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 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10 agent8

AI 答案

部分可确认基于 3 条来源 · 引用可点击溯源

结论：PRISM 通过引入同一查询下另一个已验证可行图作为「特权兄弟」（privileged sibling），并以零初始化低秩分支让教师模型提供逐决策监督，从而把查询级偏好信号注入拓扑生成器的后训练过程[2]。需要先澄清一点：资料中存在两个同名「PRISM」，与「拓扑生成器」相关的是 2（PRIvileged Sibling-guided Multi-Agent Topology Design）；1 是工具调用模型激活干预方向的工作，3 是系统综述筛选系统，二者与本题无关。 问题成因（资料中的表述）

常规 SFT 会偏向语料中出现频率高的拓扑，导致模型学不到「针对当前查询哪个拓扑更优」的偏好信号2。

PRISM 的解决路径

构造特权兄弟信息：对同一查询，取另一个已验证可行的图作为参照（「特权兄弟」），使模型能在同一查询下对比不同拓扑的优劣，而非只拟合单一高频答案2。
零初始化低秩分支：在模型中接入零初始化的低秩分支，使教师模型的监督可以逐决策地传递给学生模型，而不破坏原有能力2。
逐决策监督：教师模型对生成过程中的每一步决策给出监督信号，学生模型由此学到查询级偏好2。

效果

在六个基准上优于现有拓扑设计基线2。

资料未覆盖的部分：具体的损失函数形式、特权兄弟图的筛选/验证标准、低秩分支的秩取值与训练超参，现有资料均未给出，不足以回答。

继续追问

「特权兄弟」图是如何被验证为可行的？筛选标准是什么？零初始化低秩分支的具体结构和秩大小如何设置？PRISM 在六个基准上相比基线的具体提升数值是多少？

参考来源

3 条

1站内PRISM: Transfer and Limits of Activation Interventions in Tool-Calling Language ModelsPRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。arXiv cs.CLhttps://arxiv.org/abs/2610.20808 2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 3站内ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic ReviewsReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。arXiv cs.CLhttps://arxiv.org/abs/2610.21042

AI 答案正在检索与综合…

站内相关条目

3 条 · 点击可看原文全文与中文译文

返回信息流

大模

PRISM: Transfer and Limits of Activation Interventions in Tool-Calling Language Models

PRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。

大模型·arXiv cs.CL·4 天前

#llm

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·4 天前

#multi-agent

ReviewPilot: A Multi-Agent System for Screening and Data Extraction in Systematic Reviews

ReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。

Agent·arXiv cs.CL·4 天前

#multi-agent