AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

范围：站内优先仅站内全网全网通道：bing

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以回答该问题。资料 1 只给出 PRISM 的宏观描述，没有说明“特权兄弟”监督与 SFT 在训练信号和损失构造上的具体区别，因此无法给出损失函数形式、监督粒度或训练信号来源的细节对比。资料 1 中能确认的相关信息仅有：

监督信号来源不同（方向性描述）：PRISM 利用同一查询下另一个已验证可行图作为“特权兄弟”信息，由教师模型提供逐决策监督，使学生模型学到查询级偏好 1。
SFT 的已知局限：资料称该方法可避免 SFT 偏向语料高频拓扑 1，即 SFT 的训练信号来自语料中的高频分布，而 PRISM 的信号来自查询级的可行解对照。
实现形式：教师监督通过零初始化低秩分支注入 1，但资料未说明该分支如何参与损失计算。
效果：在六个基准上优于现有拓扑设计基线 1。

资料未涉及的内容包括：损失函数的具体形式（如是否为逐 token 交叉熵、偏好/排序损失或蒸馏损失）、特权兄弟与学生的对齐方式、训练信号在决策序列上的分配权重，以及 SFT 损失在该框架中是否被保留为辅助项。这些均需查阅原文方法章节。

继续追问

1 条

AI 答案正在检索与综合…

1 条 · 点击可看原文全文与中文译文

PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法：利用同一查询下另一个已验证可行图作为"特权兄弟"信息，通过零初始化低秩分支让教师模型提供逐决策监督，使学生模型学到查询级偏好，避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。

Agent·arXiv cs.CL·4 天前