猫眼影戏
 |
|
猫眼影戏
郑欣宜
手机审查
猫眼影戏记者 沈小岑 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：丝袜乱伦肛交
??01月29日,赖清德当局企图通过WTO机制商谈解决ECFA相关问题 国台办：此路不通,
“若是为我幼子讨一个说法也算入魔的话，今日我无妨堕完工魔！”石子陵大吼，满头发丝狂舞，沐浴在炽盛的金光中，大步向前冲去，无人能与之争锋。
,爽灬爽灬爽灬爽灬A片下载。??01月29日,北京环球度假区换上“龙年新装”焕发“新年味”,
三、防汛事情
,秋葵视频在线观看入口未满十八在线观看,亚洲一级毛片视频,日韩国产成在线A。??时势2：在线偷拍自拍国产
??01月29日,史丹：构筑数字经济发展新优势,
众人晕菜，这个小工具怎么什么都不知道，岂非真的是从原始老林子里跑出来的？
,国产一级婬片A片免费软,主人~别揉了~奶头~啊~嗯,2018超碰。??01月29日,中国战机“硬控”外国来宾 “试驾”战机拍不停,
好长时间，她神色阴晴未必，盯着那无邪纯净的小婴儿看了又看，眸子闪过一抹戾气，此后转头嘱咐儿子，道：“不要告诉任何人！”
,欧美性生交录像XXXX,在线你懂得,成3344。??时势3：国产一级特黄aa毛片
??01月29日,通讯：煤炭大市鄂尔多斯龙年新春打出三张牌,
这一次，他深吸了一口吻，蹲下身来，摩挲一块骨，此后蓦然用力，想震裂石面，将符骨弄出来。
,玖辛奈被扒开腿 同人,欧美亚洲精品区二区三区 - 欧美亚洲精品区区 - 欧美亚洲,国产一级做…爱毛片。??01月29日,中国驻墨西哥大使馆提醒中国公民亡灵节期间加强安全防范,
“定心吧，娃儿们不会有事，那只没毛的大鹰敢逞凶，非把它剁碎了喂树猪不可！”这些男子慰藉妇孺，高声吼道，此后嗷唠一嗓子冲进了山林。
,纲手教鸣人了解女人,一本一道日韩,黄页网站现在观看。??时势4：美女0厘米
??01月29日,全球南方青年领军者圆桌会召开 聚焦“共筑全球南方现代化”, 凭证排名，日本、伊朗和韩国队位列18强赛第一档。亚足联官网12日高度赞扬日本队：“在36强小组赛阶段6战全胜，打进24球未失一球。”日本队在最后一轮小组赛以5∶0轻取叙利亚队。别的，亚足联官网以为，伊朗和韩国队都在36强赛中体现出强盛竞争力。而第二档的澳大利亚、卡塔尔和沙特队同样实力不俗。澳大利亚队以打进22球不丢一球的战绩拿下6连胜，卡塔尔队坚持不败，沙特队在最后一场小组赛中以1∶2不敌约旦队。伊拉克队以全胜战绩领衔第三档球队，而乌兹别克斯坦和阿联酋队也在36强赛中坚持不败，约旦、阿曼和巴林队这三支第四档球队都提前从36强中突围。,国产社黄在线观看,成人视频福利导航,2021韩国午夜理伦三级无码。
??01月29日,中国组合进入双向飞碟混合团体铜牌争夺战,
同砚们，星期一早上好，今天，我要讲的主题是——节纸。在建设“节约型社会”历程中，生涯在青青校园里的少先队员应该做“节约型社会的小主人”，最大限度地节约资源，提高资源使用效率，把对情形的损害减到最小水平。少先队总部提出了“四个一”的系列活动，同砚们应该从身边做起，起劲提倡康健节俭的生涯方法。北京地区经常刮起沙尘暴，黄沙肆虐，刮得让人睁不开眼，面临云云卑劣的生态情形，北京一小学在一次中队会上，同砚们纷纷体现，愿意为；の颐堑纳樾巫龀鲎约旱男⑺。各人献计献策，纷纷提出了去远郊植树造林、去逍遥种花种草等许多建议。最后，向导员先生希望各人想个步伐，从身边的小事做起，同样抵达绿化祖国的目的，由于我学校特殊的情形，没有植树绿化的逍遥了。这可把各人难住了。有一个叫雷依梦同砚很智慧，她想了想说：“着实，我们天天都在破损着森林，由于我们的纸张，都是用木浆制成的，为了供应用纸，天天都有成千上万棵树木被砍伐。”她的一番话引起了同砚们的强烈回声。最后各人提议；で樾未由肀叩男∈伦銎，我们就从节约一纸张最先。说干就干，首先从自己做起，全体队员体现，以后决不随便铺张纸张，不再用纸叠飞机乱扔。不再把没用完的底稿纸乱抛。并且同砚之间相互监视。不但云云，同砚们还自动回家向家长宣传节约用纸，并视察家庭用纸情形。起源统计用纸情形如下：餐巾纸平均天天一个家庭消耗10张。面巾纸平均天天一个家庭约莫消耗5—7张，卫生纸全家平均天天合计消耗1/5卷，学习用纸(包括用书)折合成A4纸，约莫6—8张。将这些纸张折合因素量约莫为0.25公斤。照此盘算，我们每年每个家庭就要消耗掉约莫91.25—91.5公斤纸张。北京有一支著名遐迩的“一张纸小队”。5年前，北京市东高房小学年仅8岁的少先队员袁日涉提倡组建了这支小队。几年来，“一张纸小队”用现实验动转达着“聚沙成塔，聚沙成塔”的质朴原理。他们招呼各人“两面用纸、节约护树”;他们把正背面都用过的纸网络走来，放在课堂后面的纸箱里，并为这个纸箱起了个好听的名字--“绿色银行”;他们在北京郊区建设了一片“少年先锋林”，妄想发动天下20xx名队员在这里种下20xx棵树，作为环保少年为20xx年北京奥运会献上的一份礼物。同砚们，一页纸就是一页金，举手投足间珍惜一张纸，就即是造林一片。透过一张张皎洁的纸，你有没有思索过自己的行为;你是否远离了一次性纸杯、一次性木筷?你是否用纸的背面写过字?你是否用旧挂历纸包过书皮?你是否把废纸与垃圾脱离处置惩罚?你的口袋里装的是手帕照旧面巾纸?让我们一起加入到“一张纸小队”的行列中来吧!节约一张纸，拯救的可能是一棵大树，甚至整个森林......节约不但是美德，更是责任。
,操操操综合,国产精品勾搭农村老头,91亚洲视频。【重庆持续高温 游客出游热度不减】
责编：董磊
审核：刘文清
责编：郑新立
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
