猫眼影戏
 |
|
猫眼影戏
姜梁
手机审查
猫眼影戏记者 郭美 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：男人扎爽进女人j免费网站
??02月01日,香港举行投资策略会 海内外专家探讨投资风险与机遇,
远处的云层中，小不点喃喃自语，道：“狻猊是在诈死，想要除掉仇敌，居心引恶魔猿尚有离火牛魔前来，果真是智慧种族，比许多人都智慧。”
,国产a免费观看。??02月01日,现代体育“碰撞”文化 河南安阳马拉松激情开跑,
“惋惜了传说中的无上宝术，随着毁掉了。”清静下来后，一群人都以为很遗憾。
,www.久久精,中文字幕精品亚洲一区,美女裸交。??时势2：人人操人人闹
??02月01日,神十七发射、C919开启商业飞行等入选2023公众最关注科技事件,
??02月01日,黑龙江：秋粮收购加快推进 政策金融支持超200亿,
现在，农民群众的民主意识、法制看法、参政意识显着增强，对农村干部提出了新的更高要求。特殊是农村干部祖祖辈辈生涯在村里，与农民群众朝夕相处，一言一行，群众看得清晰。“公生明，廉生威”，老黎民最服的是一身正气的干部。村干部特殊是村党支部书记要时刻绷紧清廉自律这根弦，管住自己，管好班子，特殊对同族本族，亲友挚友，不可搞亲亲疏疏。要严酷执行民主集中制，自觉接受群众的监视。特殊是要把村务果真、民主治理的各项制度落到实处，让、群众知道事是怎么办的，钱是怎么花的，使干部省心，群众明确，干部清白。要清廉勤政，要有无私贡献精神，对自己要求严酷，注重形象，树立在群众中的威信。
,新国产一区,国产欧美激情一区二区2,成人黄涉束缚cos。??时势3：小鸟酱挑战36厘米尾巴视频大全
??02月01日,四川康定山洪泥石流已致12人遇难15人失联,
若是非要以数值来权衡的话，搬血境初期最少也要有八千斤的破损力！
,国产在线视频一区,一小孩把鸡巴喂给姐姐,全网免费性生活。??02月01日,滕哈格留任曼联,他靠什么打动“红魔”高层? ,
兽皮载着几小我私家，一个二十几岁的青年人，一个老西崽，尚有几个孩子，从五六岁到十几岁不等，有男有女。
,在线播放carib,3344永久免费观看视频,曰本啪啪啪网址。??时势4：妲己被爆 吸乳羞羞
??02月01日,混团世界杯中国香港胜德国 黄镇廷：希望女儿看到我拼搏的样子,
目今，国家的金融政策是支持县域经济和中小企业(特殊是小微企业)的生长。对我们来讲，推动全区工业经济转型升级是实现全区经济社会跨越式生长的要害，只有支持了工业经济，才华更有力地增进地方经济的生长。下一步，我们将进一步转变谋划理念，明确信贷重点，加大投放力度，更好地效劳工业经济的生长。一是要切实转变谋划理念。要一直强化市场意识，准确处置惩罚好存与贷的关系，既要树立“存款立行”的生长看法，更要树立“贷款兴行”的谋划理念，起劲战胜不切合市场经济纪律的“零危害”信贷意识，把做活、做好信贷资金作为增强自身盈利能力的主攻偏向，找准危害与收益的最佳切入点，千方百计地扩大对企业的信贷投入，慎贷而不吝贷。二是要起劲转变事情作风。要自动深入企业效劳，变被动接受贷款申请为自动寻找优质客户工具，变坐等营业为深入企业一线设点跟踪效劳，自动为企业提供国家金融政策、金融形势、贷款程序、金融产品等方面的信息咨询效劳，起劲资助企业举行经济剖析、市场展望，加入企业重点项目论证。对市场远景好、投资回报率高的项目建设，起劲为企业提供信贷支持，同时加大对优质客户的信贷支持力度，对企业有用的资金需求要自动资助解决，建设一支稳固的信贷客户群，实现营业的一直生长。三是要逐步富厚金融产品。现在，我行支持中小企业的信贷产品主要有：企业联保贷款、典质贷款、信用贷款、银行承兑汇票等。下一步，我们将马上开通“网上银行”营业，为客户提供越发便捷的结算渠道，进一步利便企业的财务治理。别的，我行还将尽快推出创业卡营业，这是一种专门为小微企业量身定制的新产品，创业卡主要面向优质个体工商户和小企业谋划主等中高端小我私家客户，具有通俗借记卡结算和小我私家循环贷款两大功效，授信额度在30万元至100万元之间，持卡人在获得授信后，就可以通过网点柜面、网上银行和自助装备等办理贷款、还款营业。同时，它具有“一次授信、循环使用、自助放款、担保无邪”的优势，关于正准备创业或处于事业成恒久的客户来说，它能够最大限度地知足小微企业实时无邪、利便快捷的信贷效劳需求。四是要打造一家科技支行。我行将在效劳好“三农”的基础上，有重点的支持开发区的工业生长，今年，我行拟将在南城开发区设立科技支行，这也是全省第二家的科技支行，专注效劳园区内的科技型中小企业。现在，我行已与市科技局举行了充分的对接，告竣了起源相助意向，由市科技局牵头组建科技担保公司，通过科技财务的指导作用，与我行信贷资金捆绑配合来帮助首创型、生长型、科技型的中小企业，关于市政府认定的市级以上的科技型企业，我们将凭证基准利率来提供信贷支持，资助企业做大做强，增进园区工业经济的生长。
,yw193.com换哪个网名了,美国三级视频,太黄一级18禁止看免费。??02月01日,韩国国会议长：进入国会本部的士兵已全部离开,
责编：蒲柏
审核：任昌丁
责编：桑乐金
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
