猫眼影戏
 |
|
猫眼影戏
覃建平
手机审查
猫眼影戏记者 马爱农 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：今时之欲365天BD
??01月29日,藏族导演万玛才旦遗作《雪豹》获亚洲电影大奖,
许多人都有一种不真实的感受，他们费起劲气大战凶狈，险死还生，效果狈村的祭灵却被一条绿莹莹的柳枝直接洞穿。
,538无码视频在线观看免费。??01月29日,在中国，看见世界的发展机遇,
“今天我以大庆为荣，明天大庆以我为荣。”同砚们，我们是祖国的栋梁，民族的未来，新的历史将由我们来誊写。历史的重任在肩，我们责无旁贷。我们一定会勇敢地挑起肩上的责任，虽然前方会有巨浪滔天，可是也会有彩虹贯日。拿出你“吹尽狂沙始到金”的毅力，拿出你“直挂云帆济沧海”的勇气，去迎接人生中的风风雨雨!“宝剑锋从磨砺出，梅花香自苦寒来”，我坚信一分耕作，一份收获，学习的根是苦的，学习的果子是甜的。我们高昂起劲、勇往直前，一定会迎来收获的那一天。
,十八女人毛片a久久,欧美日韩精品一区二区另类,大学生一级特黄的免费大片视频。??时势2：狼友无码视频在线观看免费
??01月29日,（投资中国）西门子中国董事长：企业在华仍有机会实现高速增长,
阴晦的天空中一道亮光划过，雷音响起，一条条闪电横空而过，如银蛇舞动，壮丽惊人，发出震耳欲聋的轰鸣声。
,91人人艹人人干,亚洲男人的天堂网,女人与公狍交视频免费。??01月29日,华裔青少年在广州开启“移动课堂”：融学于趣 文化润心,
第一个问题就是头脑看法的问题，。就是到现在为止，尚有相当部分职工对目今 教育面临的形势和使命没有苏醒熟悉，或者有了一定熟悉但熟悉还不敷深刻。主要体现在三种意识还较量淡漠，一是；馐，二是责恣意识，三是质量意识。从行为习惯来看体现在：有少数教职工劳动纪律松懈，经常泛起迟到、早退征象，更有个体保存缺课的情形。看待事情总是强调小我私家难题，不思量学校需要和 职业要求;看待学生，不是耐心指导，而是讥笑奚落，体；虮湎嗵宸;看待同事不是友好相处，而是制造谣言肆意撒播影响团结。有的人只为自己思量,站在自己的态度。总希望考勤松一点、事情时间短一点、收入高一点。我能回覆的三个一点那就是要想收入高一点，请你空话少说点,责任心强一点,效率高一点。要想把学校事情搞好，全体教职工一定要相互团结，牢靠树立三种意识，并从自身做起，凭证西席职业品德要求推行好自己的事情职责。
,国产裸体裸拍在线观看视频,小 入 视频漫画,国产在观看肏屄。??时势3：大鸡吧操逼
??01月29日,贷款金额超1.54亿元 邮储银行支持以旧换新 “焕”出消费新活力,
今天国旗下讲话的主题是：敬重森林，人人有责!约莫在30亿年前，地球上就已经泛起了植物。以是说，树着实是早于人类降生于这个天下的。
,精品国产一区二区三区91在线,蕾絲女同一区二区三区,视频一区 在线视频 精选视频。??01月29日,国台办：航天器将飞得更高更远 为两岸中国人带来更多荣耀,
众人悚然，这只是一缕细小的霞光罢了，并不是真正的火焰，就已经有这般恐怖的温度了，遐想到当初所见，漫天大火不熄，足足烧了半个月之久，那是何等的神威 ？！
,尤物yw午夜国产精品视频,日本2集片99网站,18+免费视频。??时势4：白丝 扒腿自慰爽18禁
??01月29日,美国大选独立竞选人小肯尼迪宣布暂停竞选并支持特朗普,
“族长你适才不是说要放走这个娃儿吗 ？”
,吃雪白的扔子视频大全在线观看,小草无码视频,97久久久久人妻精品专区。??01月29日,四川成都：35名“熊猫小记者”将展开全球追访之旅,
那只重大的凶禽太过无边无涯了，双翅一展，青云直上，苍莽山脉的天空都似乎快容不下了它了，攻击力绝世无匹，每一次拍翅都震的天地轰鸣。
,铜铜铜铜铜铜铜铜好大好在在线观看中文版,人人看人操人碰,黄色视频页面入口。【天津培育壮大创新链 赋能产业升级】
责编：许浩
审核：麦奎因
责编：阿方索-卡隆
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
