仅0.005%参数量实现推理翻倍：奖励模型性能大提升
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
新智元报道
编辑：LRST
【新智元导读】最新奖励模型SWIFT直接利用模型生成过程中的隐藏状态，参数规模极小，仅占传统模型的不到0.005%。SWIFT在多个基准测试中表现优异，推理速度提升1.7×–6.7×，且在对齐评估中稳定可靠，展现出高效、通用的奖励建模新范式。
在大语言模型的推理增强与对齐过程中，Best-of-N（优中选优）是一种常用的测试时增强策略：模型针对同一输入生成多条候选答案，再由奖励模型进行评分筛选。
然而，现有主流奖励模型往往本身规模庞大、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部署的核心瓶颈。
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型。
论文链接：https://arxiv.org/abs/2505.12225
项目主页：https://aster2024.github.io/swift-website/
代码地址：https://github.com/aster2024/SWIFT
模型权重：https://huggingface.co/Aster2024/swift-ministral-8b-deepscaler
SWIFT 不再「读文本」，而是直接利用大语言模型生成过程中产生的隐藏状态，从中挖掘内在奖励信号，其参数规模仅为传统奖励模型的「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，该方法在有用性 / 安全性等对齐评估任务中同样表现稳定，展示出作为通用奖励模型的潜力。
奖励模型
推理增强的「隐形天花板」
Best-of-N的基本思想并不复杂：对于同一个问题生成N条候选回答，再挑选其中最优的一条。
然而，在真实系统中，真正昂贵的不仅是「多生成」，还有「如何评估」。
当前主流做法通常采用文本级奖励模型，对每条候选答案进行完整编码和评分，这带来了多方面的挑战：
模型体量大、推理开销高：奖励模型往往拥有数十亿参数，几乎相当于再运行一次大模型；
数据需求高：训练高度依赖人工偏好数据或复杂的合成标注流程；
系统扩展受限：当 N 增大时，奖励模型的评估成本迅速吞噬 Best-of-N 带来的收益。
因此，一个关键问题逐渐凸显：能否用一种更轻、更快、更易部署的方式，完成候选答案的高质量筛选？
隐藏状态中蕴含着模型「对自己答案的判断」
SWIFT 的出发点来自一个重要观察：当大语言模型生成回答时，其内部各层的隐藏状态本身就携带了关于推理正确性、稳定性与置信度的丰富信息。
换句话说，模型在「思考」的过程中，已经在内部形成了对当前推理路径质量的判断信号。
与其额外训练一个庞大的文本模型去「读输出结果」，不如直接从模型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型。
这一思路使得奖励建模不再依赖复杂的文本表示，而是转向对模型内部表示的高效利用。
词元级线性打分+门控加权汇总
SWIFT的整体结构非常简洁，但针对奖励建模的需求进行了精心设计，具体而言：
对于生成序列中的每一个词元，收集大语言模型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，同时预测「该词元的奖励分数」和「该词元的重要性门控权重」
使用门控权重对词元奖励进行加权平均，得到整条生成路径的最终奖励分数。
其中，门控机制使模型能够自动关注对最终正确性更关键的词元（如关键推理步骤、数值计算、结论标记等），从而对整条推理轨迹进行更精细的评估。
整个奖励模型的参数规模仅与「层数 × 隐藏维度」成正比，相比传统文本奖励模型实现了数量级的压缩。
如此轻量
参数规模与训练成本的数量级差距
与动辄数十亿参数的传统奖励模型相比，SWIFT的参数规模仅为10⁵量级，在不同底座模型上的具体数值均远低于现有主流方案。
论文在参数量与训练数据规模的对比中显示：
SWIFT不仅模型规模极小，训练所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表现。
这一特性使得SWIFT在资源受限环境或大规模部署场景中具备明显优势。
在多个基准上全面超越主流奖励模型
在数学推理与符号推理等核心基准上，研究团队系统评估了SWIFT在Best-of-N设置下的表现。
在MATH、GSM8K、AQuA-RAT、Imbue Code Comprehension、HellaSwag、CoinFlip数据集上，SWIFT在不同底座模型与不同N值配置下，整体准确率均优于多种主流开源奖励模型，且表现更加稳定。
更重要的是，这些性能提升并非以高昂计算代价为前提。论文进一步报告了端到端推理流程中的实际耗时：在相同的生成设置下，用SWIFT替换传统奖励模型，可带来1.7×–6.7×的整体加速。
效率优势
时间与计算量均达到「数量级提升」
在真实系统中，推理效率往往比离线指标更具决定性意义。论文通过对比每条样本的平均耗时与计算量，清晰展示了SWIFT在效率上的优势：平均推理时间显著降低；所需计算量（FLOPs）减少到原有方法的极小一部分；在不同数据集和底座模型组合下均保持一致趋势。
结果表明，SWIFT在效率层面实现了真正意义上的数量级优势，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/安全性评估中表现稳定
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任务中验证了其通用性。
在PKU-SafeRLHF数据集上，采用Best-of-N设置，并使用强模型作为评判标准，对生成结果的有用性与安全性进行评估。结果显示，SWIFT在这两个维度上均优于多种大规模文本奖励模型。
这一结果表明，隐藏状态中蕴含的信息不仅能够反映推理正确性，也能刻画更广义的响应质量，为奖励模型在对齐评估中的应用提供了新的思路。
工程化优势
更轻、更快、与传统奖励模型协同
SWIFT 还展示了多种面向工程落地的扩展方式，使其不仅具备理论上的简洁性，也具备现实系统中的高度可用性：
部分层训练：消融实验进一步表明，相比模型前层，靠近输出的后层隐藏状态包含更强的推理正确性信号。仅使用少数后层训练 SWIFT，便可在显著减少参数规模与计算开销的同时，保持与使用全部层时接近的性能。这一结果说明，SWIFT 主要依赖模型在形成最终判断阶段的内部表示，而非早期的表层语言特征。
仅基于输出分布（logits）的训练方式：在无法访问隐藏状态的场景下，SWIFT 仍可仅依赖模型的输出分布进行训练。实验结果表明，即使在这种受限设定下，SWIFT 依然能够提取到具有判别力的质量信号。这一特性使其在一定程度上具备与部分闭源大模型兼容的可行性，显著拓宽了实际应用边界。
与传统奖励模型组合：得益于极小的参数规模（不足传统奖励模型的 0.005%），将 SWIFT 与现有奖励模型进行组合几乎不会引入额外的系统开销。论文探索了基于排序选择与加权融合的简单策略，实验表明，在多个基准上，这种组合方式能够进一步提升推理准确率。
综合来看，这些工程化特性使 SWIFT 不仅可以作为传统奖励模型的高效替代方案，也能够作为现有奖励模型体系中的轻量级补充模块，在几乎不增加部署成本的前提下提升整体系统性能。
总结
奖励建模的新范式
SWIFT 提供了一条不同于「更大模型、更重计算」的奖励建模路径：
直接利用大模型内部隐藏状态中的内在信号；
以极低的参数与数据成本，实现高效、稳定的奖励评估；
同时兼顾推理增强与对齐评估，具备良好的工程落地潜力。
这项工作表明，在大模型推理与对齐领域，性能提升并不一定依赖于更复杂的外部模型，而可能来自对模型自身内部机制的更深入理解与利用。
参考资料：
https://arxiv.org/abs/2505.12225
相关攻略
出品｜虎嗅科技组作者｜宋思杭编辑｜苗正卿头图｜中关村论坛现场上一次智谱AI与月之暗面同台，还是在1月10日。那天是智谱通过港交所聆讯后的第三天，一个周六，在中关村国际创新中心举行了一场名为AGI-N
AI正在走向“为了采取正确行动而思考”。编译整理｜莘歆来源 | 盒饭财经（ID：daxiongfan）头图及封面来源 | 网络及即梦制作在X（推特）上宣布离职后的22天，林俊旸发了一篇长文。3月2
3月26日晚间，前千问大模型技术负责人林俊旸在社交平台发文，在从阿里离职后，他首度发布长文详谈自己对大模型发展路线的理解及对AI下一阶段的预判。林俊旸表示，过去两年重塑了行业对大模型的评估方式与核心
梦晨 发自 凹非寺量子位 | 公众号 QbitAI林俊旸，离职阿里千问后首次发声。他没有回应离职风波或宣告去向，而是发长文探讨从“推理模型时代的思考”到“智能体时代的思考”的转变。整篇文章谈的是技术
“推理需求在过去一段时间内已经近十倍的增长，今年整体Token增长会不会到100倍？”会议现场。澎湃新闻记者 范佳来 摄3月27日，在2026中关村论坛上，最近外界颇为关注的“AI才女”、小米MiM
热门专题
热门推荐
在日常工作和学习中，思维导图是一种非常实用的工具，它能够帮助我们整理思路、提高效率。而当我们需要将思维导图分享或保存时，打印是一个常见的需求。那么，思维导图怎么打印呢？又如何保证打
镇邪2中的黄泉女鬼是强力鬼类驭灵，核心获取方式是前往萍乡杨家庄西边，找到并开启封印其魂魄的封鬼坛即可收服，下面带来的是详细的镇邪2黄泉女鬼获取攻略，感兴趣的玩家不容错过。镇邪2黄泉女鬼获取攻略如下：
在燕云十六声中，唐刀裂石钧流是一种极具特色的玩法，能让玩家体验到独特的战斗风格。技能特点与理解唐刀裂石钧流的核心技能在于其迅猛的攻击与强大的破防能力。裂石技能可对敌人造成高额伤害，
《笑傲江湖》中，男主令狐冲与小师妹岳灵珊，可谓是两小无猜，青梅竹马，有着深厚的感情。令狐冲更是曾经在心中想过，若是小师妹出了意外，他也不愿意一个人活下去了，令狐冲爱小师妹，爱到生死相许。可纵然令狐冲
3月28日消息，京东物流推出异狼机械臂升级版，完成从单臂到双臂的核心迭代，大幅提升仓储包裹分拣效率。异狼机械臂专为包裹抓取和码垛设计，依托超脑AI大模型的具身模型，京东物流成为业内唯一将具身机器人落