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

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判断——PRISM 的「特权兄弟」监督是逐决策的、查询级偏好信号，而常规 SFT 被描述为偏向语料高频拓扑；但资料未展开 SFT 的具体训练信号形式，因此无法做完整的逐项对比。可确认的差异点：

监督来源不同：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，由教师模型提供监督1；常规 SFT 在资料中未被说明其信号来源，仅被指出会「偏向语料高频拓扑」1。
监督粒度不同：PRISM 的教师监督是「逐决策」的（per-decision），即对拓扑构建过程中的每一步给出信号1；资料未说明常规 SFT 的粒度，无法确认其是否为序列级或整图级。
学习目标不同：PRISM 通过上述机制让学生模型学到「查询级偏好」，即针对每个查询区分优劣拓扑1；而 SFT 被描述为受语料分布影响、倾向高频拓扑1。
实现方式：PRISM 通过零初始化低秩分支接入教师模型以提供逐决策监督1；资料未提及 SFT 侧的任何实现细节。

资料不足以回答的部分：常规 SFT 的具体损失形式、是否使用特权信息、是否做决策级分解，以及两者在训练信号上的定量差异，现有资料均未涉及，无法进一步比较。

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