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

部分可确认基于 3 条来源 · 引用可点击溯源

结论：PRISM 通过引入「特权兄弟」（privileged sibling）——即同一查询下另一个已验证可行的拓扑图——作为教师信号，用零初始化低秩分支对学生模型做逐决策监督，从而把「查询级偏好」而非「语料高频拓扑」注入后训练。需要先澄清一点：资料中存在两个同名 PRISM，本问题对应的是 2 的多智能体拓扑设计工作，而非 1 的激活干预工作（后者研究工具调用模型的安全干预方向迁移，与拓扑偏好无关）1 2。具体机制（依据 2）：

偏好信号来源：利用同一查询下另一个已验证可行的图作为「特权兄弟」信息，为当前查询提供额外的教师侧参照2。
监督方式：通过零初始化低秩分支，让教师模型提供逐决策（per-decision）监督，学生模型据此学到查询级偏好2。
要解决的问题：避免 SFT 偏向语料中高频出现的拓扑，即防止模型只学会「常见图」而非「适合该查询的图」2。
效果：在六个基准上优于现有拓扑设计基线2。

资料未披露的细节：低秩分支的具体秩大小、教师/学生模型规格、偏好信号的损失函数形式、六个基准的具体名称，现有资料均未给出，无法进一步展开。

继续追问

「特权兄弟」图是如何被筛选或验证为可行的？零初始化低秩分支的具体结构和训练超参是什么？PRISM 在六个基准上相对基线的具体提升幅度是多少？

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