猫眼影戏
 |
|
猫眼影戏
奚正辉
手机审查
猫眼影戏记者 戈别基 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。稣脊虐迥Ｗ拥牟坏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。伏莽璧氖萘恳蚕灾停匆廊荒芄蝗〉镁哂芯赫ι踔粮诺男阅芴逑。
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？椋谙招┎辉鎏戆才疟厩奶跫绿嵘狄磺行阅。
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1：91人妻人人做人人爽资源
??01月31日,开车不看手机到底有多难,
(七)准时报送案件情形，确保信息真实准确。各银行业金融机构和银监局要凭证案件、案件危害信息报送的有关划定，实时、准确报送案件和案件危害信息，严禁瞒报或居心漏报、迟报、错报。凭证案件希望情形实时报送后续视察、督查、审结、整改情形和案例质料。对爆发迟瞒报情形的，要举行转达，并举行羁系谈话。对因迟瞒报造成严重效果的，要追究相关责任职员责任。
,男人爱快的黄色视频。??01月31日,贵州金沙：高粱红 秋收忙,
档案馆规范化治理是档案治理的基础性事情，是实现档案清静治理和开发使用的条件。一是继续做好重点工程、重点项目、重大事务、市属国有休业企业以及到期进馆档案的吸收事情。二是开展民生档案资源建设，将涉及民生部分档案列入重点监视和吸收进馆规模。三是做好到期档案的判断、开放和使用事情。四是加大档案征集事情力度，要注重网络种种专门档案和差别载体的档案，特殊是要增强对重大活动档案的网络，将反应外地区特色的档案征集进馆，一直改善馆藏结构和富厚馆藏内容。
,孙保罗2024年讲道全部,中文字幕第38页,87人人操人人爱。??时势2：易咻漫画
??01月31日,空军驰援辽宁葫芦岛 为村民空投物资,
“。馔范澜鞘薏荒至？”孩子们全都跑了过来，想骑坐上去。
,精品久久久久久久久电影网,免费AAA级黄色视频,真实inCest网。??01月31日,武铁五天假期共发送旅客455万人次,
这才一个照面。渴⒌谋反寮懒榫捅淮┩盖澹挥幸凰康亩钥鼓芰Γ畋鹬螅跸胂。
,久久bbxxxx,第五小女孩产奶大全视频,黄色软件污。??时势3：久久精品免费污污网站
??01月31日,重庆未来10天将维持晴热高温天气 局地最高温或达43℃,
小不点一冲而过，所有接在了手中，它们竟然化成了一柄血色宝扇，这才是宝具的真实样子，适才的少年无法催动，故此脱离用。
,18 无套直国产3D,91久久激情,免费看秘 美女隐私图片。??01月31日,不管是非洲亚洲美洲欧洲，没有一个地方的人没有用过中国的产品,
向导干部在社会中处于特殊的位置上，掌握着党和国家的权力。人民群众和国家的利益要靠他们来体现和落实;党和国家的目的、政策要靠他们来执行，若是向导干部自己品德风貌欠好，甚至搞不正之风，就会对其他人以至整个社会爆发很坏的影响。以是要树立优异的社会品德民俗，首先要抓好向导干部的品德建设。
,鸥美性生活,我要看外国大女人裸体照,国产亚洲精品AⅤ在线观看。??时势4：体育生露J巨大包自慰
??01月31日,时政微周刊丨总书记的一周（3月4日—3月10日）,
市委、市政府决议召开这次全市城镇化事情聚会，目的是转达贯彻省垣镇化事情聚会精神，研究制订我市城镇化事情谊见，安排安排以后城镇化生长步伐，力争在全市掀起新一轮城镇化建设热潮。下面我强调三点意见。
,欧美一级毛多水多的肥婆,www.六月婷婷,三级片黄色A片在线免费观看一区。??01月31日,【新春纪事】174组动车组集结 犹如“陆地航母”蓄势待发,
我校近年来取得的优异效果、迅猛生长和优异声誉是靠我们所有同砚、所有先生长年累月的配合起劲、配合拼搏好禁止易获得的，以是，我们要特殊珍惜，我们要发挥光大。无论你考进了重点高中照旧其他学校，甚至走向社会，到任何时间，任何地方我们都要以一经是临巴中学的学生而自豪!我们都不可丢临巴中学的脸！都要为临巴中学争光添彩！做母校的形象代言人、义务宣传员，更要用我们的实力来让人家不得不钦佩、不得不另眼相看！
,无码在线你懂的,hentaiMMDcartoon,女主跟各种物种啪H～。责编：张凤华
审核：沐朝阳
责编：彭元兴
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
