猫眼影戏
 |
|
猫眼影戏
法布拉
手机审查
猫眼影戏记者 张来水 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：公公日儿媳的逼
??01月30日,中国香港奥运冠军江旻憓加入香港赛马会,
八、为暂时避难。在无路逃生的情形下，可使用卫生间等暂时辟难。避难时要用水喷淋迎火门窗，把房间内一切可燃物淋湿。在暂时避难时代，要自动与外界联系，以便尽早获救。
,fuqqer 100%vdivu6。??01月30日,安罗高速黄河特大桥即将建成 攻克系列建设难题,
很是谢谢各人来加入这个家长会，你们的孩子身体长高了，学习前进了，也越来越懂事了。教孩子们的每一位任课先生都是优异的，但我们每一位家长更是优异的，没有你们的明确、支持和配合，我们的事情就不会取得这么大的效果，孩子们就不会有这么大的前进。以是在这里我要谢谢所有支持我们事情，配合我们事情的家长们。是你们相信我们，支持我们，配合我们的事情，才使孩子们逐渐地生长起来！今天，把各人请到学校来，就是要和列位家上进一步相同，进一步相互明确、相互支持，一起资助孩子取得更大的前进，为他们获得优美幸福的人生涤讪坚实的基础。
,性one一个致敬韩寒掠版app,一女三男前后夹击4p漫画,欧美福利片网址。??时势2：一级 片免费按摩久久
??01月30日,莫斯科举办“国际中文日”活动,
它太强了，身体坚硬无比，双翅如阔刀，简直能将一座山峰撞断，这些林木基础阻挡不了。
,巴巴塔裸体 自慰网站,每日大赛app,哆啦A漫。??01月30日,奉献青春和热血！看直-20女飞行员徐枫灿的硬核宣言！,
六年来，我们走的辛勤，走的开心。在已往的六年里，我们过着充分而优美的生涯。我们流泪，却陪同着欢笑。我们走过了风风雨雨，却闻到了乐成之花的芳香。六年，两千多个日日夜夜，听起来好长，但当我们今天面临离别的时间，却以为好短。在已往的六年里，许多影象将成为我们生涯中最珍贵的珍藏。
,动漫9.1在线观看,很黄A片办公室免费,免费无码不卡一级片。??时势3：超碰97在线免费
??01月30日,第十八届闽南语双歌赛在厦门启动,
雷族内传来哭嚎声，所有人都惊呆了，基础无力对抗。
,免费男女囗交视频在线观看,我要看外国大女人裸体照,中文字幕一精品亚洲无线一区。??01月30日,中国成功发射遥感四十二号02星,
在党代会选举事情聚会上的讲话 凭证市委的统一安排，我们县委换届将在6月尾前后举行。为搞好这次换届事情，市委派出考察组，从5月20日最先，对我县党委、纪委向导班子举行了考察，现已完成了民主测评和民主推荐事情;与此同时，县委建设了县第十二次党代会准备事情向导小组，正在紧锣密鼓地举行党代会的各项准备事情。今天的聚会，就是按准备事情，经县委会研究决议召开的；嵘，同志宣布了准备向导小组组成职员名单，同志宣布了换届事情的组织人事纪律。适才，同志又对县第十二次党代会代表选举事情举行了详细安排，讲得很周全，很详尽，请各选举单位认真贯彻落实。下面，我再强调几点意见：
,不卡成年人黄色网站大全,性无码生活在线,黄片在线免费观看黄色视频。??时势4：一级黄色无码毛片在线播放
??01月30日,粤港澳大湾区“世界级机场群”呼之欲出,
近百年来，时时有其他种族的强者来犯，但只要从这里途经，想放纵突入者，历来都没有乐成过。
,免费黄色网站在线,fuck xxxl videos,色综合色色色色。??01月30日,利比亚前政府发言人：美国要从持续混乱的海地局势中获利,
小不点摸了摸，此后直接带在了自己的手腕上。见到这一幕，狈村的人全都惊怒不已，这可是一族的至宝，就这么被这个小不点给黑起来了。
,美女让男人狂操网站,日本少妇 视频,操纳西妲的粉逼。【海派绘画与岭南绘画名家作品东莞“牵手”联展】
责编：冯远安
审核：郝建国
责编：谢培栋
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
