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

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「PRISM 相比 SFT 的平均提升幅度是多少」这一具体数值问题。资料中能确认的部分：

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1。
该方法的设计动机之一是避免 SFT 偏向语料高频拓扑1。
实验方面，资料仅说明 PRISM「在六个基准上优于现有拓扑设计基线」1，未给出任何具体的提升幅度、平均增益数值或与 SFT 的逐项对比数据。

因此，关于「相比 SFT 的平均提升幅度」，资料中没有任何可引用的数字，无法给出结论。建议查阅该论文原文（arXiv:2610.20628）的实验章节获取具体指标。

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