猫眼影戏
 |
|
猫眼影戏
周懿
手机审查
猫眼影戏记者 罗杰·查菲 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：蜜桃91精品㊙️入口17c
??01月26日,“我的企业我的家”,
(四)要提倡新风，做精神文明建设的“带动人”
,人人操人人操人人干 。??01月26日,第29届沃尔沃高尔夫中国公开赛落幕 奥代吉夺冠,
小康社会与协调社会建设，重点在农村、难点也在农村，陪同着经济和社会的生长，农村事情也爆发了深刻转变，怎样加速农村生长顺应都会化历程，生长地方经济、增强地方实力、提高村干部效劳能力成为目今下层组织向导农村事情的主要使命 。要增强效劳能力，首先要刷新事情作风 。农村事情与宽大农民的亲自利益息息相关 。干部的作风状态，直接影响到党的目的政策落实，影响农业和农村经济的生长，影响党群干群关系 。村干部必需始终心系群众、效劳人民，实践一心一意为人民效劳的宗旨，热爱农村事情，在情绪上贴近群众，在事情上依赖群众，真正把群众当亲人，在实践中强化同人民群众的血肉联系，维护好、实现好和生长好农民群众的利益，才华真正做到为群众排忧解难、谋福投契，从而拉近与群众之间的关系，切实做好农村事情 。其次，要改变事情理念 。现在的农民对村干部已经不知足于已往的一样平常要求，他们最盼愿的是效劳型干部，少指挥，多指导，少伸手，多给予，至心实意地为他们提供有用的效劳 。因此，村干部要更新头脑看法和事情方法，变“指挥员”为“指导员” Ｆ鹁⒏┟竦闭樟稀⒏阈Ю，少“管”多“助”，少“说”多“做“，时刻站在群众的态度上想问题，以维护群众利益为导向解决问题，将优质的效劳带给宽大人民群众 。
,欧美黄色一区二区,欧美精品C0m,国产黄色网站 。??时势2：超碰97精品中文字幕
??01月26日,“五一”假期 福州激光秀闽江畔上演,
那是一片盛烈、酷热的绚烂，似乎神灵的栖居地，武王立于中心，被璀璨绚烂笼罩，给人高不可攀的感受 。
,成人韩国小说汉化版官网入口,国产操操操操操操,原神女角色被五花大绑无法逃生 。??01月26日,提升主流新闻舆论对青年思想引导力,
老狈受惊，这太突然了，想逃避已经来缺乏，唯有挥舞利爪，一只金色的大爪子再次化形而出，镇压了下来 。
,午夜另类网站,69式A片免费网址,yy漫画首页登录入口最新版下载 。??时势3：亚洲顶级黄色视频
??01月26日,联合国官员期待中国继续引领全球可持续发展｜世界观,
早上好!今天我国旗下讲话的问题是《增强冬季磨炼，提高身体素质》 。 “少年前进则国前进，少年强则国强，中华民族的腾飞正在吾辈，我们重任在肩，任重而道远 。”我们青少年身体素质的优劣，说大点关系着祖国的未来，说详细点关系到我们未来小我私家的生长 。天天磨炼一小时，康健事情五十年，幸福生涯一辈子，我们必需体魄结实，意志顽强，才好有志向远大 。
,b站9.1免费版最新版下,gay做爱视频在线观看.,顶臂部配合视频大全 。??01月26日,【这个城市有点潮】三亚：忘掉寒冷 邂逅阳光！沙滩！海浪！,
要做到听从下令，一切行悦耳指挥 。听从下令是武士的天职，是战胜难题的主要条件 。同砚们在军训时代要切记自己是一名武士，要用严酷的纪律约束自己，遵纪遵法，令行榨取 。通过军训，增强纪律看法，为高中时代的受苦学习和康健有序的生涯以及以后投身于祖国建设事业打下坚实的基础 。本次军训事情时间紧、使命重、强度大，对每一位参训同砚都是不小的磨练 。各人要树立竞争和立异意识，形成优异气氛，争取军训效果和精神文明建设双丰收 。对在军训中，效果显著的整体和小我私家将划分予以奖励，对违反纪律的要严酷举行品评教育 。
,丝瓜污污视频,色噜噜网址,清纯校花堕落记allmine笔趣阁赵诗宁 。??时势4：欧美久久久电影
??01月26日,朝中社：朝鲜成功试射中远程固体燃料弹道导弹,
同砚们，敬重公物和 ；で樾问俏颐且褰勾堑闹霸，让我们的公德心在学校的每一个地方都熠熠生辉吧!让我们相互监视吧!昔人曾说过：“勿以善小而不为，勿以恶小而为之 。”若是每个同砚都能从自我做起，从小事做起，敬重公物在我 ？隙ㄎ等怀煞 。
,亚洲最大黄色网,家庭成员之间性乱伦视频,双女主亲密缠绕的视频大全 。??01月26日,蒙古族长调传承人：守住民歌的根与魂,
“鬼爷……你大爷！”小不点怨愤 。
?第一百四十五章 古剑,触手寄生公交车安装包2.0版本,亚洲 码无人客一区二区三区,91露双乳无套射漫画 。【网传河南周口幼儿园一女童遭校车碾轧 当地教体局通报】
责编：时义杰
审核：阎庆民
责编：阿罗戈
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
