猫眼影戏
 |
|
猫眼影戏
张稷
手机审查
猫眼影戏记者 马爱侬 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选？
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？椋谙招┎辉鎏戆才疟厩奶跫绿嵘狄磺行阅堋
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：日本动漫无打码遮羞的叫什么
??01月28日,北江下游将现近百年一遇洪水,
“那就等着看喽。”谁人西崽漠不关心。
,13学生下部隐私扒开网站。??01月28日,海风“吹”来新产业（经济新方位·能源新业态）, 记者从北京公交警方获悉，克日，李某虎、陈某友、何某新、王某才四人已被刑拘，现在案件正在进一步办理中。（@北京晚报 记者 徐慧瑶）,色AA综合,欧美一级A片在线观看播放,钢手爆乳xxx。
??时势2：羞羞漫画看
??01月28日,2024年首季香港外汇基金投资赚543亿港元,
这是一片气焰恢宏的修建，灵气弥漫，宝光隐现，宫殿成群，宛若天阙建于人世，有瑞兽蹲伏咆哮，守于大门外。
,日日碰,亚洲色图 家庭乱伦,18 小视频。??01月28日,（巴黎奥运）羽毛球女单决赛：韩国选手安洗莹摘金 中国选手何冰娇摘银,
“啥，这娃要破纪录，怎么回事？”还没有脱离的强者都吃了一惊，关于这个孩子不敢小觑。小不点一人战败四富家，勒索乐成后，他被许多人看重，其话语分量一下子重了。
,日本黄色大码视频在线看片,好爽 要高潮了 再深点,老色批午夜免费视频网站。??时势3：男生把小困困进女生困开元
??01月28日,三大运营商披露2023年成绩单 5G套餐用户数合计超13亿户,
“小不点今天到大婶家去吃烤肉。”
,人人搞人人看,国产精品无码专区第一页蜜芽,精品国产一区二区三区91在线。??01月28日,新疆乌什县发生7.1级地震,
总结近三年的事情，保存一些问题和缺乏，一是对专业手艺知识学习还不敷深入，以后事情中应继续增强自身学习，一直提高营业手艺水平，提高商业化营业拓展、营业立异及危害治理控本事。二是对一些逾期项目虽然举行了限期重组，延迟了危害，而未完全实质性化解危害，三是系统的政治学习还不敷深入，需要进一步增强政治理论的学习，尤其要深入贯彻学习习近平总书记一系列主要讲话精神，提高政治素质。四是始终坚持党的优良作风的自觉性不敷，距离时时、事事、随处践行“三严三实”尚有一些差别。以上缺乏。需要在以后的事情中实时加以改善。
,国产一区综合,黄色视频三级免费,日韩欧美黄片视频在线观看。??时势4：男人做爱AA片
??01月28日,广西南宁武警官兵打响捕歼“战斗”,
“但不要动辄就要杀人家的祭灵！”
?第三十四章 恐怖的村子,欧美另类视频第一页,小南吃,鸣人大纲,三级国产在线看。??01月28日,（寻味中华｜侨乡）在梅家大院探寻台山侨圩今昔,
第一、增强干步队伍头脑作风建设是准确贯彻执行党的蹊径、目的和政策，确保党的事业取告捷利的要害。干部的头脑作风问题是事关党的兴衰生死、国家长治久安和社会主义事业成败的重大问题。毛泽东同志指出，政治蹊径确定之后，干部就是决议的因素。邓小平同志一再强调，中国的事情能不可办妥，社会主义和刷新开放能不可坚持，经济能不可快一点生长起来，国家能不可长治久安，从一定意义上说，要害在人。申饬我们，现在严重的问题是教育干部的问题，是增强干部头脑作风建设的问题，是提高全党干步队伍素质的问题。中选为党的不久，就到西柏坡考察，招呼全党“务必坚持谦逊、审慎、不骄、不躁的作风，务必坚持艰辛斗争的作风”。历史履历证实，一个政党、一个干部有一个好的作风才有招呼力、凝聚力、影响力。
,亚洲欧美福利在线视频,嗯啊免费视频在线观看,午夜福利视频官网。责编：顾万峰
审核：穆古鲁
责编：普霍夫
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
