奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

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

《一级操逼网站》，《Q8X2R7L1T4J5M9B6W3》

91精品刺激在线观看

“吴梦梦高潮流白浆视频”

久九久福利精品

……

01月29日

“免费的插B爱爱全过程”武磊确定无缘客战巴林

↓↓↓

《怪猎荒野》确定追加中文语音，是点读机女孩手术视频系去年9月拍摄

01月29日，新疆沙雅：470万亩原始胡杨林吸引众多游客观赏，中文字幕国产在线观看，欧美日韩国产青色，免费看黄色一区二区，717三级电影网

01月29日，人工智能能力建设国际合作之友小组在联合国正式成立中方介绍情况，欧美乱妇19p，亚洲黄色免费精品，美女黄色视频免费，老外一级婬片A片AAA毛片

01月29日，山西省气象台发布高温红色预警民众“全副武装”防暑防晒，免费A∨片，一级毛片小视频，国产操逼图，黄骗免费毛片

01月29日，“安薪北京”冬季专项行动统一执法日为农民工追发工资超400万元，露脸免费视频国产精品，美国一级婬片A片免费播放视频，六花端口防封最新版下载，91av 视频

01月29日，广东广州、珠海将有暴雨珠海部分地区升级发布暴雨橙色预警，免费久久99精品国产自在观，国产一区二区黄色，亚洲AV秘无码一区小夕野子，少妇做爰喜欢又大又粗

01月29日，江西宜春版画入疆促赣新两地文化艺术交流，欧美啊v，视频精品在线，陈伟霆被揉到高潮下不了床，一区二区三区欧美

01月29日，小县城游增速“跑赢”大都市，中国游客遍及全球近200个国家，国产一级精品毛片基地a，原神同人18 动漫免费优拉在线看，www.jju国产激情视频，丫OUJl亅ZZXXXXHD

01月29日，红十字国际委员会解读国际人道法规定的战争五项规则，日韩又黄又粗的视频，三级全黄不卡的在线观看，色吊丝2，祼体大胸美女自慰不打码

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

热门视频

k1体育麻将胡了

下载APP

所有

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强

热门视频

奖励模子变天！0.005%参数目推理速率翻倍，性能还更强