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!

DenseWorld-1M: Towards Detailed Dense Grounded Caption in the Real World

seed的工作，是一个dense caption的数据集。大概一年前deepmind做了一篇dense caption标注的工作，但当时没有开源数据集。这次这个方法很像，但是把1M caption全部开源了。

平均长度2813，比之前deepmind那个900更上一层楼

Mind2Web 2: Evaluating Agentic Search with Agent-as-a-Judge

之前出了mind2web-live，online-mind2web，到今天进化到mind2web 2了。作者搞了更难的题目，但没有eazy-to-verify的性质，而是让llm judge。

MMSearch-R1: Incentivizing LMMs to Search

这也是一个做setting的文章。这篇工作考虑的是传统vqa任务，如果能让模型搜google 图片搜索同时文字搜索，可以训练一个search agent吗？作者试了一下，跑了个grpo，发现确实可以，而且效果很好

感觉AI真的进入下半场了，做setting的文章变得越来越多了

Mobile-R1: Towards Interactive Reinforcement Learning for VLM-Based Mobile Agent via Task-Level Rewards

好久不见GUI Agent RL相关工作，作者做了先单步rl+再多步rl的setting，不过就跑了15步GRPO？

Skywork-SWE: Unveiling Data Scaling Laws for Software Engineering in LLMs

SWE Agent领域今年很火，大家逐渐能把swe verified的分数刷起来了。之前有个swe-smith的工作，自动从github上构造抽取issue数据，今天这个skywork的工作和他很像，但是分数刷的更高

所以，openai也是这么搞的，只是数据质量更高嘛

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？