猫眼影戏
 |
|
猫眼影戏
李毓芬
手机审查
猫眼影戏记者 周美欣 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：男女拔萝卜网
??01月29日,嫦娥六号已奔月 人类首次月背“挖土”到底有多难？,
月光柔和，朦胧而皎洁，湖畔充满笑语，两年多未见，小不点与清风在这里开心无比，无比的活跃。
,91精品老熟女。??01月29日,带着梦想“舞”进北京：台青简孟轩的街舞打拼记台湾10月消费者信心指数转降 专家：注意AI泡沫化风险,
修建装饰有限公司，是由新加坡优典建设有限公司和江苏双建装饰工程有限公司联手打造强势推出的，一家专业从事修建幕墙、金属门窗生产加工、园林绿化以及种种高等住宅、别墅、宾馆、旅馆、ktv、银行、医院等室内外设计施工为一体的多元化综合企业。公司现拥有一支由多名海内外专业人才加盟，具有多年岁情履历的优异整体，特邀新加坡着名设计师(优典建设公司总裁)——先生为公司形象设计总监。
,ed2k lili,丁香六月婷婷激情,亚洲动漫永久无码专区。??时势2：日韩一线一区
??01月29日,香港安徽联谊总会第五届理事会就职典礼在港举行,
同砚们，让我们行动起来吧!从我做起，从身边小事做起，做今世文明的中学生。
,记者操逼黄色一级视频,2021年日本三级片,69XX女子私密按摩护理。??01月29日,江苏连云港扩大东西双向开放 全力建设“一带一路”强支点,
最后送给同砚们一首小诗：我知道你很累，寒窗苦读是为了把信心点燃;我知道你很苦，栉风沐雨为的是拥有优美的明天;我知道你需要休息，可前方的路需要我们去开发;我知道你心跳在加速，可人生的岑岭需要你们去攀缘。
,欧美精品中文在线一区,欧美一级特黄大片真人真做久久,操黑土。??时势3：免费A∨片
??01月29日,局地怎么还会“下开水”？！高温酷热将超长待机 江浙沪等多地地表温度将超60℃,
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。
,黄色在线国产,99热这里就是精品,i gao。??01月29日,港铁公司举办“轻铁及巴士道路暨长者乘车安全运动”助长者安心出行,
第三，作育一个习惯：自觉自愿
,国产无码狼友视频,又黄又免费的网站,久久亚洲精品少妇毛片无码。??时势4：国内一级老妇黄色视频
??01月29日,在广州，读懂中国的改革决心,
??01月29日,中国民用航空器材产业发展联盟厦门成立,
第二个M是谦逊。高中录取通知书上第一段英文的意思是，进入福州一中是你一生的自满！由于要低调以是用了英文！5月22日拍结业照时，为了照片效果更佳，摄影师把一些男生的位置调解到女生旁边。我看到男孩子都很欠盛意思，这说明你们很纯粹。有一个男生被调到女生边上时，直呼：“完了，完了，完了”。我冲着他喊道：“完什么完，美着你了！”我想了想，又补了句：“偷着乐吧你！”同砚们，三年的同砚友谊一生难忘，好好珍惜吧！这里悄悄告诉各人，据不完全统计，近二十年，从福州一中高中结业，最后步入婚姻殿堂的同班同砚，一个班最多抵达七对。我希望20xx届的你们会突破这个纪录。但也请记着，步入婚姻殿堂的他们中没有一对是在高中时牵手的，由于一中学生知道恋爱的份量和责任！
,日韩大型射精网站,A片黄片,欧美日韩在线网站。【和评理｜美新法案禁止国防部采购六家中企电池：于人无益，于己不利】
【三千年的传承！解读“黎族传统纺染织绣技艺”】
责编：王雪
审核：魏民洲
责编：丁零
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
