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

现有资料不足以回答该问题的核心部分：资料1只提供了 PRISM 的摘要级描述，没有给出任何具体的实验设置细节（数据集、模型规模、训练超参、评测协议等），因此无法就「特权兄弟」监督与 SFT 基线在实验设置上的差异做逐项对比。资料中能确认的部分：

方法定位：PRISM 是一种面向 LLM 多智能体系统的拓扑生成后训练方法1。
监督信号来源：它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，由教师模型通过零初始化低秩分支提供逐决策监督，使学生模型学到查询级偏好1。
与 SFT 的已知差异（仅限动机层面）：摘要明确指出该设计意在避免 SFT 偏向语料中的高频拓扑1。也就是说，两者的差异在资料中只体现为「监督信号构造方式与所规避的偏差」，而非实验设置。
评测结果：在六个基准上优于现有拓扑设计基线1，但资料未列出基线清单，也未说明 SFT 基线是否在其中。

因此，关于「实验设置差异」（如训练数据规模、教师/学生模型配置、低秩分支的秩与初始化、基线 SFT 的训练轮数与数据配比、评测基准与指标）均无资料支撑，不能给出。

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