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

范围：站内优先仅站内全网全网通道：bing

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 3 条来源 · 引用可点击溯源

现有资料只能确认「特权兄弟」监督与零初始化低秩分支的设计意图与作用，无法还原具体实现细节（网络结构、损失函数、初始化方式、训练流程等）。 可确认的部分（来自 [2]）：

「特权兄弟」监督：PRISM 是一种面向 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的图作为「特权兄弟」信息，让教师模型据此提供逐决策（per-decision）监督，使学生模型学到查询级偏好，从而避免 SFT 偏向语料中的高频拓扑2。
零初始化低秩分支：作为承载上述教师监督的通道，与「特权兄弟」信息配合使用2。
效果：在六个基准上优于现有拓扑设计基线2。

资料不足以回答的部分：

低秩分支的秩大小、注入位置（哪一层/哪个模块）、零初始化具体指哪些权重置零；
教师模型如何从「特权兄弟」图导出逐决策监督信号（标签形式、对齐方式）；
损失函数构成、训练阶段划分与超参。

注意区分同名工作：站内另有两篇 PRISM 相关条目，均与本问题无关——1 研究工具调用模型的激活干预可迁移性（NF4 量化标签、跨语言迁移，Llama-3.1-8B 违规率降低 21.95 个百分点）1；3 是系统综述筛选系统 ReviewPilot，其 PRISMA 指综述报告规范，并非本问题的 PRISM 方法3。

继续追问

PRISM 的「特权兄弟」图是如何构造和验证为可行的？零初始化低秩分支与 LoRA 的标准初始化有何差异，为什么需要零初始化？PRISM 在六个基准上的具体评测指标和对比基线有哪些？

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