猫眼影戏
 |
|
猫眼影戏
王海啸
手机审查
猫眼影戏记者 刘金国 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91精品㊙️暗夜
??01月31日,普京：俄伊尔-76军机是被美制“爱国者”导弹击落,
他们刚冲出去，一片浪涛冲来，蒙蒙一片，坠落在山地间，马上所有古木、山石等所有被消融了，哧哧作响，化成白烟。
,久久热线。??01月31日,赖清德窜访后中方会否在台周边举行军演？外交部回应,
“柳神，我知道你一定能听到我的话，也相信你可以呵护村子，请你守护这里。”小不点大眼纯净，对着焦黑的柳木轻语。
,狼人黄色网站,欧美亚洲另类国产日韩,欧美日韩91在线看。??时势2：小太正Gay初精 2025
??01月31日,今年北京城市副中心将保持千亿投资强度,
北海上，碧波涌动，熊孩子嗷嗷大叫着，踏着海面奔驰，满头黝黑的长发向后翱翔，像是玄色的火焰般。
,骚奶好大呀要喷水了,一级毛片视频也网站,久久这里是精品。??01月31日,民政部就《取缔非法社会组织办法（修订草案征求意见稿）》公开征求意见,
她真的很美，世间间难堪一见，其他尤物站在其眼前，会连忙黯然失色，宛若一尊真正的仙子降临人世。
?第二百四十三章 醒悟,火影忍者女角色被疯狂操逼,插插久久,国产粗口粗暴国产一级视频。??时势3：工口.18
??01月31日,贵阳北站迎“五一假期”返程客流高峰,
“我看不见……”石村，大柳树前，小不点满脸泪水，他看不到那场战斗。
,国产成年片兔费,蔗糖官方职业入口,国产精品无卡无卡毛片视频。??01月31日,西江流域今年11月来水总体较多年同期或偏少一到二成, 连日来，河南多地一连高温泛起差别水平旱情，引发关注。现在河南情形怎样？外地接纳了哪些抗旱步伐？国家对抗旱又有何行动？一文速览。,一级A做一级a做片视频,天真无知强制成长的小孩,欧美JiZZ18性欧美。
??时势4：成人福利网站导航秘 涩涩屋
??01月31日,秋季暴雨袭海南 气象专家：台风“潭美”残涡和冷空气共同造成,
第三，重抓都会建设，是加速嘉荫生长的需要。近几年来，我们沿江县份的生长特殊是都会建设可以说是百花齐放、异彩纷呈：东宁县注重依山傍水的奇异优势，做足山、水文章，着力打造具有现代品位、人文内在、山水特色、边境着名的旅游生态都会，整个县城的建设力度、建设品位令人线人一新。漠河县牢牢围绕“人在绿中，楼在花中，城在林中”的目的定位，起劲开展最尤物居情形的生态都会建设活动，周全加速现代化都会建想程序，城区基础设施配套功效日益完善。萝北县凭证建设“宜居都会”和边境明星县的目的定位，全民发动，全员加入，都会建设大有转机。周边县市蓬勃开展的都会建设，尚有我们没有说到的南方蓬勃县市的乐成模式，既给我们生长都会经济带来了有益的启示，更给我们提出了更大的挑战。面临沿江县份都会建设你追我赶、争先恐后的生长态势，我们必需进一步坚定信心，加速赶超，充分借鉴这些地区都会建设方面的乐成履历，扬长避短，奋力向经济蓬勃、情形优美、秩序井然的边境名城、文明型县城迈进。
,成,人在线免费视频,七色色亚洲,爱情岛自拍论坛亚洲品质。??01月31日,“全球建行助力企业高质量‘走出去’”活动在京举行,
月色朦胧，野兽在山中嘶吼。
,老师让我 她我爽了一夜作文,国产污片免费网站,狼人狠狠超碰精品青草。【百度王海峰：文心一言用户规模达4.3亿】
责编：谢云挺
审核：沈舒
责编：王珍代
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
