Qwen3-Omni Technical Report
作者用一个模型，同时支持了text、图片理解、视频理解、音频理解四种能力。核心是在vlm的基础上，又添加了audio token
开源，就是源神
APRIL: Active Partial Rollouts in Reinforcement Learning to tame long-tail generation
这是一篇rl过程中的rollout加速的工作。作者主要的发现是：在rollout过程中，每个step的rollout显卡利用率都是会越来越低，因为80%的traj会在20%时间结束。如果这个时候，让dataloader立即load下一条数据呢？作者发现这样单位时间，可以多roll 44%的数据
代价是一部分数据，会由之前的参数得到，而不是最新的参数。这样会牺牲一部分rl性能
Reinforcement Learning on Pre-Training Data
这篇论文名字挺有趣的，有点像是pengfei老师前几天那个在sft上做重要性采样的工作，但其实讲的不是这个故事，而是直接改变了训练范式。正常的pretrain是给出一个语料，然后让模型做一次forward一次backward，训练模型去说一模一样的东西。如果用rl的视角看待，那就是：能不能给出前半段，让模型接着生成，如果和后半段接近，就给reward奖励。变成了multi-forward的形式
聪明的小伙伴马上发现，如何定义“接近”会成为这个系统的瓶颈。但作者认为，只要够scale，不准确也无所谓
ARE: scaling up agent environments and evaluations
gaia很火，是现在大家基本都会刷的benchmark，今天作者更新到了gaia2。作者这次还开源了agent测试环境给大家，里面有一些mock的app/mcp，可以让模型随意调用。然后题目也从原来的search-based，多了一些execution-based的题目
gaia1被大家刷到快80了…
