猫眼影戏
 |
|
猫眼影戏
田羽生
手机审查
猫眼影戏记者 贾娜身 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：国产黄页免费观看视频
??01月29日,2023年我国造船三大指标同步增长 国际市场份额保持全球领先超九成受访大学生喜欢“上冰雪”,
人无信不立，诚信方能达天下。对企业外部来说，诚信是驻足市场的基石，是品牌，是信誉，更是竞争力;对企业内部来说，忠实是品德之基;守信是协调之源。为此，我们对外要随处树立和维护公司的诚信形象，效劳要实着实在，语言一言九鼎。(但也不是啥都能说，商业神秘、内部隐私万万不可说。)而对内我们的员工必需忠实守信，树立好的品行。我们公司绝大大都人都有好的品质。他们忠实守信，受苦耐劳，随处维护公司的利益，不因小事而毁誉，不因私利而废公。好比：。我们公司需要这样的人，接待这样的人，我们要作育更多的这样的人!能力虽然主要，人品同样不可或缺。忠实守信的人总是能赢得因缘和信任。有了诚信做航标，你的人生之舟就能乘风破浪，抵达乐成的彼岸。
,一级A片免费播放在线观看。??01月29日,美国官员称破坏一个中国黑客网络 中方：妄下结论，无端抹黑,
(3)外出不得乘坐农用三轮车、报废车辆和手续不全的车辆。
,天堂网综合网,欧美亚洲综合一区二区三区,你懂的福利网站。??时势2：福利无码精品一区二区在线观看
??01月29日,“和平团结-2024”联合演习 中坦两军组织联合指挥训练,
众人悚然，这只是一缕细小的霞光罢了，并不是真正的火焰，就已经有这般恐怖的温度了，遐想到当初所见，漫天大火不熄，足足烧了半个月之久，那是何等的神威？！
,中文字幕免费视频不卡2019,大肉撵征服巨ru麻麻,色偷偷色偷偷少妇水真多。??01月29日,中国花样滑冰队全力备战中国杯,
??时势3：18 无套直91
??01月29日,“荣宝斋首届青年艺术提名展”在京举行 为青年艺术家搭建发展平台,
火是人类的朋侪，它给人、给人类文明、给社会前进带来灼烁和温暖。可是，若是火势失控，成为火灾，将会造成重大的生命工业损失。1997年5月，云南省阜宁县小学爆发火灾，引生气灾，造成2人殒命；20__年2月15日，吉林、浙江两省爆发了一系列严重火灾。一南一北的两场大火吞噬了90多条名贵的生命。这种血腥时势有几多教训不是消防清静意识淡漠造成的？
,zonghejiujiu,国产黄色片免费在线99,幻女一级毛片软件视频。??01月29日,【巴黎奥运会】中国体育代表团：应对个别出现失误运动员给予理解,
狼性奸狡，它敏锐的感受到了差池头，黄金般的躯体撞碎石山，摧毁山林，速率抵达了极致，冲向密林中。
,欧美经典性爱网址,A片 XXXX受爽视频,老女人擦她毛老荫户。??时势4：男人 少妇A片免费看视频
??01月29日,西安铁路局全力应对“五一”假期返程客流高峰,
同砚们，特殊是仲春古会在即，各年级班级列位先生一定要增强清静纪律教育，政教处将对各班出勤、晚上睡眠情形加大检查力度，严酷门卫制度。让全体师生平安，愉快地事情、学习和生涯。
,动漫妓女3d巨大吸乳,特级小箩利无套内谢A片,特黄伦理小电影。??01月29日,泰国着力将芭堤雅打造成电影产业中心,
刑事案件不认罪有可能会重判，若是有其他的证据能够充分的证实犯法嫌疑人有罪的情形之下，可是对方拒不认罪，这就说明证据的态度很是的卑劣，因此凭证执法当中的划定，人民法院可能是会接纳从重判刑这种处置惩罚步伐。 刑事案件不认罪会不会重判? 刑事案件不认罪有可能会重判，若是其他证据不确实充分，一来可能由审查院...
【第三届“一带一路”青年发展高峰论坛在香港举办】
【王沪宁看望参加全国政协十四届二次会议宣传报道的新闻工作者代表】
责编：朱迪·莫里
审核：黄花槐
责编：王永信
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
