猫眼影戏
 |
|
猫眼影戏
赵映光
手机审查
猫眼影戏记者 孙一莎 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：蜜臂网官网
??01月29日,西藏阿里：送证上门暖人心 便民利民显真情,
晨起的铃声唤来陪同砚生的人是他们，午间离不开课堂的人是他们，晚自习送走最后一个学生的人是他们，节沐日仍念着学生的人照旧他们 。他们是我们学校起得最早睡得最晚的人，是我们学校最可爱的人 。他们着实早已绷紧了中考这根弦，早已吹响了冲锋号 。正是由于他们进入九年级之后的越提议劲，越发投入，我们的学生才会更懂事，越发爱学习了 。
,色爱爱激情视频 。??01月29日,华北黄淮等地将有强降雨 江淮及以南大部地区高温持续,
希望在教科室指导下，全乡结业班西席，形成共识，团结协作，起劲施展团队的智慧，增强研究，起劲探讨起劲有用地事情要领，坚定信心，战胜难题，以越发饱满的热情投入教育教学事情中，狠抓教学规范，强化治理，增强对结业生“双基”、能力、情绪、习惯等方面的训练与作育，最大限度的提高我乡小学结业班教育教学质量 。
,中文字幕第8页,殴黑大性吊,欧洲乱码视频永久精品大尺度 。??时势2：黄色免费网
??01月29日,澳门今年上半年旅客总消费超377亿澳门元 同比增长16.4%,
我立誓：我要从今天最先，珍惜每一天，做好每件事，从点滴做起，规范习惯，一心向学，脚扎实地，奋力拼搏，自强不息，决不做班级的羞辱，决不跌出年级432名，我自信，我能行，壮志凌云，誓创第一，誓争一流!我自信，踏平崎岖千条路;我自豪，跨越艰难万重山 。身经百战无惧色，狭路邂逅我最强，海阔无边天做岸，山登绝顶我为峰 。"
,97人人模人人爽日日,国产精品拍拍视频免费,美女亲热网站二次 。??01月29日,全国铁路今天预计发送旅客1865万人次,
第三，你需要在失败中一直总结出新的适合自己的学习要领，并制订一套严谨但可操作的学习妄想，这会让你的起劲更富有实效 。
,亚洲欧美日韩在线一区二区三区,91少萝高潮射视频,女人爽到高潮免费视频大全 。??时势3：在线观看 黄
??01月29日,（高质量发展调研行）“吃干榨净”一只果，何以致富一方人？,
“即便没有听到，族长爷爷也会派出人来接应我回去的，耐心期待，大婶坚持住，一切都会好起来的 。”小不点以稚嫩的声音为它鼓劲 。
,老师让我 了一夜,日本电影网址,日韩乱伦无码 。??01月29日,科学减重，从“管住嘴”开始｜科普时间,
“小不点，你虽然洗礼乐成，实力暴涨，可是切不可自满，须知这个天地间强者诸多，且都极其恐怖 。”老族长严肃地申饬 。
,免费看AAA级毛片,大蘑菇成人APP下载,免费A片无码小视频 。??时势4：原创国产
??01月29日,金价下跌 金饰跟降,
很快，众人的眼光就盯住了那三头幼鸟，眼神酷热，他们推测到了，这种宝术肯定源自这三头变异的青鳞鹰 。
,人人操人人插人人爱人人色人人尻,91精选视频,女主跟各种物种啪H～ 。??01月29日,东西问｜徐少华：武王墩墓与楚文化有何渊源？,
第一，准确掌握都会未来定位 。凭证“4.59平方公里、4.5万生齿”的小都会规模定位，“北方边境名城、领土口岸都会、滨水都会、协调文明县城”的都会性子定位，“欧风花海、江城特色、品位雅致、功效完善”的生长特色定位，住宅区、商服区、行政办公区、工业区、江畔公园、南河公园“四区两园”的妄想结构定位，进一步填充内容，强化功效，打造特色，塑造品牌 。要凸显江城特色 。临江是嘉荫都会的特色所在 。要加速临江区域景物带建设，提升滨水都会景观特色 。以江畔公园、南河公园建设为绿核，加速生态型旅行带建设;以向阳堤防工程为主线，一直拓展滨水绿色空间 。要突出文化内在 。文化是都会建设的“魂”，都会只有融入了文化才有生命力，才有内在与品位 。嘉荫都会建设必需以文化为支持，注重历史文脉的延续，散发都会的魅力 。在都会建设中，要凭证彰显“恐龙之乡”特色的文化定位，对能够反应嘉荫恐龙文化及界江文化、中俄地区文化的修建和景观，要举行深入挖掘，拓展内在，延伸历史，将历史文脉和地区文化的继续与发挥涵盖于都会的景观设计和实体修建中，使古板文化、特色文化与现代气息相融会，形成气概鲜明、独具魅力的嘉荫都会品牌 。
,偷拍盗摄网站,欧洲性生活无码在线,免费的黄色视频一区二区 。责编：吴京才
审核：柴国旱
责编：帅浩
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
