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「差距有多大」这一量化问题——资料1只给出了定性结论，没有任何实验数值。资料中能确认的部分：

方法定位：PRISM 是面向 LLM 多智能体系统的拓扑生成后训练方法，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1。
与 SFT 的关系（定性）：资料明确指出该设计意在避免 SFT 偏向语料中的高频拓扑，使学生模型学到查询级偏好1。也就是说，二者的差异被描述为「偏好学习 vs. 高频模式拟合」的机制性差异，而非具体精度差。
实验范围：在六个基准上优于现有拓扑设计基线1。但资料未说明这些基线中是否包含常规 SFT、也未给出任何指标数值或提升幅度。

因此，关于「特权兄弟监督 vs. 常规 SFT」的具体实验差距（绝对/相对提升、方差、基准明细），现有资料不足以回答，需要查阅原文的实验章节。

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·5 天前