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 AbridgeKV 在 vLLM 中的实现改动涉及哪些模块？10 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10

AI 答案

资料有限基于 1 条来源 · 引用可点击溯源

现有资料不足以完整回答该问题——资料1 只给出了 PRISM 方法的摘要级描述，没有展开「特权兄弟」监督与常规 SFT 在训练信号层面的具体定义、损失形式或对比实验细节。以下仅列出资料中能确认的部分：

常规 SFT 的信号来源与已知缺陷：资料指出 SFT 会「偏向语料高频拓扑」，即监督信号来自语料中已出现的高频拓扑分布1。
「特权兄弟」监督的信号来源：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，由教师模型据此提供逐决策监督（per-decision supervision），使学生模型学到查询级偏好（query-level preference）1。
实现方式：教师信号通过零初始化低秩分支注入，而非直接对输出做全参数微调1。
效果：在六个基准上优于现有拓扑设计基线1。

因此，从资料可推断的差异方向是：SFT 的监督目标是语料中的高频拓扑（分布层面、与具体查询无关的偏好），而 PRISM 的监督目标是同一查询下已验证可行图所给出的逐决策信号（查询级、决策粒度的偏好）1。但资料未说明两者的具体损失函数、信号密度、正负样本构造方式，也未给出二者的直接对照实验数据，故无法就「本质差异」给出更精确的结论。

继续追问

PRISM 中「零初始化低秩分支」的具体结构和训练流程是怎样的？「特权兄弟」图是如何构造和验证的，是否存在泄漏风险？PRISM 与常规 SFT 在六个基准上的具体对比数值是多少？

参考来源

1 条

1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

AI 答案正在检索与综合…

站内相关条目

1 条 · 点击可看原文全文与中文译文

返回信息流

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·5 天前

#multi-agent