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!

ARC Is a Vision Problem!

Jacob Andreas, Kaiming He一看这个作者就是不简单。这是一篇arc的刷分工作，有点类似于之前的hierarchical network。arc这个benchmark之前一般是选择题，让模型看到两个x->y的映射，去猜规则然后预测下一组输入的输出是什么。比如规则就比如下面图里面的俄罗斯方块下落。作者发现，arc的输入非常规律，所以其实可以变成一个图片生成任务，直接把每个块变成一个vit patch，然后不再用选择题，而是用next patch生成的方式，可以做到60分。

关键是作者给训练集的400题，每个题合成了1000个新的输入-输出对🤔所以有点从泛化性测试集变成train-based setting了

P1: Mastering Physics Olympiads with Reinforcement Learning

好像是第一个开源的ipho金牌模型。作者在qwen 235-A22的基础上进一步做了物理的domain sft/rl

Virtual Width Networks

一篇模型结构的工作，作者讨论了一种叫做over-width的技巧。就是把word embedding的宽度搞得很大，然后在每个transformer block的入口投影成小维度，然后过一个比较窄的attention block，出来再投影到比较大，然后做残差链接。用这个方法，其实计算量增加不会很大的情况下，可以把模型参数量扩展到很大。

作者认为，模型有能力使用这些多出来的宽度去存储一些更深度、高维的信息，由此在与训练中获得更好的效果

On the Entropy Calibration of Language Models

一篇比较理论的工作，作者分析了模型的gen entropy为什么总是会随着生成而上升，也就是说越生成越会混乱。正是因为有这个事实存在，所以应用中大家经常需要topk/topp采样，等于是强制破坏模型分布来解决entropy的问题。作者得出了两个结论：

1. 越生成越混乱，似乎是一种固有属性。随着模型参数量增大，改善及其不明显
2. 这种累积误差的积累程度，和场景关系很大。在code场景似乎不严重，但对于开放生成影响就非常明显

最后，作者实验性地提出了一种（工程上无法实现因为太慢了）的算法，可以比topk/topp这种“破坏式”算法更好保留多样性，但又能解决累积误差的办法。未来，也许可以有所突破

典型地percy liang式论文，逻辑严谨，自成一体

最近连续刷到几篇在预训练阶段，改变训练模式，通过thought augment，或者干脆直接就做on-policy rl的工作。这些新的方法，和从2020年开始大家就在做的paraphrase/synthetic有本质区别吗？是比pretrain模式更好的模式吗？当然，这几篇工作在算力等级上存在明显的差距，所以没法直接对比。而且这种级别的设计差异其实也是没法对比的，变量太多，大家一般只能选一种。今天我们只是来浅浅了解一下几种工作都是如何开展的吧

参考文献：

• Reinforcement Learning on Pre-Training Data

• Thinking Augmented Pre-training

• Phi-4 Technical Report

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？