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具体机制。资料1只给出了 PRISM 的整体思路概述，没有展开零初始化低秩分支在逐决策监督中的内部工作原理，也没有说明它为何能避免 SFT 偏向高频拓扑。资料1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图作为「特权兄弟」信息，由教师模型提供逐决策监督1。
零初始化低秩分支的角色：资料仅说明该方法「通过零初始化低秩分支让教师模型提供逐决策监督」，但未说明该分支的结构、初始化方式为何能保证训练初期不干扰主干，以及逐决策监督如何逐 token/逐决策地注入1。
目标效果：使学生模型学到查询级偏好，避免 SFT 偏向语料高频拓扑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，「避免高频拓扑偏向」在资料中只是作为方法目标与结论被陈述1，其与零初始化低秩分支之间的因果机制（例如是否通过零初始化保证初始输出与基座一致、是否通过逐决策而非整图序列的监督粒度降低对高频模式的拟合）在现有资料中均无说明。要回答「具体如何避免」，需要 PRISM 的方法章节或消融实验细节。

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·5 天前