猫眼影戏
 |
|
猫眼影戏
李启红
手机审查
猫眼影戏记者 高支模 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：今时之欲365天BD
??02月01日,辽宁辽阳兰河河道塌陷面积约500平方米 未造成人员伤亡,
我们真诚的期望：通过入住嗨喽旅馆，能进一步加深您对我们的相识，增进我们之间的深挚友谊，使我们能时刻以您的需求为起点，更好的为您提供优质、快捷、高效的效劳;同时，也期盼您对本旅馆的效劳和治理提着名贵的意见和建议，我们将不堪谢谢!
,我被桶到爽的漫画 。??02月01日,法国纪念巴黎解放80周年,
??时势2：99九色视频在线观看
??02月01日,国家金融监管总局：三年来银行机构向脱贫地区累计发放贷款19.7万亿元,
十五爷身边纵然能手如云，也挡不住，被追杀数十万里，更是被撕下一条手臂，全身骨头险些全断 。
,成人快手下载,日本人妻色色视频,另类视频一区二区三区 。??02月01日,国台办：第十六届海峡论坛本月中旬在福建举办 各项筹备工作基本就绪,
石村内，族长石云峰正在与小不点语言 。
,a黄片视频,国产黄色视频野外,亚洲最大黄色网址 。??时势3：cao免费视频
??02月01日,台湾棒球青年点赞大陆球友：不仅会读书，球技也很棒！,
??02月01日,2024明文化论坛7月举办 百余件精品文物展明韵风华,
同志们，体育是实力的角逐；体育是智慧的较量；体育是漂亮的展示 。通过这次角逐，我们兴奋地看到，华通群众性的体育活动又有了新的生长，又有了一个越发优异的起源 。角逐虽然竣事了，但运动场上各人体现出来的战胜难题，逾越自我，团结相助，勇猛拼博，勇于领先的精神要继续发挥光大，要把在运动场上乐成的体会和感受带到我们的事情中去，要用我们的行动去追求华通的更高、更快、更强，为文秘资源网的绚烂再立新功 。
,黄色视频在线观看aaa,裸体被❌羞羞18禁网站,千仞雪裸体被叫爽视频 。??时势4：亚洲美女碰碰操操
??02月01日,江西庐山如琴湖日落美景再现李白梦幻诗境,
农村网站是一个让您展示自我的舞台，更是众多网友们交流履历，取长补短的平台 。我们愿意通过现代化的信息网络手段，增进我村党务、村务果真 。我们将依托政策和科技层面的支持，提高村民获守信息的能力和要领，为您提供最新的农产品资讯平台，将绿色食物完善的泛起在你眼前 。让您不但能在网站上拥有一对一的产销信息，获得最人性化的效劳方法，更有享受我村组织的各项活动的优先权及更多的优惠政策 。
,三级片下载,91精品专区国产丝袜在线拍国语,午夜福利av 。??02月01日,中国实施五大金融专项行动支持乡村全面振兴,
一是要增强组织向导 。各州里要建设农村住民最低生涯包管制度事情向导小组，政府主要向导担当组长，分担民政事情的向导任副组长，相关单位的主要向导任成员，切实增强对农村低保事情的向导 。向导小组下设办公室，抽调事情能力强、营业素质好、责任心强的职员专门认真农村低保事情 。要把周全建设和实验农村最低生涯包管制度作为一项重大的政治使命，纳入政府事情的主要议事日程，明确使命目的，制订事情步伐，加大事情力度，层层抓好落实，做到向导重视、熟悉到位、步伐详细、责任明确、包管有力 。各州里政府主要向导必需负总责、亲自抓，分担向导要随时掌握事情希望，增强指导，加大催促检查力度，对事情中泛起的新情形要起劲提出解决问题的步伐，实时、准确地完成摸底视察和审核上报事情，为农村低保事情的顺遂开展提供顽强包管 。
,亚洲尤物精品福利第五页,a级片毛片黄色网站,国产在线精品免费 。责编：黄田镇
审核：王佳
责编：布劳恩拉格
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
