随缘随笔
Insights Flow

压缩带来智能，5% 的论文决定学术界 95% 的成果！每天从 Arxiv 论文中总结分享最重要、最有趣的最多三篇论文。

Compression brings intelligence, 5% of papers determine 95% of AI technologies! Share the most important papers from Arxiv, every day, up to three!

Hunyuan3D 2.5: Towards High-Fidelity 3D Assets Generation with Ultimate Details

腾讯继续在3d obj生成领域发力，迭代到了2.5

DynScaling: Efficient Verifier-free Inference Scaling via Dynamic and Integrated Sampling

一篇google的工作，看起来很有些alpha evolve的风采，作者发现传统的think都是串形的，一个token接着一个token。作者想把他改成半并行的结构，让模型独立地采样一会，再来个sync全部拼在一起，然后再让后面的模型看着所有的context，接着做并行地推理。

OAgents: An Empirical Study of Building Effective Agents

Oppo的工作，前几天他们做了一篇对比agent test time scaling的工作，今天又出了一篇对比不同agent框架和framework设计对下游任务的影响，放在一起读还挺solid。不过这篇工作里，作者真的搞了个agent出来

Truncated Proximal Policy Optimization

seed的一篇工程算法结合的工作。作者发现同步online rl这类算法，有一个固有的缺陷：一次rollout的时间，受制于batch里最长时间的sample，所有节点都会等着它结束。能不能让超长的样本干脆不roll了，early stopping，同时用起来已经生成的token？作者从这里出发设计出来了T-PPO，展现了更强的训练效率

EMBODIED WEB AGENTS: Bridging Physical-Digital Realms for Integrated Agent Intelligence

这篇工作里，作者搭建了一个新的setting，让模型可以在完成具身任务的过程中搜索网页，由此连接了具身agent和web agent。

ESSENTIAL-WEB V1.0: 24T tokens of organized web data

作者发现：随着时间增长，各家大模型公司的预训练数据量是指数增长。所以花在data filter的时间将会越来越多。所以作者构造了一个通用的筛选后数据集，提前针对不同的维度提前打好标签。这样在用的时候，直接根据数据标签做sql筛选就行了

Reinforcement Learning with Verifiable Rewards Implicitly Incentivizes Correct Reasoning in Base LLMs

这篇工作是对之前一个工作的回击：之前有篇工作发现，RLVR并没有使得模型的bon提升。这篇工作指出了一个关键问题：bon这个metric本身是有问题的，因为bon的答案很可能是假阳（答案正确，但思考过程错误）。作者用另一个llm verifier检查thought是否有错误，发现如果考虑这个因素的话。新产生的metrics，训练了rlvr后是大大提高了

话说我之前看到那篇工作，是感觉会不会是训练后entropy关闭了，导致bon在行为上和bo1差不多……

AceReason-Nemotron 1.1: Advancing Math and Code Reasoning through SFT and RL Synergy

Nvidia的工作，作者训了很多组模型，对比了各种sft初始化、各种temperature下模型的性能，给出了一组调参经验。

这位是真有卡

Scaling Test-time Compute for LLM Agents

Oppo的工作，在GAIA上对比了各种不同的scaling testtime compute框架的效果。和之前不同的点在于，作者做了比较新的模型对比，得出了一些结论。

AlphaEvolve: A coding agent for scientific and algorithmic discovery

火了整整一个月的alphaevolve的论文终于放出来了！这是一套人机结合的系统，人来决定一些可行的优化方向，然后agent来不停地向这个优化迭代算法

半年没写论文阅读笔记，其实笔记草稿写了不少，都没转正。主要觉得像是机械的翻译，没有思想在里面，不如不发。最近大家开始陆陆续续放出来o1-like的模型了，其实翻过头看，大家的思考方式还是几年前的STaR，去年我也写过 一篇阅读笔记 介绍。

今天不妨来重新思考一下STaR，连接上跟进的几篇STaR-like的工作，谈谈我对于o1的理解吧。参考文献:

• STaR: Self-Taught Reasoner Bootstrapping Reasoning With Reasoning
• Quiet-STaR: Language Models Can Teach Themselves to Think Before Speaking
• Beyond Human Data: Scaling Self-Training for Problem-Solving with Language Models
• Training Chain-of-Thought via Latent-Variable Inference
• Rest Meets ReAct: Self-Improvement for Multi-Step Reasoning LLM Agent
• Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering
• Training Language Models to Self-Correct via Reinforcement Learning

今天来讲讲Many-Shot In-Context Learning，大概是deepmind一个月前的文章，读下来和之前Jason Wei那篇"Large Models do In-Context Learning Differently"的阅读体验有点像，是一篇"暗合scaling天意"的文章。

看完了我把他和另外两篇论文联系了起来，想到了未来LLM在context重建AI的可能性。最后，推荐大家读一下原文，deepmind论文就像乐高，阅读(拼搭)体验一直很好……

参考资料：

Many-Shot In-Context Learning

Many-Shot In-Context Learning in Multimodal Foundation Models

In-Context Reinforcement Learning with Algorithm Distillation

最近Apple出了自己的30B多模态大模型，涌现出了多模态的in-context learning效果，论文里一句"even better"让我想到库克那个嗓音……作者说明了很多在训练中收获到的经验教训，这是我最近几个月看的写法最清楚的一篇论文。正好借此讲讲多模态大模型：目前学界大火的VLM，到底是怎么跑的？

最近Sora巨火，仿佛开启了AIGC的新时代。Jason Wei表示："Sora is the GPT-2 moment" for video generation。我在sora发布的大约第5个小时读了technical report，里面最打动我的其实是没提什么细节的recaption技术。让我回想想起了之前读DALL.E 3论文时的愉快体验。

所以今天来分享一下DALL.E 3论文里的recaption细节，并讨论几个问题和我的看法：1)OpenAI教你为什么要"先查看原始数据，再做创新" 2)Recaption和大家一直在聊的"training on synthetic data"是一回事吗? 3)recaption技术是否已经在(或者即将在)被其他领域使用？

另外，我总结了一下上篇笔记阅读量大的关键：语言表达要浅显易懂些，所以这篇笔记我可以声明一下：没学过AI也能看懂(我在博客里加了这个标签"from scratch"，所有我认为不懂AI或者只知道一点点的人也能看懂的博客都会加上这个标签)

参考文献：

https://openai.com/sora

Improving Image Generation with Better Captions

Automatic Instruction Optimization for Open-source LLM Instruction Tuning

WaveCoder: Widespread And Versatile Enhanced Instruction Tuning with Refined Data Generation

Reformatted Alignment

Rephrasing the Web: A Recipe for Compute and Data-Efficient Language Modeling