猫眼影戏
 |
|
猫眼影戏
董显光
手机审查
猫眼影戏记者 李海云 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：超碰97热
??01月31日,盖茨基金会宣布2024年预算达86亿美元 创历史新高,
“不可 ，族长爷爷你身上有暗伤 ，不可随意施展骨文 ，交给我好了！”小不点摇头差别意。
,国产99视频精品免费视频。??01月31日,澳门广西社团联合总会监事长：盼金融便利助澳商开拓广西市场,
这一记宝术很强 ，同时攻向紫山昆与雷明远两人 ，蛟鹏人很小 ，可是却非 ？褚 ，要以一敌二 ，来证实自己才是天纵之资。
,女人和拘做受全过程,99re这里有精品视频,国产乱女初中生紧又滑。??时势2：日本女色视频
??01月31日,财政部：增发国债资金已于年初全部下达,
??01月31日,两部门预拨5000万元中央自然灾害救灾资金支持辽宁防汛救灾,
三、辽阔的非洲市场。各人从这一张表可以看出来 ，非洲现在生齿已经抵达10亿人 ，并且每年增添2400万人。第一 ，非洲生齿增添很快 ，关于吃穿住行的需求量增大。第二 ，凭证天下银行报道 ，非洲将成为下一个经济增添热门。第三 ，非洲国家 ，特殊是南部非洲国家 ，政治稳固 ，经济生长提速 ，是新的投资热门。同时 ，非洲最大的优势就是矿产资源富厚 ，并以此作为商品入口的交流。现在中国作为非洲各国最大的商业同伴 ，需要在座的列位去抢占先机 ，由于你们有资源 ，你们现在需要的就是一个平台 ，一个载体。非洲在20xx0xx年至20xx年 ，20xx年的GDP ，每年平均GDP都凌驾10%。特殊他的中产阶级 ，已经抵达总生齿的35%。也就是3.5亿人 ，而中产阶级正是零售商业的主力军。从一个数据可以显示 ，在莫桑比克平均每笔消耗在已往5年间。涨了67% ，也就是每笔消耗是20美金 ，100多人民币。这个海内也很少做到 ，以是包括国际的零售业巨头沃尔玛 ，家乐福也在翘首进入非洲市场。为什么他们要关闭海内的超市进军非洲 ，由于他们看到这个市场的未来潜力。
,男女羞羞免费视频,欧美性大片久久,亚洲国产精品岁国产微拍精品。??时势3：自偷自拍网址
??01月31日,四川甘孜州雅江县发生3.4级地震 震源深度10千米,
三要坚持学以致用。 列位村干部要联系各自的事情现实 ，学习上相互启发 ，生涯上相互体贴 ，事情上相互学习 ，相互交流 ，取长补短 ，配合提高四方面事情能力：一是富一方黎民的能力。切记为人民效劳 ，要明确权力是人民给的 ，应该从群众最体贴、最迫切需要解决的现实问题入手开展事情 ，在充分尊重民意的基础上 ，明确生长思绪 ，因村制宜 ，因势利导 ，千方百计生长村级经济 ，增添农民收入。二是解决现实问题抓落实的能力。要强化责恣意识、阵势意识 ，把上级的要求同群众的意愿连系起来 ，既对上认真又对下认真 ，找准两者最佳切入点 ，增强指导 ，解决现实问题。三是做好群众事情的能力。切记党的宗旨 ，亲民、爱民、敬民、为民 ，能够经常走家窜户、谈心谈心 ，学会民主选举、民主决议、民主治理、民主监视 ，新形势下做好农村事情 ，治理村务事务。四是保一方平安的能力。要切记群众利益无小事 ，千方百计地化解矛盾 ，不推诿拖沓逃避 ，善于运用政策、执法和人格实力去做调解事情 ，增进了家庭和气、村民团结和社会稳固。
,淫秽视频网站在线免费,1024看片你懂的日韩人妻,女同学自己爽 流片自慰。??01月31日,福建暑期文旅经济火爆 台胞冀两岸年轻人共同传承中华优秀传统文化,
“你为什么这么凶 ，为什么要危险紫云它们 ？”小石昊生气 ，眼睛瞪的很圆。
,国产一级婬片a免费播放口,精品午夜AV,人人操B亚洲。??时势4：撕开 吸奶头 进去免费视频
??01月31日,政协第八届海南省委员会第二次会议开幕,
“走吧！”海老人头皮都发炸了 ，不敢久留。
,www.huangpian.SE,男女C,国产久在线视频观看。??01月31日,上海检察机关指金融犯罪网络化带来挑战,
这是怎样的一种威势 ？几位宗老携手脱手 ，竟然没有盖住石子陵 ，他如一尊战神般 ，沐浴璀璨绚烂 ，耸立天地间 ，无人可挡。
,www.51.com在线免费网站,国产精品短裙丝袜色诱AV,JIZZJIZZ JIZZJIZZ日本视频。责编：陈赫凑
审核：曼苏尔
责编：牛运生
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
