0%

2025年四月April
星期日
Sunday
星期一
Monday
星期二
Tuesday
星期三
Wednesday
星期四
Thursday
星期五
Friday
星期六
Saturday
😁 😁 3 4 😁😁
6 😁 😁 😁 😁 😁 12
13 😁 😁 😁 😁 😁 19
20 😁 22 23 24 25 26
27 28 29 30
阅读全文 »

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!

2025年四月April
星期日
Sunday
星期一
Monday
星期二
Tuesday
星期三
Wednesday
星期四
Thursday
星期五
Friday
星期六
Saturday
1(472->1 papers) 2(266->3 papers) 3(218->3 papers) 4(224->2 papers) 5
6 7(201->1 papers) 8(478->2 papers) 9(249->0 papers) 10(204->1 papers) 11(194->2 papers) 12
13 14(195->2 papers) 15(479->2 papers) 16(290->1 papers) 17(206->1 papers) 18(257->4 papers) 19
20 21(195->1 papers) 22 23 24 25 26
27 28 29 30
阅读全文 »

Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

这篇工作里,作者研究了o1训练前和后的模型,但关注的是pass@k指标。得出一个结论:虽然模型的bo1效果上升显著,但是bon其实没涨。这其实是这类训练方法的固有问题,因为没有引入外部的知识反馈,只有结果反馈

所以,在o1训练前需要一个hotstart,叫diversity training或者别的什么名字,先把bon的水平拉起来?说起来,之前kumar有一篇工作讲的是如何优化bo1,这两个连在一起,是不是就能左脚踩右脚了……

阅读全文 »

TongUI: Building Generalized GUI Agents by Learning from Multimodal Web Tutorials

这篇工作中,作者强调了gui教程数据的重要性,作者把wikihow等几个数据源的数据转换成了多步执行的形式,然后训进模型,发现涨分了。

开源数据,推荐!

PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding

meta就是有钱,找人标了2.8M个video qa和caption,还开源了

开源,我直接推荐!

Exploring Expert Failures Improves LLM Agent Tuning

这篇工作的思路很精彩。作者发现目前的sft数据里,往往训练成功的trace,但是这些任务更可能是简单的。作者认为,失败的trace里反而更可能蕴含一些信息价值极高的step。能不能找到一种方案把这些step挑出来,然后也训进去呢?作者发现还真可以

阅读全文 »

ReTool: Reinforcement Learning for Strategic Tool Use in LLMs

推荐一下工友的工作。大家都在等待agent end2end rl起飞,这里迈出了第一步:如果在数学题中可以写代码,能不能训练出长thought呢?作者发现,在有一个工具的setting下,是可以做出正收益,让thought长度健康增长的。

其实这个方向并不新,几年前就一直有人做了,但是gsm8k。在aime级别题目、10k reasoning budget这个scaling尺度下,我印象中应该只有deep research有过正收益了

阅读全文 »

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
阅读全文 »

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

阅读全文 »

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?

阅读全文 »

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

阅读全文 »

今天是2月29日,我迎来了研究生的第二个学期。上次2月29日已经是2020年,而下次2月29日要到2028年了。人生有多少4年,再加好久没有更新,遂写一写最近的生活吧。

其实我写总结这个track,还是因为最开始看了谭院士的博客 Wandai Blog:谭院士总是时间驱动,每天写一个sentence-level的总结,陆陆续续竟然坚持了十几年。时间是有惯性的,有点类似于顺着一个人的微信刷pyq,不会到了某个位置突然被卡掉,看下来有种震撼人心的感觉。所以我也想是不是记录一下自己的生活。

我当时选了另一种形式:事件感想驱动,更大的interval, 在corpus-level做记录,所以给自己起名字叫做"随缘"。现在想想可能并不适合,我和谭院士的记录方式也许应该倒一倒。我的生活当然没有谭院士丰富,用instruction tuning的话说:每天翻来覆去总是从一些task set里先sample task \(t \in \mathcal{T}\),再sample \(x \in \mathcal{X}_t\),最后预测 \(y = me(x)\)。做得多了,熟能生巧,常用的几个task的能力越来越高了,但一直没什么机会探索更大更diverse的instruction空间。

不过近期确实有所不同,我深感在过去一个月里,尝试的新事物堪比过去一两年。

阅读全文 »