猫眼影戏
 |
|
猫眼影戏
盛光祖
手机审查
猫眼影戏记者 王德贤 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：久久久久国产日韩
??01月31日,江苏自2024年1月起调整全省最低工资标准,
下面请允许我从以下几个方面来给各人汇报，系学生会自建设以来的：
,http//灵儿.中国。??01月31日,收获大批年轻顾客 “最听劝老板”靠刷评论区救活伞厂,
“我就要!”不是任性与刁蛮，而是坚韧与毅力，你的心田有了“我就要长大”“我就要起劲”“我就要试试”这样执着的信心，你就有了前进的勇气与实力。记着这三个字“我就要!”让天下为你的生长让路!
,加载成功在线观看,解开丰满老师的乳罩腰带,操美女逼黄片视频。??时势2：午夜超级碰
??01月31日,一辆卡车在以色列特拉维夫北部冲入公交车站，导致数十人受伤,
尊重的音乐学院和、同志们、朋侪们：
,黄色三级片不卡在线观看,李一桐被 视频在线免费观看,日本打光屁屁网。??01月31日,京西电竞节开幕 设置《黑神话：悟空》线下体验专区,
其次，要树立准确的政绩观。作为农村事情最前沿的村干部要树立准确的政绩观，弄清晰为谁树政绩、怎样树政绩和树立什么样政绩这三个实质性的问题。为谁树政绩，就是要为党立功、为国着力，归根结底是为民造福。怎样树政绩，就是要坚持科学的生长观，形成准确的生长思绪，依赖群众，开拓进取，求真务实，艰辛斗争，用本领与实干创立政绩。决不可靠投契取巧、竭泽而渔去获取政绩。树立什么样的政绩，就是要树立周全、协调、可一连生长的政绩，树立获得群众公认、经得起历史磨练的政绩。应该肯定地说，现在我区的村干部在树立准确政绩观方面总的是好的，但也确实保存着一定的问题。有的体现为“急躁”，个体村干部由于长时间从事村里事情，爆发惰性，处置惩罚事情往往是搪塞了事;有的体现为“浅陋”，“拍脑门”想事情、效劳情;有的体现为“夸诞”，弄虚作假、搞“数字政绩”，等等。这些问题势必阻碍周全建设小康社会的生长，势必危害党的形象和威望，必需坚决加以纠正。宽大村干部要树立准确的政绩观，必需坚持用“三个代表”主要头脑武装头脑并指导 实践，这是树立准确政绩观的要害所在;必需坚持以科学的生长观为指导，这是树立准确政绩观的主要条件和基础;必需坚持“为民”头脑，自觉将政绩接受群众的磨练和评判，这是树立准确政绩观的起点和落脚点;还必需鼎力大举弘扬求真务实的精神，坚持一切从现实出发，按客观纪律效劳，尊重实践，尊重群众，讲真话、务实事、求实效，这是准确政绩观的实质要求。我们村干部只有真正树立起准确的政绩观，才华获得宽大人民群众的拥护，才华实现致富奔小康的目的。
,性直播XXXX18liveBC,大吊爆操,91视频99播。??时势3：怡红院AV在线永久免费看
??01月31日,莫斯科动物园：大熊猫“喀秋莎”勇敢走向外场 闲逛20分钟,
刚一入河，独角兽的血液就险些被冻住了，太严寒了，水虽然未结冰，可是却有一种神秘实力，冻的人要碎掉。
,黄视频在线无限免费看,國產精品久久福利網站,黄片入口最新。??01月31日,冬日黄河壶口瀑布冰挂与彩虹“同框”,
这让人惊悚，孩子们大叫，神色发白，飞快奔逃。
,禁漫天堂1.7.6,www.涩涩,小南流眼泪翻白眼害羞。??时势4：脱裤子打屁股网站
??01月31日,6岁萌娃雪道畅滑“圈粉”：冀站上最高领奖台,
“长风破浪会有时，直挂云帆济沧海。”让我们揽万卷文集，汲白代英华，扎实地走好每一步，配合携手，打造绚烂的明天!
,日韩小草在线,欧美日韩免费AⅤ精品视频,3D网黄。??01月31日,“双11”买气旺 国台办乐见台湾民众获实在好处,
在其厚厚的肉垫以及并不是很锋锐的爪子间，结有一层岩石壳，甚至都封住了爪子，可以想见，它被封困漫长岁月了。
,h色网站在,男女全黄三级高级自慰免费,日本XXXXHD老师学生。责编：肖健
审核：李秀红
责编：刘迪妮
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
