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「具体如何避免」这一机制层面的问题——资料1只给出了方法概述，没有展开零初始化低秩分支的内部工作原理。以下是资料中能确认的部分：

整体思路：PRISM 是一种面向 LLM 多智能体系统的拓扑生成后训练方法，核心是利用同一查询下另一个已验证可行的图作为「特权兄弟」（privileged sibling）信息1。
监督形式：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1。
声称的效果：据此避免 SFT 偏向语料中的高频拓扑1。
实验结论：在六个基准上优于现有拓扑设计基线1。

也就是说，资料只说明了「零初始化低秩分支 + 逐决策监督 → 查询级偏好 → 规避高频拓扑偏置」这一因果链条的端点，未说明零初始化如何抑制初始偏置、低秩分支如何与主干交互、逐决策监督信号如何构造等具体机制。要回答「具体如何」，需要查阅原文的方法章节。

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·4 天前