猫眼影戏
 |
|
猫眼影戏
吴仪洛
手机审查
猫眼影戏记者 刘易斯 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：国产亚洲日韩精品第一页
??01月31日,香港特首李家超与世贸组织总干事伊维拉在港会面,
??01月31日,从苏轼到苏东坡 音乐剧《大江东去》一展千古文豪黄州“蝶变”,
每年的这个时间 ，我们都举行这样一种特殊的仪式 ，叫做“结业仪式”。今天 ，你们将拿到人生的第一张学历证书——小学结业证书 ，离别六年的小学生涯 ，跨入中学的大门 ，最先新的修业里程。有缘的是 ，在今年的每一张结业证书上 ，写着你的名字 ，也印着我的名字——薛法根。愧疚的是 ，作为校长 ，我至今还叫不出你们每小我私家的名字 ，没能和更多的同砚一起上过语文课。可是 ，这样的遗憾不会留给下一届结业生 ，我会给未来的每一个结业班学生上一堂课。只管纷歧定有你们的先生上得那么自然、那么默契 ，但一定不会让他们失望!
,色片网站在线观看,国产老头老太婆操逼视频,白丝 jk 乳 3D。。??时势2：李恩美大战黑人
??01月31日,上海昆虫爱好者“总动员”：为昆虫“写家谱”、做城市记录者,
第四 ，搞好县委换届 ，是为建设社会主义提供顽强组织包管的需要。从20xx年县委换届以来 ，十二届县委牢牢围绕"整体推进扶贫开发 ，着力建设生态经济强县"的总体思绪 ，团结向导全县宽大干部和群众 ，笃志苦干 ，大胆立异 ，既聚力生长特色工业 ，增进农民增收 ，又推进基础设施建设 ，改善了农民的生爆发涯条件;既增强了手艺培训 ，培育作育了一批新型农民 ，又增强了下层民主政治建设 ，包管了农民民主权力。在肯定效果的同时 ，我们也应该苏醒地看到 ，作为一个贫困的山区县 ，我们在""时期既要牢靠和生长扶贫开发效果 ，又要为建设社会主义新农村打下坚实的基础 ，难题比先进地区重大得多 ，使命比先进地区难题堪多 ，还必需进一步增强和改善党对建设社会主义新农村的向导。以换届为契机 ，把县委班子建强 ，把目的锁定 ，不但有利于把整体推进扶贫开发和新农村建设连系好 ，有利于增强对新农村建设妄想制订和实验的指导 ，也有利于增强下层党组织建设和体制机制立异 ，更好地把全县各级各部分的主要精神和事情重心统一到新农村建设上来。
,国产Av日韩精品无码app,国产欧美久久二区,4438综合。??01月31日,贵阳逾万人雨中嗨唱“路边音乐会”,
二是要选好逃生步伐 ，如从烟火中冲出楼房 ，要用湿毛巾、衣服等衣物包住头脸 ，尤其是口鼻 ，低姿行进 ，向着火层以下疏散。若是种种逃生路均被大火切断 ，应退室内、关闭门窗 ，有条件的可向门窗上浇水 ，以延缓火势伸张。我们还要切记：爆发火灾时 ，万万不要乘坐电梯。
,鸥美性生活,国产人人肏,三级片在哪看亚洲视频。??时势3：酒药做爱视频大全
??01月31日,中央环保督察通报：安徽省安庆池州铜陵等地长江岸线保护不力,
“那是什么生物 ？”一个封印者惊疑。
?第一百五十四章 药田,色多多性爱视频,网站黄色视频a,一起草在线播放。??01月31日,1-4月全国晶硅光伏组件出口量达83.8GW 同比增长20%,
凶彪挥舞簸箕般的大爪子 ，冷光闪灼 ，撞在银月上 ，发出了金属颤音 ，震的这山峰都一阵摇动。
,欧美午夜精品久久理论片,纲手被爆 漫画歪歪免费在线看,同性Gay 做受2025。??时势4：啪啪色网站
??01月31日,每小时60.6个自然箱 山东港口青岛港自动化码头再创世界纪录,
“砰！”
,久久电影网站,宁荣荣被c,曰批免费视频全过程在线观看。??01月31日,有序扩大开放，“中国服务”迈向更高水平,
“这娃可真是人神共愤啊 ，不过我很期待 ，看他怎么勒索四大巨族 ，嘿嘿。”
,久久精品亚洲av影片网站,台湾三点的走秀视频大全,十八岁禁看黄色网站。责编：马群
审核：聂丛笑
责编：哈特
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
