猫眼影戏
 |
|
猫眼影戏
关羽
手机审查
猫眼影戏记者 陈鑫杰 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：WWW色色色色色C0M
??01月31日,中国黄金协会：前三季度全国黄金消费量同比降逾11%,
全身赤红的雀儿睁大眼睛 ，愤愤地瞪着他 ，将所有眼白都留给了他 ，一副很生气的样子 。
,国产乱女初中生紧又滑 。??01月31日,中国队3:1战胜印尼队 队史第11次捧得汤姆斯杯,
亲爱的小朋侪 ，今日你们仍然是欢呼雀跃的 ，十分兴奋!我代表所有的先生们祝福你们未来一片优美!你们从一个哭哭啼啼的小宝宝生长为才艺傍身、知书识礼的孩子 ，看着你们的生长 ，我们和你们的爸爸妈妈都无限喜悦和欣慰 。希望你们在未来的学习和生涯当中 ，仍然保保存幼儿园养成的爱阅读的好习惯 ，腹有诗书气自华 ，我相信你们大宗的阅读一定会让学习优异 ，生涯充满情趣 。仍然坚持你们一颗纯净的心 ，用好奇的眼睛去视察和相识天下 。学会用感恩的方法去看待周围的人 ，爱自己爸爸妈妈 ，爱你的家人 ，爱你的朋侪 。
,色色色色色色色色色色色网站,夜色www中国精品视频网站,91精品在线视频在线观看 。??时势2：2020免费日本视频
??01月31日,【冰雪春天】习言道｜你们在滑雪中找到魔法了吗？【冰雪春天】习言道｜你们在滑雪中找到魔法了吗？,
“我是去破纪录 ，所有推倒重来 。”小不点小声道 ，对他们的话语很不满 ，真性情吐露 。
,5060网站,影音先锋在线观看中文字幕2019,熟女 的搜索结果 - 91n 。??01月31日,王磊：更大限度激发数字消费潜力,
小不点并不气馁 ，站起身来 ，双手如铁钳般 ，捉住岩石 ，闭住呼吸 ，向上攀缘 ，一步一步 ，极其艰难 。
,97超级碰碰午夜无码福利,18秒流豆浆,国产黄片A片 。??时势3：91大神在线观看精品无码
??01月31日,浙江横店将迈入高铁时代 预计下半年具备开通运营条件,
这样的圣湖 ，一样平常人基础不敢靠近 。
,100%胸片曝光2023,色在线A,好男人在线影视视频 。??01月31日,四川财政厅紧急调度5000万元用于康定市山洪泥石流灾害应急救灾,
(一)、作育两支步队 ，构建名师梯队
,人人操,人人爽,人人摸,艾莲乔本子,|级2级黄色视频 。??时势4：成年在视频成年在线看
??01月31日,共同书写中国式现代化建设新篇章——热烈祝贺全国两会胜利闭幕,
清静——治理者为先 。清静教育是提高人的清静意识行为的手段之一 。可是 ，只靠纯粹的清静教育而忽视清静行为是起不到清静实效的 。我以为“清静生产最大最危险的隐患是人的不清静意识和不清静行为” ，清静意识靠教育可以一直提高 ，然而 ，人的清静行为是取决于一小我私家对清静的态度 ，改变一小我私家的清静态度必需靠优异的清静文化一直的熏陶 ，靠身边的人言传身教逐步改变的 。治理者的清静意识、清静态度、清静行为是宽大员工的一面镜子 ，清静“以身作则”就是最好的教育 。
,美女被×在线视频网站,龙卷涩涩,青少年露jiji秘 视频 。??01月31日,AI+藏医人体生命科学 业界专家在青讨论新医科,
“嗡”的一声轻颤 ，小不点感受脱离了原地 ，透过那片光雾朦胧的门户 ，他穿行而过 ，进入一片奇异的天地 。
,91性爱网站,国产每日更新精品亚洲精品,av美女野外哗啦啦在线观看 。责编：达扎·尕让托布旦拉西降措
审核：安圭拉
责编：庞涓
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
