Teaching VLMs to Localize Specific Objects from In-context Examples
一篇挺聚焦的文章，作者关注的是：模型能否根据上下文图片里的som框，认出来想要grounding什么东西，并且在新图片上做grounding呢？显然，没训练的模型都不行，作者finetune过的模型做的还挺好。
说回来，从语言去grounding，和从som去grounding感觉是两个同样重要的能力，但大家确实主要focus前者现在。
Loss-to-Loss Prediction: Scaling Laws for All Datasets
这名字起得大气，其实是一篇研究scaling prediction的工作。传统scaling prediction讲的是从一个小模型、或者大模型少步数的loss里，预测大模型在同样setting下的loss。作者认为，限制setting一样是一个很大的限制，能不能做跨越setting的预测呢？比如从task A loss预测task B loss。作者发现是可以的
之前有篇叫 observational scaling law的工作，想要通过不同模型家族的指标预测另一个家族的模型。这个是从一个task预测另一个task。所以曲线输入的维度越多就越准吗……
BALROG: Benchmarking Agentic LLM and VLM Reasoning On Games
一篇benchmark工作，作者接入了几个游戏，然后提供了对于agent的封装的接口，并且给这些游戏设计了一些中间的稠密reward。可以在里面测试LLM as Game Agent
