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

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 3 条来源 · 引用可点击溯源

现有资料不足以回答「推理部署时 PRISM 是否还需要教师模型或兄弟图、开销如何」这一具体问题——三条资料中没有任何一条描述 PRISM 的推理期（部署）流程或推理开销。能确认的只有训练阶段的信息，且两条 PRISM 资料指向的是不同工作，需要先区分。 1. 资料里存在两个不同的「PRISM」，不能混为一谈

1 是工具调用语言模型中的激活干预框架，研究安全干预方向的可迁移性，用量化 NF4 标签与跨语言迁移稳定估计干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型1。
2 是多智能体拓扑设计的后训练方法，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2。

2. 关于「教师模型 / 兄弟图」：只在训练阶段被明确提及

教师模型与「特权兄弟图」出现在 2 的后训练设定中：教师模型通过零初始化低秩分支提供逐决策监督，兄弟图作为特权信息辅助学生模型学习查询级偏好2。
2 的摘要未说明部署时是否仍需教师模型或兄弟图，也未给出任何推理延迟、显存、吞吐等开销数据。

3. 关于推理开销：资料中无任何数据

1 只报告了效果指标（违规率下降 21.95 个百分点、可迁移至 70B）1，未涉及推理成本。
2 只报告了在六个基准上优于现有拓扑设计基线2，同样未涉及推理成本。
3 是系统综述筛选/抽取方向的 PRISMA 多智能体系统，与上述两个 PRISM 无关，不能作为依据3。

结论：若你问的是 2 的拓扑设计 PRISM，资料只能确认教师模型与兄弟图属于训练期机制2，部署期是否需要、开销多大均无据可查；若问的是 1 的激活干预 PRISM，资料中根本没有教师模型或兄弟图的概念1。建议直接查阅两篇原文的实验/部署章节。

继续追问

[2] 中零初始化低秩分支在推理时是否可以完全移除，学生模型单独部署的参数量是多少？[1] 的激活干预方向在推理时需要额外的前向/探针计算吗，对 70B 模型的显存与延迟影响如何？两个同名 PRISM 工作（激活干预 vs 多智能体拓扑设计）之间是否存在方法上的关联或引用关系？

参考来源

3 条

1站内PRISM: Transfer and Limits of Activation Interventions in Tool-Calling Language ModelsPRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。arXiv cs.CLhttps://arxiv.org/abs/2610.20808 2站内PRISM: PRIvileged Sibling-guided Multi-Agent Topology DesignPRISM 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。arXiv cs.CLhttps://arxiv.org/abs/2610.20628 3站内ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic ReviewsReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。arXiv cs.CLhttps://arxiv.org/abs/2610.21042

AI 答案正在检索与综合…

站内相关条目

3 条 · 点击可看原文全文与中文译文

返回信息流

大模

PRISM: Transfer and Limits of Activation Interventions in Tool-Calling Language Models

PRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。

大模型·arXiv cs.CL·4 天前

#llm

PRISM: PRIvileged Sibling-guided Multi-Agent Topology Design

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

#multi-agent

ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic Reviews

ReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。

Agent·arXiv cs.CL·4 天前

#multi-agent