待着一个又一个的新星在我们身边闪现 ，心动不如行动 ，来!让我们用最热烈掌声为自己加油 ，为班级喝彩!!我们一起朗诵一首诗：
,黄色视频A级黄色片,国产三级片黄色视频免费观看网址,半糖次元vlog。??01月30日,山西多方面发力 推动外贸外资稳量提质,
新世纪 ，科技生长日新月异 ，信息手艺瞬息万变。为了我们的理想和信心 ，希望你们珍惜青春年华 ，勤劳学习 ，受苦钻研 ，锐意进取 ，不骄不躁 ，一直增强自身的科学文化素养 ，一直提高自己的综合素质和各方面的能力 ，为日后建设协调社会打下坚实的基础。
,差差差30分钟轮滑,60多岁老熟女肥屁股,成年黄页网站大全免费连接。??时势3：美女黄电影
??01月30日,【好评中国·追光青年】为网络强国建设贡献青春力量,
“山宝夺不可了 ，他们这是要去灭谁人墟落。”有人叹息。
,小芳好湿好紧好多水高潮动漫,宁荣荣被挤奶羞羞,A片视屏免费观看。??01月30日,如何享受减半征收“六税两费”政策？收好这张图,
四是党性获得磨炼。 本期培训班我们始终把增强学员的党性修养和党性磨炼作为培训的主要内容。通过对党建理论、头脑品德修养的学习 ，使学员的党性获得磨炼 ，党性修养获得提高 ，增强了一心一意为人民效劳的意识 ，进一步树立起准确的天下观、人生观、价值观和权力关、职位关、利益关 ，提高了政治素质。五是责任感和使命感有了进一步增强 。通过学习培训 ，各人对国际海内生长的大趋势、对执政党建设所面临的新问题、对目今所面临的新挑战、对新时期农村下层干部所肩负的重任等都有了进一步的熟悉 ，特殊是对怎样增强村级党组织建设 ，牢靠党在农村的执政职位 ，提高农民收入 ，实现周全建设小康社会雄伟目的的责任感和使命感获得进一步增强。
,国产精品视频色拍拍拍,老师好紧 蕾丝丝袜和我做漫画,国外一级片。??时势4：国产白白白在永久播放视频人人
??01月30日,贵州侗寨晒秋忙,
轰的一声 ，这片宫阙间的地面被穿透了 ，一株又一株灵藤冲起 ，都散发着宝光 ，宛若一条条蛟龙 ，猖獗冲向石子陵 ，要将他缠缚。
,日本少妇㐅╳乄㐅黑人,台湾av无码四级古装片,日本高清高清视频www。??01月30日,看文字砖、观麒麟影壁 乌克兰留学生金山岭感受长城文化,
“你……”有人浮现怒容。
,日本在线观看网,啪啪啪无码不卡,看b站a8直播。责编：周德庆
审核：郝振省
责编：克林斯曼
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
