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

结论：现有资料只能给出方向性对比，无法展开具体训练信号形式。 资料1对 PRISM 的描述中，与训练信号相关的可确认信息如下：

监督来源不同：PRISM 的监督信号来自「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（per-decision）监督1；而常规 SFT 的监督信号来自语料中的既有拓扑样本本身1。
监督粒度：PRISM 是逐决策级别的监督，而非对整条输出序列的整体拟合1。
信号注入方式：通过零初始化低秩分支引入教师模型，使教师提供上述逐决策监督1。
学习目标差异：PRISM 旨在让学生模型学到查询级偏好，从而避免 SFT 偏向语料中高频出现的拓扑1。

资料不足以回答的部分：资料1仅为摘要级信息，未给出常规 SFT 的具体损失形式、PRISM 监督信号的具体数学表达（如是否为 token 级 KL、偏好对构造方式、低秩分支与主干的组合细节），也未说明两者在数据构造、采样策略上的完整差异。因此无法对「训练信号」做更细粒度的逐项对比。 效果侧的唯一可引用证据：PRISM 在六个基准上优于现有拓扑设计基线1；资料未给出与纯 SFT 的单独消融数字。

继续追问

PRISM 的「特权兄弟」图是如何构造和验证可行性的？零初始化低秩分支在 PRISM 中的具体作用和训练流程是怎样的？PRISM 与常规 SFT 的消融实验数字分别是多少？

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