猫眼影戏
 |
|
猫眼影戏
宋秀岩
手机审查
猫眼影戏记者 约翰-特里 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：日韩欧美国产一
??01月29日,山东持续融入共建“一带一路” 打造境外经贸合作区,
再后方，则是无限无尽的军队，真的是无边无沿，不知道事实有几多人，将这片大地都挤满了，站在祭坛上也望不到边。
,免费人成A片在线视频。??01月29日,预防呼吸道疾病，老年人应该怎么做？丨科普时间,
它竟然在脱皮，金色皮毛裂开后，从当中挣脱出一头更为璀璨的神狼，全身皮毛跟黄金铸成的一样平常。
,91av色,acfan 黄动漫网站,色碰人人妻。??时势2：欧美黄网站入口
??01月29日,“万园之园”重现光华(探访国家考古遗址公园),
市审查院要以此为契机，进一步牢靠树立科学生长观和准确的执法观，始终坚持党的事业至上、人民利益至上、宪法执法至上，增强执规则范化、步队专业化和治理科学化建设，与时俱进，开拓立异，起劲提高执法监视能力，周全推动审查事业康健生长，向全社会展示审查机关提高执法监视能力的新效果和忠诚、公正、清廉、文明的审查职业新形象，为维护社会公正与正义，提供有力的司法包管，为经济社会又快又好生长做出更大的孝顺!
,av大屌,一级A片欧美大片久久影院,国产图片综合区。??01月29日,（进博故事）从“共用一张桌子”到“拥有60平方米的展位”,
小不点想去第二祖地看一看，那是一个流放之地，有一些不得志的老人，一经与他的怙恃聊得很投契，应该知道他们事实去了那里。
,91中文字幕永久在线,女被 c 扒衣服种草,小月V12美化包下载。??时势3：日本嘿咻免费
??01月29日,【我们共芳华——党外人士话复兴】九三学社中央副主席、院士卢柯：做科研是修行 要耐住寂寞,
蛋虽然未几，但却很鲜，是一种滋补宝药，他们吃的很纵情，全身灼热，金色的毛球倒也不霸食，愿意分享。
,欧美一级α人与一级A片,亚洲粗大视频,精品久久人妻av中文字幕。??01月29日,湖北推出大型原创舞剧《乐和长歌》展荆风楚韵,
例如，清洁工人把这一片地面扫得干清洁净，不宜回来了老中小三人。老人“咳，咳，咳”，“嘘”第一口痰吐出去。小的正将手中的冰棒吃完，“嗖”的一扔，废棍落地。那年轻的刚吸完一口烟，随手就把烟头扔在地上。
,又黄又硬又爽又粗免费视频,69XX女子私密按摩护理,先锋影音资源在线资源在线。??时势4：五月 不夜城 麻豆
??01月29日,日本大学生组“亲友团”来川探访大熊猫“香香”,
善待地球，作为学生，首先要从爱我校园做起。我们应尽我们最大的起劲去呵护校园，敬重校园里的一草一木。让飘扬在风中的纸屑和校园离别吧，让甜睡在地上的痰迹和马路离别吧，让摆设在墙上的涂痕和课堂离别吧，让我们用仔细的呵护唤起学校的整齐和漂亮吧!在；で樾蔚耐，我们也应该珍惜资源。珍惜资源，就是要从节约一滴水，节约一度电，节约一粒米，节约一张纸做起。
,喜欢被多个男人咬奶头正常吗,男男纯肉高被 爽到翻白眼视频,亚洲小视频网址。??01月29日,美国住房和城市发展部长福吉宣布辞职,
“这有什么，小哥哥护着我回来时，还看到一只跟巨山一样大的猛兽呢，一爪子下去直接踩崩了一座山峰。”清风说道。
,成人无码18 在线观看,影音先锋2019av资源网,国产av.com。责编：彭昊
审核：马驰
责编：吴宝胜
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
