猫眼影戏
 |
|
猫眼影戏
孙兰兰
手机审查
猫眼影戏记者 董海洋 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：老肥熟老太太大黑b
??02月01日,财政部：增发国债资金已于年初全部下达,
许多国家包括我们中国 ，早就把树木的；ち形斯业闹饕咧。由于全天下过量二氧化碳排放导致的天气转变 ，现在已经极大地威胁到地球上人类的生涯。而树 ，正是二氧化碳的最大克星。
,久久久久久精品色费色费。??02月01日,2024中越（东兴—芒街）商贸·旅游博览暨产业合作活动周开幕,
20xx年我们在自治区党委、政府 ，那曲地委、行署和县委、县政府的准确向导下 ，在自治区教育厅和地区教体局的亲热眷注和鼎力大举支持下 ，我们以科学生长观为统领 ，以开办人民知足的教育为宗旨 ，一直牢靠效果 ，挖掘内部潜力 ，规范办学行为 ，提升教育内在 ，起劲提高教育教学质量 ，各项事情取得了可喜的效果。
,禁漫 动漫漫画,日本片色,娜美被 到爽 高潮。??时势2：福利第一区
??02月01日,探访中国海军潜艇学院：军事院校教学如何跟上部队发展趋势？,
“骨文是人族观其他种族的原始印记而效仿与开创的神秘符纹 ，这只是手段 ，最终是要酿成自己的实力。”石云峰道。
,1024手机无码人妻久久,www操逼,国产又黄又爽又色在线观看。??02月01日,西藏戍边民警守护震后小镇 期待重归往日光景,
多方筹措资金一百多万元 ，新建了六百平方米宽敞又明亮的食堂 ，改善了学生的就餐情形；替换了塑钢门窗；装备了物理实验室；新进了五百多套桌椅；粉刷了教学楼内的墙壁；上学期又装置了监控装备。在食堂治理方面一直提高学生的伙食标准 ，同时变他人谋划为自主谋划 ，做到饭菜多样化 ，不以赚钱为目的。班主任在学生就餐其间 ，与学生同桌就餐 ，发明问题 ，实时解决。宿舍方面 ，实验初中、小学分寝治理 ，阻止了逃寝征象的爆发 ，清静也有了包管。
,又爽又色又高潮的国产精品,日本在线网站不卡,一级做a毛片美国免费基地。??时势3：雷电将军撕内衣 挠奶头视频
??02月01日,（新春走基层）浙江宁海湾上演“寻龙记”市民游客争相“讨龙彩”,
二、夯实基础、提高水平、增强能力、磨炼党性 ，这次培训班收到了较好的效果。 我们这次培训班虽然时间不长 ，但我以为通过培训 ，我们的大大都同志一定会获得以下几个方面的收获：
,98在线++传媒麻豆的视频,国产高色高清一级黄色a片视频,a4yy午夜福利视频无码app。??02月01日,亚洲荷球联合会副主席：看到中国荷球运动的发展潜力,
猛火熬大药 ，火势很猛 ，香气浓郁 ，鼎内成为淡金色的浆液 ，时时传出阵阵远古遗种的嘶吼声 ，慑人心魄。
,A片一级免费视频,一级aaa毛片免费视频,亚洲色一区二区三区四区在线播放。??时势4：AAAAA黄色网站
??02月01日,2024年“欢乐春节”新春庆典音乐会在柏林市政厅举行,
“你们真早呀。”小不点打招呼。
,91在线人妻,迪丽热巴被 到喷水小说,美女视频黄的全免费男人。??02月01日,雷海潮已任国家卫健委党组书记,
这意味着什么 ？未来这个孩子能与天阶远古凶兽比肩 ，可以征战血脉纯净无暇的金翅大鹏、真犼 ，其独吞的原始宝术将会震撼天下 ，铭刻人族史中。
,538 免费精品视频,美国一级大黄片,凪光在线播放。责编：徐熙媛
审核：彭忠富
责编：张雨欣
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
