Investigating Memorization in Video Diffusion Models
Text2video model是否只是在背诵训练数据？作者发现，还真是。作者搞了一些阴间prompt，差不多能定位到训练数据集的某些video，然后让模型去生成。发现模型就是在抄袭对应的训练数据，而且13个被测模型都是这样
MMDocBench: Benchmarking Large Vision-Language Models for Fine-Grained Visual Document Understanding
作者提了一个点：目前的doc qa基本上都是high-level的，关注整个页面、或者一大段文字的内容。没有benchmark去关注页面很局部的信息，作者由此搞了个fine-grained doc qa，基本都是信息在页面里很小很不起眼。
Mind Your Step (by Step): Chain-of-Thought can Reduce Performance on Tasks where Thinking Makes Humans Worse
之前有个方向叫inverse scaling law：找到一些参数更大的模型反而表现更差的任务。作者搞了个inverse的CoT版本：找到用了CoT反而效果更差的任务。作者更近一步，先去找对人来说“用了CoT反而效果更差的任务”，再去看模型表现和人是否是一致的。核心发现是：
- 能找到不少这样的任务，让o1比4o掉35%
- 模型和人的表现不完全一致，但大体是类似的。
还挺好玩的……以后来个"Inverse CoT scaling-law can be U-shaped" [doge]
Deploying Ten Thousand Robots: Scalable Imitation Learning for Lifelong Multi-Agent Path Finding
一篇比较传统AI的工作：作者研究了MAPF问题，如何同时规划多个agent的路径，使得互相不会卡位置死锁，同时移动很高效。作者探索的是life long场景，也就是说位置要求会发生多次。在这个领域中，非AI的search 方法跑得很慢，但是效果比AI方法好。作者试图把search方法的trace作为数据，蒸馏到AI里，发现还真可以。不过，前提是scale，之前也有类似的工作，但scale的不够好
话说这套方法论还挺好玩的，挺有AAAI风格的
