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

结论：现有资料只能给出方向性差异，无法展开机制细节——PRISM 的「特权兄弟」监督是逐决策（per-decision）的教师信号，且以查询级偏好为目标；常规 SFT 则是对语料中高频拓扑的模仿学习[1]。资料能确认的差异点：

监督信号的来源不同：PRISM 的监督来自「同一查询下另一个已验证可行图」这一“特权兄弟”信息，由教师模型据此提供监督；常规 SFT 的监督来自训练语料本身1。
监督粒度不同：PRISM 通过零初始化低秩分支实现逐决策监督；资料未描述常规 SFT 的粒度，仅指出其会“偏向语料高频拓扑”1。
学习目标不同：PRISM 使学生模型学到查询级偏好，而非复制语料分布中的高频模式；SFT 的偏差正体现在对高频拓扑的偏向1。
实现载体：零初始化低秩分支是承载该监督的模块设计1。

资料不足以回答的部分：摘要未给出损失函数形式、逐决策信号的具体构造方式、与 SFT 交叉熵目标在数学上的对照，以及“特权兄弟”在推理阶段是否可用等细节，因此无法进一步量化两者的训练信号差异1。

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·5 天前